顶部
收藏

人工智能通识基础


作者:
南通大学人工智能通识课程教材编写委员会 主编
定价:
44.00 元
版面字数:
370.00千字
开本:
16开
装帧形式:
平装
版次:
1
最新版次
印刷时间:
2026年
ISBN:
978-7-04-067675-4
物料号:
67675-00
出版时间:
2026-06-29
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

本书以“理论筑基—实战赋能—伦理护航”为核心逻辑,搭建从人工智能基础到产业应用的完整学习路径。全书共9章,第1章概述人工智能的定义、发展脉络与应用边界,第2~5章深耕人工智能系统、数据、编程、核心算法四大技术根基,夯实理论功底;第6章专门探讨人工智能的伦理与治理,引导读者树立负责任的技术观;第7~9章通过大模型实践、WPS AI办公应用、科大讯飞产业案例三大实战模块,实现技术到场景的落地转化。

本书案例丰富,知识体系完整实用,理论与实践并重,难易适中,文字简明且通俗易懂,能助力读者快速打通人工智能知识壁垒,掌握核心技能,提升实战能力与伦理素养,成为懂技术、善应用、有担当的人工智能时代先行者。

本书可作为高等学校人工智能通识课程的教材,也可作为人工智能技术普及读物。

  • 前辅文
  • 第1章 人工智能概述
    • 1.1 人工智能起源和发展
      • 1.1.1 人工智能定义
      • 1.1.2 人工智能的起源
      • 1.1.3 人工智能的三次浪潮
    • 1.2 人工智能的主流学派
      • 1.2.1 符号主义:理性的基石
      • 1.2.2 连接主义:大脑的启示
      • 1.2.3 行为主义:智能的行动
    • 1.3 人工智能的行业应用
      • 1.3.1 智慧医疗
      • 1.3.2 智能制造
      • 1.3.3 智慧交通
      • 1.3.4 智慧零售
      • 1.3.5 智慧教育
      • 1.3.6 智慧农业
      • 1.3.7 智慧城市
      • 1.3.8 智能科学
    • 1.4 人工智能的未来发展
      • 1.4.1 技术演进趋势
      • 1.4.2 产业变革趋势
      • 1.4.3 伦理安全
    • 本章小结
    • 思考与练习
  • 第2章 人工智能的系统基础
    • 2.1 计算机系统
      • 2.1.1 计算机系统组成
      • 2.1.2 基本工作原理
      • 2.1.3 硬件系统
      • 2.1.4 软件系统
    • 2.2 人工智能系统
      • 2.2.1 人工智能的三要素
      • 2.2.2 人工智能系统架构
    • 2.3 AI芯片
      • 2.3.1 什么是AI芯片
      • 2.3.2 AI芯片的分类
      • 2.3.3 AI芯片体系
      • 2.3.4 异构计算
    • 本章小结
    • 思考与练习
  • 第3章 人工智能的数据基础
    • 3.1 简单数据的表示
      • 3.1.1 数据的定义
      • 3.1.2 数值数据、字符数据、多媒体数据
    • 3.2 结构化数据管理
      • 3.2.1 层次模型、网状模型
      • 3.2.2 关系数据库
    • 3.3 大数据技术
      • 3.3.1 大数据的4V特征
      • 3.3.2 大数据处理技术
    • 3.4 人工智能与大数据的技术融合
      • 3.4.1 数据驱动AI
      • 3.4.2 AI赋能数据分析
      • 3.4.3 应用案例
    • 本章小结
    • 思考与练习
  • 第4章 人工智能的编程基础
    • 4.1 通用问题求解与算法
      • 4.1.1 通用问题求解路线
      • 4.1.2 典型算法举例
      • 4.1.3 程序设计语言
    • 4.2 Python程序设计基础
      • 4.2.1 Python解释器的安装与运行
      • 4.2.2 Python基础语法
      • 4.2.3 Python中的对象类型
      • 4.2.4 运算符和表达式
      • 4.2.5 输入和输出
      • 4.2.6 程序的流程控制
      • 4.2.7 函数
      • 4.2.8 模块、包与库
      • 4.2.9 面向对象程序设计
    • 4.3 Python人工智能算法库和开发工具包
    • 4.4 Python人工智能框架
    • 本章小结
    • 思考与练习
  • 第5章 人工智能的技术基础
    • 5.1 人工智能技术分类
      • 5.1.1 按技术实现逻辑分类
      • 5.1.2 按处理任务类型分类
    • 5.2 机器学习
      • 5.2.1 机器学习的定义与范式转型
