顶部
收藏

人工智能素养


作者:
主编 葛宇 韩鸿宇 郭亚钢 副主编 张永来 崔冬霞 吴倩
定价:
41.60元
ISBN:
978-7-04-065006-8
版面字数:
350.00千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2025-08-08
物料号:
65006-00
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

本书不仅涵盖了计算机科学的核心概念、人工智能的发展历程与核心技术原理,还深入探讨了数据表示与计算机系统智能化、网络技术(如物联网和云计算)中人工智能的应用、大模型实践等内容。此外,本书还特别关注了“AI+”跨行业应用及其伦理和社会影响,强调构建安全、透明且负责任的AI生态系统的重要性,为读者提供了一个深入理解人工智能技术及其广泛应用的平台。

本书可作为高校人工智能通识课、人工智能基础课的教材,也可作为人工智能爱好者的入门参考书。

  • 前辅文
  • 第一章 计算机与人工智能
    • 1.1 计算机与计算思维
      • 1.1.1 计算机概述
      • 1.1.2 计算思维
    • 1.2 人工智能基本思想
    • 1.3 人工智能概述
      • 1.3.1 人工智能的起源
      • 1.3.2 人工智能现状与发展趋势
      • 1.3.3 人工智能应用领域
    • 1.4 人工智能算力
    • 习题
  • 第二章 数据表示与计算机系统智能化
    • 2.1 数据单位
      • 2.1.1 数据单位与换算
      • 2.1.2 数据单位的运用
    • 2.2 数据的表示
      • 2.2.1 数值数据的表示
      • 2.2.2 字符数据的表示
      • 2.2.3 图片、声音、视频数据的表示
    • 2.3 人工智能驱动的计算机体系结构
      • 2.3.1 冯·诺依曼体系结构
      • 2.3.2 冯·诺依曼体系结构的智能化演进
    • 2.4 计算机硬件的智慧升级
      • 2.4.1 中央处理器的智能化
      • 2.4.2 存储器的智能化
      • 2.4.3 显卡的智能效能提升
      • 2.4.4 输入输出设备的智能化变革
    • 2.5 GPU对人工智能发展的推动
    • 2.6 智能化操作系统
      • 2.6.1 操作系统的智能化
      • 2.6.2 文件系统与数据存储
    • 习题
  • 第三章 网络与人工智能
    • 3.1 网络基础与人工智能前沿
      • 3.1.1 网络概述
      • 3.1.2 网络与人工智能前沿技术
    • 3.2 物联网与人工智能
      • 3.2.1 物联网概述
      • 3.2.2 物联网与人工智能应用案例
    • 3.3 云计算与人工智能
      • 3.3.1 云计算概述
      • 3.3.2 云计算与人工智能应用案例
    • 3.4 网络安全与AI防护
      • 3.4.1 网络威胁检测与防御
      • 3.4.2 网络安全领域的AI应用场景
    • 习题
  • 第四章 算法设计与实践
    • 4.1 算法概述
    • 4.2 基于Raptor的算法描述
      • 4.2.1 算法描述
      • 4.2.2 Raptor算法设计
    • 4.3 算法实践
    • 习题
  • 第五章 机器学习基础
    • 5.1 机器学习概述
      • 5.1.1 什么是机器学习
      • 5.1.2 机器学习的基本过程
      • 5.1.3 数据、模型与算法
    • 5.2 基于学习范式的机器学习分类
      • 5.2.1 监督学习
      • 5.2.2 无监督学习
      • 5.2.3 强化学习
    • 5.3 深度学习
      • 5.3.1 了解人工神经网络
      • 5.3.2 基于人工神经网络的深度学习
    • 5.4 机器学习主要应用场景
    • 习题
  • 第六章 数据管理与人工智能
    • 6.1 大数据基础
      • 6.1.1 大数据起源与发展
      • 6.1.2 大数据概念与特征
    • 6.2 数据管理
      • 6.2.1 数据采集
      • 6.2.2 预处理与质量控制
      • 6.2.3 存储管理
    • 6.3 大数据与人工智能案例研究
      • 6.3.1 “啤酒与尿布”案例研究
      • 6.3.2 百度指数
      • 6.3.3 智能推荐系统——以京东App为例
    • 习题
  • 第七章 大模型实践
    • 7.1 认识大模型
      • 7.1.1 什么是大模型
      • 7.1.2 大模型分类与应用
    • 7.2 大模型实践
      • 7.2.1 文本生成
      • 7.2.2 图片生成
      • 7.2.3 工作助手
      • 7.2.4 零代码定制个性化AI
      • 7.2.5 基于工作流的AI应用开发
    • 7.3 大模型生态
    • 习题
  • 第八章 “AI+”行业应用
    • 8.1 WPS AI+智能办公
    • 8.2 AI+教育
      • 8.2.1 AI助力教学准备
      • 8.2.2 AI助力课堂交互
      • 8.2.3 AI助力学业评价
      • 8.2.4 AI数字人助力微课设计
    • 8.3 AI+音乐创作
    • 8.4 AI+视频创作
    • 8.5 AI+新闻传媒
    • 8.6 AI+体育
    • 习题
  • 第九章 人工智能伦理与安全
    • 9.1 人工智能的伦理问题
    • 9.2 人工智能伦理的基本原则
      • 9.2.1 基本伦理要求
      • 9.2.2 国际视角下的AI伦理框架
    • 9.3 数据责任与隐私保护
    • 9.4 公平性与非歧视
    • 9.5 可解释性与透明度
    • 9.6 安全与稳健性
    • 9.7 社会影响与公众参与
    • 9.8 共同创造美好的AI世界
    • 习题
  • 参考文献

相关图书