顶部
收藏

人工智能应用基础


作者:
主 编 王爱民 江华伟 副主编 张金秋 董金明 盛韶华 陈靖辉 杜妍
定价:
49.80 元
版面字数:
440.00千字
开本:
16开
装帧形式:
平装
版次:
1
最新版次
印刷时间:
2026年
ISBN:
978-7-04-065659-6
物料号:
65659-00
出版时间:
2026-01-26
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

本书是河南省“十四五”普通高等教育规划教材,是面向大学一年级的“人工智能通识教材”。本书内容分为三个部分。第一部分为人工智能概论,包含第1、2章;第二部分为人工智能应用,包含第3~7章;第三部分为人工智能未来,包含第8、9章。

本书总体思路与各章逻辑关系清晰,层次分明,叙述深入浅出,重点突出,图文并茂。教学内容精心选择,既有高站位的宏观思维叙述,又有细节化的微观思维示例。注重将知识的系统性、实用性、可操作性和前沿性相统一,通俗易懂,读者能轻松上手。

本书为读者提供了丰富的配套学习资源。对于各类计算机教育工作者、从事计算机各领域的工作人员,本书也是一本极具价值的参考书。

  • 前辅文
  • 第1章 人工智能概论
    • 1.1 人工智能从何而来
      • 1.1.1 千里之行:回望人工智能的源头
      • 1.1.2 为人偶躯壳注入逻辑学之魂
      • 1.1.3 “此句为假”
      • 1.1.4 可算与不可算的边界
      • 1.1.5 达特茅斯会议——新的征程
    • 1.2 人工智能何为
      • 1.2.1 什么是人工智能
      • 1.2.2 人工智能分类
      • 1.2.3 人工智能主要研究路径
      • 1.2.4 人工智能主要研究内容
      • 1.2.5 人工智能的应用领域
    • 1.3 人工智能的发展
      • 1.3.1 早期探索与第一次人工智能寒冬
      • 1.3.2 专家系统与第五代计算机
      • 1.3.3 数据驱动的人工智能系统
      • 1.3.4 国外大语言模型简介
      • 1.3.5 国产大语言模型发展
    • 1.4 小结
    • 1.5 习题
  • 第2章 人工智能三要素
    • 2.1 数据——人工智能的“燃料”
      • 2.1.1 数据、信息与知识
      • 2.1.2 数据获取、存储与管理
    • 2.2 算力——人工智能的“引擎”
      • 2.2.1 算力的概念
      • 2.2.2 传统算力
      • 2.2.3 高性能算力
      • 2.2.4 人工智能算力
    • 2.3 算法——人工智能的“大脑”
      • 2.3.1 算法的概念
      • 2.3.2 算法的发展趋势与创新
      • 2.3.3 算法的选择与优化
      • 2.3.4 人工智能常见算法
    • 2.4 三要素协同作用推动人工智能发展
      • 2.4.1 三要素之间的关系
      • 2.4.2 协同作用机制
      • 2.4.3 三要素协同闭环发展
    • 2.5 知识拓展
    • 2.6 小结
    • 2.7 习题
  • 第3章 AI文本处理
    • 3.1 AI文本处理概述
      • 3.1.1 文本类AI工具
      • 3.1.2 国外阵营AI工具
      • 3.1.3 国内阵营AI工具
    • 3.2 Kimi泛用大模型概述
      • 3.2.1 Kimi简介
      • 3.2.2 Kimi的核心功能
      • 3.2.3 Kimi的特征
      • 3.2.4 软件下载与安装
    • 3.3 文本提示词
      • 3.3.1 提示词设计
      • 3.3.2 随机性控制
      • 3.3.3 输出质量控制
    • 3.4 Kimi的应用案例
      • 3.4.1 Kimi制作教学PPT大纲
      • 3.4.2 使用Kimi制作教学PPT
    • 3.5 使用Kimi进行文献分析
      • 3.5.1 创建对话进行文献分析
      • 3.5.2 Kimi+ 辅助写作
    • 3.6 DeepSeek泛用大模型概述
      • 3.6.1 DeepSeek简介
      • 3.6.2 DeepSeek的核心功能
      • 3.6.3 DeepSeek的特征
      • 3.6.4 DeepSeek的使用方法
    • 3.7 DeepSeek应用案例
      • 3.7.1 DeepSeek深度思考功能生成学习计划
      • 3.7.2 DeepSeek与Xmind联合生成思维导图
    • 3.8 小结
    • 3.9 习题
  • 第4章 AI语音处理
    • 4.1 AI语音处理概述
      • 4.1.1 语音处理发展过程
      • 4.1.2 语音处理关键技术
      • 4.1.3 语音处理应用领域
      • 4.1.4 语音处理面临的挑战
    • 4.2 星火语音处理
      • 4.2.1 星火语音简介
      • 4.2.2 星火语音使用方法
    • 4.3 使用星火整理会议摘要
      • 4.3.1 会议内容记录方法
      • 4.3.2 会议内容导入星火的步骤
      • 4.3.3 使用星火生成会议摘要
      • 4.3.4 会议摘要的审核与优化
    • 4.4 小结
    • 4.5 习题
  • 第5章 AIGC视觉设计
    • 5.1 AIGC视觉设计概述
      • 5.1.1 AIGC视觉设计基础
      • 5.1.2 AIGC视觉设计常见风格
      • 5.1.3 AIGC视觉设计应用领域
      • 5.1.4 AIGC视觉设计常用软件
    • 5.2 初识Stable Diffusion
      • 5.2.1 Stable Diffusion概述
      • 5.2.2 Stable Diffusion本地部署安装
      • 5.2.3 Stable Diffusion云端部署
      • 5.2.4 使用已公开的Stable Diffusion平台
      • 5.2.5 Stable Diffusion WebUI
    • 5.3 提示词工程
