图书信息
图书目录
人工智能技术与应用——面向未来教育
本书面向数字时代人才培养的实际需求，系统介绍人工智能核心概念、基础原理、关键技术以及在教育领域的典型应用，旨在帮助高校学生提升人工智能素养，增强数字化创新能力。全书共14章，内容涵盖人工智能的基本理论、技术生态、教育应用、伦理安全、发展前景等模块，既注重知识体系的系统性，也突出应用场景的实践性。本书从人工智能的发展历程与三大流派出发，逐步引导读者了解云计算、大数据、区块链等关键支撑技术，掌握Python编程与机器学习、深度学习的基础方法，深入剖析自然语言处理、计算机视觉、语音识别等核心领域与智能教育的融合创新。特别是在AIGC与大模型技术迅速发展的背景下，书中增设了生成式人工智能、教育智能体设计与提示词工程等前沿内容，帮助学生建立AI工具使用与理解的整体能力。
本书强调“理解+实践+思辨”三位一体的教学理念，配套提供相关课件和实训素材，可作为高等学校人工智能通识类课程、数字素养通识课程、计算机基础课程的教材，也可供对人工智能感兴趣的读者自学使用。
作者：
主编 郑豪 陈波 倪艺洋 柏宏权
定价：
42.00元
出版时间：
2025-09-01
ISBN：
978-7-04-065261-1
物料号：
65261-00
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
重点项目：
暂无
版面字数：
460.00千字
开本：
16开
全书页数：
暂无
装帧形式：
平装
- 前辅文
- 第1章 人工智能概述
- 1.1 什么是人工智能
- 1.1.1 人工智能的定义
- 1.1.2 人工智能与自然智能
- 1.1.3 人工智能的意义
- 1.2 人工智能的前世今生
- 1.2.1 人工智能起源
- 1.2.2 人工智能发展历程
- 1.2.3 人工智能流派
- 1.3 AI+X：人工智能在各行业中的应用
- 1.3.1 医疗行业
- 1.3.2 教育
- 1.3.3 金融业
- 1.3.4 交通运输
- 1.3.5 制造业
- 1.4 思考与练习
- 1.1 什么是人工智能
- 第2章 人工智能技术生态
- 2.1 云计算技术与应用
- 2.1.1 云计算概述
- 2.1.2 云计算关键技术
- 2.1.3 云计算应用
- 2.2 大数据技术与应用
- 2.2.1 大数据概述
- 2.2.2 大数据关键技术
- 2.2.3 大数据应用
- 2.3 区块链技术与应用
- 2.3.1 区块链概述
- 2.3.2 区块链关键技术
- 2.3.3 区块链应用
- 2.4 思考与练习
- 2.1 云计算技术与应用
- 第3章 人工智能在教育领域的应用概述
- 3.1 人工智能在教育中的应用场景
- 3.1.1 智能教学系统与学习平台
- 3.1.2 个性化学习推荐与路径规划
- 3.1.3 智能评估与反馈系统
- 3.1.4 虚拟助教与智能客服
- 3.2 人工智能教育应用的优势与挑战
- 3.2.1 提高教学效率与质量
- 3.2.2 促进个性化学习与发展
- 3.2.3 面临的挑战与应对策略
- 3.3 思考与练习
- 3.1 人工智能在教育中的应用场景
- 第4章 人工智能与教育深度融合的实践与探索
- 4.1 智能化课程设计：创新教学内容与方法
- 4.1.1 基于AI的学习需求分析
- 4.1.2 智能化课程内容的动态调整
- 4.1.3 AI辅助的创新教学策略
- 4.2 个性化学习支持：提升学习效率与效果
- 4.2.1 学生画像构建与学习路径规划
- 4.2.2 智能推荐系统与学习资源匹配
- 4.2.3 个性化学习反馈与调整机制
- 4.3 教育管理与评估的智能化：优化决策与提升质量
- 4.3.1 教育大数据的收集与分析平台
- 4.3.2 基于AI的教育决策支持系统
- 4.3.3 智能化教育评估体系构建
- 4.4 思考与练习
- 4.1 智能化课程设计：创新教学内容与方法
- 第5章 Python编程基础
- 5.1 Python语言概述
- 5.1.1 Python语言的诞生
- 5.1.2 学习Python语言的重要性和意义
- 5.2 Python程序设计
- 5.2.1 AI辅助Python程序设计
- 5.2.2 Python编程基础知识
- 5.3 Python在人工智能教育中的应用
- 5.3.1 搭建Python编程环境
- 5.3.2 编辑运行一个Python程序
- 5.3.3 实战：大数据爬取与分析
- 5.4 思考与练习
- 5.1 Python语言概述
- 第6章 机器学习与教育应用
- 6.1 机器学习基础
- 6.1.1 机器学习的概念
- 6.1.2 机器学习的核心技术
- 6.1.3 机器学习经典算法
- 6.2 机器学习在教育中的应用
