顶部
收藏

人工智能通识——从入门到实践


作者:
主编 徐凯旋 袁翠翠 副主编 师鹏 陈见辉 廖春华 胡士齐
定价:
49.00 元
版面字数:
460.00千字
开本:
16开
装帧形式:
平装
页数:
340
最新
印次时间:
2026年08月
ISBN:
978-7-04-068198-7
物料号:
68198-00
出版时间:
2026-09-07
读者对象:
高等教育
一级分类:
计算机/教育技术类
二级分类:
计算机基础课程
三级分类:
大学计算机基础

本书为高等学校人工智能通识教育系列教材,面向本科层次职业大学各专业人工智能通识课程,由长期从事教学的一线教师编写。 全书共8章,系统讲解人工智能基础理论、核心技术、实战应用与未来发展,从AI概述、基础支撑、感知智能、生成式AI、AIGC技术、智能体开发、项目实践到未来学习路径,层层递进,通俗易懂。 本书立足本科层次职业大学教育定位,坚持产教融合、实践导向、岗课赛证融通,结构清晰、内容翔实、案例丰富,突出技术应用与实操能力培养,可作为本科层次职业大学院校人工智能通识课教材,也可供相关从业者与爱好者学习使用。
  • 目录
    • 前辅文
      • 第1章 人工智能概述与应用
        • 1.1 人工智能的定义与核心内涵
          • 1.1.1 人工智能的学术定义与通俗理解
            • 1.1.2 人工智能的核心特征:感知、推理、学习与交互
              • 1.1.3 相关概念辨析:人工智能、机器学习、深度学习、大数据
              • 1.2 人工智能的发展历程
                • 1.2.1 初创期(20世纪50年代至70年代):概念提出与早期探索
                  • 1.2.2 低谷期(20世纪70年代至90年代):技术瓶颈与“AI寒冬”
                    • 1.2.3 复苏期(20世纪90年代至21世纪第二个十年):统计学习与应用突破
                      • 1.2.4 爆发期(21世纪第二个十年至今):深度学习与全民普及
                      • 1.3 人工智能的分类与应用层级
                        • 1.3.1 弱人工智能、强人工智能与超人工智能的划分
                          • 1.3.2 专用人工智能的典型场景与能力边界
                            • 1.3.3 通用人工智能的研究进展与挑战
                            • 1.4 人工智能的基础伦理认知
                              • 1.4.1 人工智能伦理的基础内涵与重要性
                                • 1.4.2 人工智能伦理的核心基础
                                  • 1.4.3 伦理意识的培养:AI时代的必备素养
                                  • 1.5 本章小结
                                    • 1.6 本章思考
                                    • 第2章 人工智能的基础支撑
                                      • 2.1 数据:人工智能的“燃料”
                                        • 2.1.1 数据的类型
                                          • 2.1.2 数据的质量要求
                                            • 2.1.3 数据采集与预处理的基本流程
                                            • 2.2 算法:人工智能的“逻辑核心”
                                              • 2.2.1 算法的基本概念与作用
                                                • 2.2.2 人工智能算法的分类:监督学习、无监督学习、强化学习
                                                  • 2.2.3 算法效率与效果的基本评价指标
                                                  • 2.3 算力:人工智能的“运行引擎”
                                                    • 2.4 人工智能的技术体系框架
                                                      • 2.4.1 基础层:数据、算力、算法的协同关系
                                                        • 2.4.2 技术层:感知智能、生成智能等核心技术模块
                                                          • 2.4.3 应用层:技术落地的场景化呈现
                                                          • 2.5 本章小结
                                                            • 2.6 本章思考
                                                            • 第3章 感知智能技术:让AI“看懂”与“听懂”
                                                              • 3.1 计算机视觉技术基础
                                                                • 3.1.1 计算机视觉的定义与核心目标
                                                                  • 3.1.2 核心技术:图像识别与分类的基本原理
                                                                    • 3.1.3 核心技术:目标检测与跟踪的简单应用
                                                                      • 3.1.4 典型案例:人脸识别、车牌识别的实际场景
                                                                      • 3.2 语音智能技术
                                                                        • 3.2.1 语音智能的构成:语音识别与语音合成
                                                                          • 3.2.2 语音识别的基本流程与关键技术
                                                                            • 3.2.3 语音合成的发展:从机械音到自然语音
                                                                              • 3.2.4 典型案例:智能音箱、语音助手的工作原理
                                                                              • 3.3 自然语言处理基础:让AI“理解”文本
                                                                                • 3.3.1 自然语言处理的定义与研究范畴
                                                                                  • 3.3.2 核心技术:文本分词与语义理解入门
                                                                                    • 3.3.3 核心技术:机器翻译的基本原理
                                                                                      • 3.3.4 典型案例
                                                                                      • 3.4 本章小结
                                                                                        • 3.5 本章思考
                                                                                        • 第4章 生成式人工智能基础与核心技术
                                                                                          • 4.1 生成式人工智能概述
                                                                                            • 4.1.1 生成式AI的定义与核心特征
                                                                                              • 4.1.2 生成式AI与传统AI的技术差异
                                                                                              • 4.2 生成式AI(GAI)的核心技术基础
                                                                                                • 4.2.1 生成对抗网络的基本原理与应用
                                                                                                  • 4.2.2 大语言模型(LLM)的技术架构入门
                                                                                                  • 4.3 GAI的典型应用场景
                                                                                                    • 4.3.1 文本生成:文案、代码、报告的智能创作
                                                                                                      • 4.3.2 图像生成:设计素材、艺术创作的辅助工具
                                                                                                        • 4.3.3 多模态生成:文生图、图生文的跨模态应用
                                                                                                        • 4.4 本章小结
                                                                                                          • 4.5 本章思考
                                                                                                          • 第5章 AIGC核心技术与实战应用
                                                                                                            • 5.1 AIGC基础认知与核心概念
                                                                                                              • 5.1.1 AIGC的定义与核心内涵
                                                                                                                • 5.1.2 AIGC与GAI的关系辨析
                                                                                                                  • 5.1.3 AIGC的分类与核心特征
                                                                                                                  • 5.2 AIGC的核心生成技术