      • 5.3.1 正向提示词设计
      • 5.3.2 反向提示词设计
      • 5.3.3 提示词权重
      • 5.3.4 提示词网站分享
    • 5.4 ControlNet插件基础
      • 5.4.1 ControlNet插件的概述与应用
      • 5.4.2 ControlNet预处理器
      • 5.4.3 ControlNet模型
      • 5.4.4 ControlNet控制权重
    • 5.5 InpaintAnything插件
      • 5.5.1 InpaintAnything插件概述
      • 5.5.2 色块分割
      • 5.5.3 蒙版
    • 5.6 产品广告宣传图设计实战
      • 5.6.1 设计提示词
      • 5.6.2 选取模型
      • 5.6.3 配置参数
      • 5.6.4 使用ControlNet控制画面
    • 5.7 人物图片设计实战
      • 5.7.1 设计提示词
      • 5.7.2 添加蒙版
      • 5.7.3 使用ControlNet控制画面
    • 5.8 小结
    • 5.9 习题
  • 第6章 AI辅助编程
    • 6.1 AI辅助编程概述
      • 6.1.1 定义与范畴
      • 6.1.2 发展历程
      • 6.1.3 关键技术
      • 6.1.4 应用场景
    • 6.2 国产AI编程助手介绍
      • 6.2.1 百度的文心快码
      • 6.2.2 阿里云的通义灵码
      • 6.2.3 腾讯云的AI代码助手
      • 6.2.4 字节跳动的豆包MarsCode
      • 6.2.5 深度求索的DeepSeek
    • 6.3 国产AI编程助手对比
      • 6.3.1 静态对比
      • 6.3.2 代码生成对比
      • 6.3.3 代码评审对比
    • 6.4 通义灵码AI辅助编程实战
      • 6.4.1 安装通义灵码插件
      • 6.4.2 常用功能使用方法
    • 6.5 AI辅助网页制作实战
      • 6.5.1 打开boardmix白板
      • 6.5.2 通过AI问答生成网页
      • 6.5.3 美化完善网站
      • 6.5.4 发布网站
    • 6.6 AI辅助编程面临的挑战与问题
      • 6.6.1 代码质量与可靠性
      • 6.6.2 隐私与安全
      • 6.6.3 伦理与法律问题
      • 6.6.4 技术局限性
    • 6.7 小结
    • 6.8 习题
  • 第7章 Python编程基础
    • 7.1 为什么要学习Python基础语法
      • 7.1.1 代码阅读与协作开发
      • 7.1.2 AI生成代码的局限性
      • 7.1.3 微调代码所需基础知识
    • 7.2 Python开发环境配置
      • 7.2.1 Python的安装
      • 7.2.2 推荐工具
      • 7.2.3 运行Python
    • 7.3 Python基础语法
      • 7.3.1 变量与数据类型
      • 7.3.2 算术运算符
      • 7.3.3 输入与输出
    • 7.4 Python流程控制
      • 7.4.1 选择结构
      • 7.4.2 循环结构
    • 7.5 Python函数基础
      • 7.5.1 函数定义与调用
      • 7.5.2 参数传递
      • 7.5.3 return语句
    • 7.6 AI代码优化实践
      • 7.6.1 使用AI为代码添加注释
      • 7.6.2 使用AI辅助简化代码
      • 7.6.3 错误信息反馈方法
    • 7.7 小结
    • 7.8 习题
  • 第8章 人工智能发展的机遇与挑战
    • 8.1 人工智能的前沿发展
      • 8.1.1 智能体
      • 8.1.2 具身智能与脑机接口
      • 8.1.3 全模态大模型
      • 8.1.4 工业人工智能
    • 8.2 人工智能发展的机遇
      • 8.2.1 技术突破驱动全球竞争格局重塑
      • 8.2.2 国家战略引领产业升级浪潮
      • 8.2.3 跨界融合开启行业创新空间
      • 8.2.4 全球治理催生合作新范式
      • 8.2.5 人才集聚构建创新生态体系
    • 8.3 人工智能发展的挑战
      • 8.3.1 技术挑战
      • 8.3.2 应用层面挑战
      • 8.3.3 社会与经济挑战
      • 8.3.4 法律挑战
      • 8.3.5 安全与军事挑战
      • 8.3.6 全球治理与合作挑战
      • 8.3.7 应对策略
    • 8.4 小结
    • 8.5 习题
  • 第9章 人工智能与职业发展
    • 9.1 人工智能行业现状与未来就业趋势
      • 9.1.1 行业现状
      • 9.1.2 未来就业趋势
    • 9.2 人工智能相关职业路径
      • 9.2.1 初级阶段
      • 9.2.2 中级阶段
      • 9.2.3 高级阶段
      • 9.2.4 跨领域发展
      • 9.2.5 持续学习
    • 9.3 技能提升与学习资源推荐
      • 9.3.1 相关技能提升方向
      • 9.3.2 学习资源推荐
      • 9.3.3 学习路径建议
    • 9.4 个人发展规划
      • 9.4.1 自我评估
      • 9.4.2 职业规划
      • 9.4.3 短期规划
      • 9.4.4 中期规划
      • 9.4.5 长期规划
      • 9.4.6 评估与调整
      • 9.4.7 终身学习与适应
    • 9.5 行动指南
      • 9.5.1 人工智能对职业的影响
      • 9.5.2 职业发展路径探索
      • 9.5.3 技能提升策略
      • 9.5.4 寻找工作机会
      • 9.5.5 求职与职业发展建议
    • 9.6 小结
    • 9.7 习题
  • 参考文献

相关图书