- 6.2.1 机器学习平台与工具
- 6.2.2 实现一个简单的机器学习程序
- 6.2.3 实战：基于机器学习的学习行为智能评估
- 6.3 思考与练习
- 6.1 机器学习基础
- 第7章 深度学习与教育应用
- 7.1 深度学习基础
- 7.1.1 深度学习的概念
- 7.1.2 深度学习核心技术
- 7.1.3 深度学习经典算法
- 7.2 深度学习在教育中的应用
- 7.2.1 两个深度学习概念辨析
- 7.2.2 深度学习平台与工具
- 7.2.3 实现一个简单的深度学习程序
- 7.2.4 实战：基于深度神经网络的智能评价
- 7.3 思考与练习
- 7.1 深度学习基础
- 第8章 自然语言处理
- 8.1 自然语言处理概述
- 8.1.1 自然语言处理的背景与现状
- 8.1.2 自然语言处理的基本原理
- 8.2 自然语言处理的关键技术
- 8.2.1 分词
- 8.2.2 语言建模
- 8.2.3 特征工程
- 8.2.4 机器翻译
- 8.3 自然语言处理在教育文本分析中的应用
- 8.3.1 教育文本挖掘
- 8.3.2 多文档主题摘舀
- 8.3.3 知识图谱构建
- 8.3.4 作业与论文自动批改
- 8.4 思考与练习
- 8.1 自然语言处理概述
- 第9章 计算机视觉
- 9.1 计算机视觉技术概述
- 9.1.1 计算机视觉技术发展背景与现状
- 9.1.2 计算机视觉技术的基本原理
- 9.2 计算机视觉相关技术
- 9.2.1 图像处理技术
- 9.2.2 计算机视觉的核心技术
- 9.3 计算机视觉在课堂管理中的应用
- 9.3.1 课堂氛围分析与优化
- 9.3.2 校园安全监控
- 9.4 思考与练习
- 9.1 计算机视觉技术概述
- 第10章 智能语音
- 10.1 智能语音概述
- 10.1.1 智能语音的概念
- 10.1.2 语音处理的流程
- 10.2 语音识别
- 10.2.1 语音识别的概念
- 10.2.2 语音识别的应用
- 10.3 语音合成
- 10.3.1 语音合成的概念
- 10.3.2 语音合成的应用
- 10.4 智能语音在教育场景中的应用
- 10.4.1 语音识别在教育中的应用
- 10.4.2 语音合成在教育中的应用
- 10.4.3 智能语音技术对教学的影响与优势
- 10.4.4 持续发展的挑战与未来展望
- 10.5 思考与练习
- 10.1 智能语音概述
- 第11章 生成式AI大模型技术
- 11.1 大模型技术概述
- 11.1.1 大模型技术的发展背景
- 11.1.2 大模型技术的技术基础
- 11.1.3 大模型主要存在的问题
- 11.2 大模型的分类
- 11.2.1 大语言模型
- 11.2.2 视觉大模型
- 11.2.3 多模态大模型
- 11.2.4 不同大模型对比
- 11.3 不同大模型在教学过程中的应用
- 11.3.1 对话大模型应用实例
- 11.3.2 绘画大模型应用实例
- 11.3.3 视频大模型应用实例
- 11.4 思考与练习
- 11.1 大模型技术概述
- 第12章 教育智能体设计与提示词工程
- 12.1 智能体技术概述
- 12.1.1 智能体基本概念
- 12.1.2 智能体工作流设计方法
- 12.1.3 知识检索增强（RAG）技术
- 12.2 提示词工程概述
- 12.2.1 提示词工程的定义与原理
- 12.2.2 提示词的概念与分类
- 12.3 面向教育教学场景的智能体设计策略与应用实例
- 12.3.1 教育教学智能体工作流设计与提示词优化
- 12.3.2 文本生成任务工作流编排与提示词优化
- 12.3.3 作业批改任务工作流编排与提示词优化
- 12.4 思考与练习
- 12.1 智能体技术概述
- 第13章 人工智能的伦理、安全与挑战
- 13.1 人工智能的伦理问题
- 13.1.1 数据隐私
- 13.1.2 人类控制与自主性
- 13.1.3 责任归属
- 13.2 人工智能的安全问题
- 13.2.1 数据安全
- 13.2.2 模型安全
- 13.2.3 社会安全
- 13.3 人工智能的挑战
- 13.3.1 技术挑战
- 13.3.2 社会挑战
- 13.3.3 法规挑战
- 13.4 思考与练习
- 13.1 人工智能的伦理问题
- 第14章 人工智能教育的未来愿景
- 14.1 未来教育形态的重塑
- 14.1.1 智能化学习环境的构建
- 14.1.2 教育模式的转变
- 14.1.3 基于项目与协作学习的创新
- 14.2 人工智能技术在教育中的深度应用
- 14.2.1 智能教学系统的进化
- 14.2.2 教育评估与反馈的智能化
- 14.3 思考与练习
- 14.1 未来教育形态的重塑
- 参考文献
相关图书
1