                                                                                                                    • 5.2.1 文本生成技术:从语言建模到内容创作
                                                                                                                      • 5.2.2 图像生成技术:扩散模型与风格迁移
                                                                                                                        • 5.2.3 音视频生成技术:合成原理与质量优化
                                                                                                                          • 5.2.4 多模态内容生成:跨模态转换与融合创作
                                                                                                                          • 5.3 AIGC的典型应用场景与实践
                                                                                                                            • 5.3.1 AIGC的产业应用与实践案例
                                                                                                                              • 5.3.2 典型工具应用解析
                                                                                                                              • 5.4 AIGC的规范发展与风险防控
                                                                                                                                • 5.4.1 内容合规性:版权保护与虚假信息治理
                                                                                                                                  • 5.4.2 技术安全性:偏见规避与隐私保护
                                                                                                                                    • 5.4.3 行业规范与国家监管要求
                                                                                                                                    • 5.5 GAI与AIGC的协同发展与未来展望
                                                                                                                                      • 5.5.1 GAI与AIGC的协同机制
                                                                                                                                        • 5.5.2 生成式人工智能的技术发展趋势
                                                                                                                                          • 5.5.3 国家战略下的发展机遇与挑战
                                                                                                                                          • 5.6 本章小结
                                                                                                                                            • 5.7 本章思考
                                                                                                                                            • 第6章 智能体开发技术入门:让AI“自主决策”与“交互”
                                                                                                                                              • 6.1 智能体的定义与核心构成
                                                                                                                                                • 6.1.1 智能体的学术定义与通俗理解
                                                                                                                                                  • 6.1.2 智能体的核心组件:感知、决策、执行模块
                                                                                                                                                    • 6.1.3 智能体的分类:单智能体与多智能体系统
                                                                                                                                                    • 6.2 智能体开发国产工具与实践入门
                                                                                                                                                      • 6.2.1 入门级国产开发工具与平台介绍
                                                                                                                                                        • 6.2.2 百度智能云千帆AppBuilder:零代码智能体搭建实操
                                                                                                                                                          • 6.2.3 阿里云百炼平台:考研英语智能体定制流程
                                                                                                                                                            • 6.2.4 讯飞星辰Agent开发平台:多模态智能体构建技巧
                                                                                                                                                              • 6.2.5 开发流程:需求定义、模型选型、迭代优化
                                                                                                                                                              • 6.3 智能体典型应用案例解析
                                                                                                                                                                • 6.3.1 服务领域:基于百度千帆的智能客服机器人开发
                                                                                                                                                                  • 6.3.2 产业领域:基于星辰平台的工厂智能调度系统实践
                                                                                                                                                                    • 6.3.3 生活领域:基于通义千问的家庭智能助手定制
                                                                                                                                                                    • 6.4 智能体的发展趋势
                                                                                                                                                                      • 6.4.1 国产智能体技术的优势与突破方向
                                                                                                                                                                        • 6.4.2 通用智能体的研究进展与挑战
                                                                                                                                                                        • 6.5 本章小结
                                                                                                                                                                          • 6.6 本章思考
                                                                                                                                                                          • 第7章 人工智能项目实践:从原型到落地
                                                                                                                                                                            • 7.1 项目实践前期准备
