第1章 AI时代的计算机基础技能 1__eol__1.1 查看和管理系统软硬件资源 1__eol__1.1.1 Windows任务管理器 1__eol__1.1.2 查看和管理系统软硬件资源实验 3__eol__1.2 命令行界面及文件存储路径 7__eol__1.2.1 命令行界面 7__eol__1.2.2 文件存储路径 8__eol__1.2.3 命令行文件系统导航实验 9__eol__1.3 软件的安装与卸载 11__eol__1.3.1 软件的安装包 11__eol__1.3.2 软件的卸载 12__eol__1.3.3 Path环境变量 13__eol__1.3.4 安装及使用Python实验 15__eol__1.3.5 拓展练习——pip的使用 17__eol__第2章 认识人工智能 19__eol__2.1 大语言模型问答 19__eol__2.1.1 大语言模型概述 19__eol__2.1.2 使用大语言模型的提示工程 20__eol__2.1.3 大语言模型应用实验 27__eol__2.1.4 拓展练习 33__eol__2.2 多模态大模型问答 33__eol__2.2.1 多模态大模型概述 34__eol__2.2.2 多模态大模型应用实验 37__eol__2.2.3 拓展练习——复杂场景文生图 41__eol__2.3 AI伦理问题及实践 42__eol__2.3.1 AI伦理问题概述 42__eol__2.3.2 大语言模型与AI伦理实验 44__eol__第3章 数据、计算与智能 48__eol__3.1 数据整理 48__eol__3.1.1 Excel基本概念 48__eol__3.1.2 数据录入与格式化 49__eol__3.1.3 数据清洗与整理 53__eol__3.1.4 Excel数据集构建实验 56__eol__3.1.5 拓展练习——基金数据整理 59__eol__3.2 数据的自动化计算 59__eol__3.2.1 引用单元格内容 59__eol__3.2.2 使用公式进行计算 59__eol__3.2.3 使用函数进行计算 60__eol__3.2.4 条件判断与逻辑推理 61__eol__3.2.5 文本的处理 63__eol__3.2.6 Excel数据运算与处理实验 64__eol__3.2.7 拓展练习——复杂计算 66__eol__3.3 数据分析与可视化 67__eol__3.3.1 描述性统计 67__eol__3.3.2 分类汇总 68__eol__3.3.3 数据透视表 69__eol__3.3.4 数据可视化 70__eol__3.3.5 数据分析与可视化实验 71__eol__3.3.6 拓展练习——鸢尾花数据集 73__eol__3.4 从数据到决策 74__eol__3.4.1 “数据分析”工具包 74__eol__3.4.2 图表中的趋势线 78__eol__3.4.3 预测函数 80__eol__3.4.4 数据预测实验 82__eol__3.4.5 拓展练习——波士顿房价数据集 85__eol__第4章 数字图像及智能应用 87__eol__4.1 图像编辑工具Photopea 87__eol__4.1.1 Photopea文件管理 87__eol__4.1.2 Photopea工作界面 89__eol__4.1.3 绘制图像的常用工具 90__eol__4.1.4 选择和应用颜色工具 91__eol__4.1.5 图层及相关操作 92__eol__4.1.6 选区操作 94__eol__4.2 图像基础知识实验 95__eol__4.2.1 图像的数字化表示实验 95__eol__4.2.2 图像的基本操作实验 99__eol__4.3 图像处理基础 101__eol__4.3.1 图像滤波 102__eol__4.3.2 图像处理实验 102__eol__4.3.3 拓展练习——复杂图像的处理与增强 108__eol__4.4 图像AI应用 108__eol__4.4.1 AI开放平台体验中心 109__eol__4.4.2 图像AI应用实验 110__eol__第5章 从计算到算法 112__eol__5.1 VSCode的安装和配置 112__eol__5.1.1 VSCode简介 112__eol__5.1.2 VSCode的安装及启动 113__eol__5.1.3 VSCode的配置及插件安装 114__eol__5.1.4 Python编程环境配置 115__eol__5.1.5 