      • 5.2.2 机器学习的任务类型
      • 5.2.3 按模型结构与学习机制分类
      • 5.2.4 按应用任务场景分类
    • 5.3 神经网络与深度学习
      • 5.3.1 神经网络与深度学习的定义
      • 5.3.2 神经网络与深度学习的发展历程
      • 5.3.3 神经网络与深度学习的核心模型与原理
      • 5.3.4 总结:神经网络与深度学习的价值与未来趋势
    • 5.4 自然语言处理
      • 5.4.1 自然语言处理概要
      • 5.4.2 自然语言理解的层次
      • 5.4.3 语料库和语言知识库
      • 5.4.4 语言模型
      • 5.4.5 机器翻译
    • 5.5 计算机视觉
      • 5.5.1 图像数字化
      • 5.5.2 图像分割
      • 5.5.3 图像识别
      • 5.5.4 计算机视觉的应用
    • 5.6 生成式人工智能
      • 5.6.1 定义与基本特征
      • 5.6.2 主流生成模型
      • 5.6.3 训练与推理流程
      • 5.6.4 典型应用场景
    • 本章小结
    • 思考与练习
  • 第6章 人工智能的伦理与治理
    • 6.1 人工智能的技术特征和伦理问题
      • 6.1.1 人工智能的核心技术特征
      • 6.1.2 人工智能的社会收益及潜在风险
    • 6.2 人工智能伦理准则与治理体系
      • 6.2.1 人工智能伦理准则体系
      • 6.2.2 我国人工智能治理体系构建
      • 6.2.3 新一代人工智能治理原则:发展负责任的人工智能
      • 6.2.4 我国人工智能治理实践
      • 6.2.5 协同治理机制:构建“多元主体联动”体系
      • 6.2.6 部门联动监管机制:破解“多头监管”难题
      • 6.2.7 治理体系整体架构:全链条闭环治理
      • 6.2.8 我国人工智能治理的不足与完善方向
    • 6.3 人工智能国际治理挑战与现状
      • 6.3.1 人工智能国际治理挑战:技术特性与议题属性
      • 6.3.2 人工智能国际治理现状:从发展竞争到治理竞争
      • 6.3.3 人工智能国际治理现状分析
    • 本章小结
    • 思考与练习
  • 第7章 大模型实践
    • 7.1 大模型基本概念
      • 7.1.1 大模型的定义与特点
      • 7.1.2 大模型的核心技术原理
    • 7.2 主流大模型介绍
      • 7.2.1 国外大模型(GPT系列、Claude、Gemini等)
      • 7.2.2 国产大模型(通义千问、讯飞星火、豆包、DeepSeek等)
    • 7.3 大模型操作实践
      • 7.3.1 大模型的选择与接入
      • 7.3.2 Prompt设计与优化
      • 7.3.3 基于大模型的简单应用开发
    • 本章小结
    • 思考与练习
  • 第8章 WPS AI实践
    • 8.1 了解WPS AI功能
      • 8.1.1 WPS AI的优势
      • 8.1.2 WPS AI功能概述
    • 8.2 AI文字应用
      • 8.2.1 AI写作助手
      • 8.2.2 AI排版
      • 8.2.3 智能文档
    • 8.3 AI表格应用
      • 8.3.1 AI数据助手
      • 8.3.2 AI条件格式
      • 8.3.3 智能表格
    • 8.4 AI演示应用
      • 8.4.1 AI一键生成PPT
      • 8.4.2 AI单页/多页生成PPT
      • 8.4.3 AI生成演讲稿
      • 8.4.4 AI检查校对
    • 8.5 AI PDF应用
      • 8.5.1 文档问答
      • 8.5.2 全文总结
      • 8.5.3 AI文档脑图
      • 8.5.4 AI总结生图
    • 本章小结
    • 思考与练习
  • 第9章 科大讯飞案例分析
    • 9.1 科大讯飞星火大模型
      • 9.1.1 科大讯飞大模型发展历史
      • 9.1.2 星火大模型技术架构
      • 9.1.3 星火大模型的核心能力和产品家族
      • 9.1.4 科大讯飞的行业应用
    • 9.2 讯飞星火实操案例
      • 9.2.1 快速阅读
      • 9.2.2 内容创作
      • 9.2.3 数学解题
      • 9.2.4 搜索问答
      • 9.2.5 AI绘画
      • 9.2.6 趣味娱乐
      • 9.2.7 代码编程
      • 9.2.8 个性化设置和场景智能体
    • 本章小结
    • 思考与练习
  • 参考文献

相关图书