                                                                                                                                                                              • 7.1.1 需求分析与场景定位方法
                                                                                                                                                                                • 7.1.2 国产AI工具与资源选型策略
                                                                                                                                                                                • 7.2 典型项目实践案例
                                                                                                                                                                                  • 7.2.1 项目一:基于扣子的大学生校园生活服务平台(校园综合服务)
                                                                                                                                                                                    • 7.2.2 项目二:基于百度秒哒的竞赛耗材出入库管理系统
                                                                                                                                                                                    • 7.3 项目对比与选型建议
                                                                                                                                                                                      • 7.3.1 两个项目的对比分析
                                                                                                                                                                                        • 7.3.2 选型建议与落地路径
                                                                                                                                                                                        • 7.4 项目落地后的运维与迭代机制
                                                                                                                                                                                          • 7.4.1 轻量化运维体系构建
                                                                                                                                                                                            • 7.4.2 安全合规与伦理规范
                                                                                                                                                                                              • 7.4.3 持续迭代与版本更新
                                                                                                                                                                                              • 7.5 本章小结
                                                                                                                                                                                                • 7.6 本章思考
                                                                                                                                                                                                • 第8章 人工智能的未来发展与学习路径
                                                                                                                                                                                                  • 8.1 人工智能的未来发展趋势
                                                                                                                                                                                                    • 8.1.1 技术发展:向通用化、融合化、绿色化进阶
                                                                                                                                                                                                      • 8.1.2 应用发展:主流化、细分化、交叉化并行
                                                                                                                                                                                                        • 8.1.3 治理发展:全球化、规范化、安全化同步推进
                                                                                                                                                                                                        • 8.2 人工智能发展面临的机遇与挑战
                                                                                                                                                                                                          • 8.2.1 发展机遇:技术、产业、政策多重赋能
                                                                                                                                                                                                            • 8.2.2 面临挑战:技术、伦理、安全、人才多重制约
                                                                                                                                                                                                            • 8.3 人工智能的学习路径
                                                                                                                                                                                                              • 8.3.1 学习前提:树立正确的AI认知
                                                                                                                                                                                                                • 8.3.2 基础学习:面向所有群体的AI通识
                                                                                                                                                                                                                  • 8.3.3 进阶学习:面向从业者与爱好者的应用能力提升
                                                                                                                                                                                                                    • 8.3.4 专业学习:面向AI研发者的深度提升
                                                                                                                                                                                                                      • 8.3.5 学习注意事项
                                                                                                                                                                                                                      • 8.4 本章小结
                                                                                                                                                                                                                        • 8.5 本章思考

                                                                                                                                                                                                                      相关图书