使用VSCode编写和运行Python程序及相关技巧 117__eol__5.2 turtle绘图与程序设计 119__eol__5.2.1 turtle库基础 119__eol__5.2.2 turtle绘图与程序设计的流程控制实验 120__eol__5.2.3 turtle绘图与函数模块化实验 124__eol__5.2.4 turtle绘图与动画效果实验 128__eol__5.3 Python编程与计算 133__eol__5.3.1 案例讲解：绩点计算 133__eol__5.3.2 Python编程与计算实验 135__eol__5.4 迭代法 137__eol__5.4.1 案例讲解：二分法和牛顿法求解非线性方程 137__eol__5.4.2 迭代法实验 140__eol__5.5 穷举法 142__eol__5.5.1 案例讲解：组合问题 142__eol__5.5.2 穷举法实验 144__eol__第6章 从数据到智能 146__eol__6.1 数据结构探索 146__eol__6.1.1 列表的应用 146__eol__6.1.2 列表的应用实验 148__eol__6.1.3 字典的应用 151__eol__6.1.4 字典的应用实验 153__eol__6.1.5 拓展练习——在线购物车系统 157__eol__6.2 数据清洗 158__eol__6.2.1 文本去除噪声 158__eol__6.2.2 文本标准化 159__eol__6.2.3 去除重复数据 163__eol__6.2.4 处理缺失值 164__eol__6.2.5 数据清洗实验 167__eol__6.2.6 拓展练习——用户评论数据清洗与情感分类 169__eol__6.3 数据增强 171__eol__6.3.1 图像数据增强 172__eol__6.3.2 OpenCV基础知识 173__eol__6.3.3 获取和处理图像数据实验 176__eol__6.3.4 图像缩放和旋转 179__eol__6.3.5 图像缩放和旋转实验 182__eol__第7章 人工智能与机器学习 186__eol__7.1 线性回归 186__eol__7.1.1 线性回归概述 186__eol__7.1.2 使用糖尿病数据集进行线性回归建模实验 193__eol__7.1.3 拓展练习——其他数据集的回归分析 196__eol__7.2 欠拟合和过拟合 196__eol__7.2.1 欠拟合和过拟合概述 196__eol__7.2.2 回归问题中的欠拟合和过拟合实验 196__eol__7.2.3 知识拓展 199__eol__7.3 简单分类 200__eol__7.3.1 逻辑回归 201__eol__7.3.2 鸢尾花数据集分类实验 202__eol__7.3.3 拓展练习——鸢尾花数据集特征标准化 204__eol__7.4 分类问题的梯度下降法 204__eol__7.4.1 分类问题的梯度下降过程 204__eol__7.4.2 梯度下降法实验 206__eol__第8章 计算机视觉 210__eol__8.1 计算机视觉环境搭建 210__eol__8.1.1 Anaconda的安装和配置 210__eol__8.1.2 VSCode的安装和配置 215__eol__8.2 图像分类 215__eol__8.2.1 概述 216__eol__8.2.2 手写体数字识别实验 216__eol__8.2.3 拓展练习——LeNet-5在其他数据集中的应用 224__eol__8.3 图像分割 225__eol__8.3.1 概述 225__eol__8.3.2 细胞分割实验 225__eol__第9章 自然语言处理 232__eol__9.1 安装和使用Jupyter Notebook 232__eol__9.1.1 在VSCode中安装和使用Jupyter Notebook 232__eol__9.1.2 在Anaconda中使用Jupyter Notebook 234__eol__9.2 中文文本处理 237__eol__9.2.1 jieba基础知识 237__eol__9.2.2 中文文本处理 243__eol__9.2.3 中文文本处理实验 247__eol__9.2.4 拓展练习——情感分析其他应用 251__eol__9.3 智能问答 252__eol__9.3.1 文本特征表示基础知识 252__eol__9.3.2 智能问答实验 256__