人工智能导论（通识课版）
定价：￥60.00
作者： 章瑾
出版时间：2025-03
最新印次日期：2025-9
出版社：科学出版社
- 科学出版社
- 9787030806048
- 570725
- 2025-03
- 公共基础课
- 公共基础课
- 计算机
- 本科
内容简介
本书是在落实国家教育数字化战略行动，全面提高大学生数字素养，促进人工智能与学科专业交叉融合背景下，为非计算机专业使用大模型技术解决跨学科问题而编写的通识课程教材。
本书从应用出发，介绍人工智能的核心理论，以及大模型应用实践。全书共9章，内容涵盖人工智能概述、提示词工程、人工智能智慧底座、人工智能程序设计、机器学习与深度学习、人工智能核心应用技术、人工智能产品与服务、人工智能与创意产业、人工智能实践等。同时本书也提供丰富的实践案例，以指导学生在日常生活、学习和工作中有效利用大模型及生成式人工智能技术解决问题。
本书可以作为普通高等学校和高职院校非计算机专业人工智能通识课的教材，也可以作为培训机构的人工智能培训教材。
本书从应用出发，介绍人工智能的核心理论，以及大模型应用实践。全书共9章，内容涵盖人工智能概述、提示词工程、人工智能智慧底座、人工智能程序设计、机器学习与深度学习、人工智能核心应用技术、人工智能产品与服务、人工智能与创意产业、人工智能实践等。同时本书也提供丰富的实践案例，以指导学生在日常生活、学习和工作中有效利用大模型及生成式人工智能技术解决问题。
本书可以作为普通高等学校和高职院校非计算机专业人工智能通识课的教材，也可以作为培训机构的人工智能培训教材。
目录
第1章 人工智能概述 1
1.1 人工智能的起源与发展 1
1.1.1 人工智能的诞生背景 1
1.1.2 人工智能里程碑事件 3
1.1.3 现代人工智能的兴起 5
1.1.4 人工智能政策法规与产业规划 7
1.1.5 人工智能的特点 8
1.2 人工智能伦理与法律 9
1.2.1 自主决策的问题和应对 9
1.2.2 学习与适应的问题和应对 10
1.2.3 感知与控制的问题和应对 10
1.2.4 情感与人机交互的问题和应对 10
1.3 大模型技术概览 11
1.3.1 大模型分类 11
1.3.2 大模型的训练方式 13
1.3.3 大模型的泛化与微调 14
1.4 人工智能最新进展与未来展望 14
习题 16
第2章 提示词工程 18
2.1 大模型中的提示词 18
2.2 提示词工程要素 19
2.3 提示词常用类型和优化 22
2.3.1 开放性提示词 22
2.3.2 情境提示词 22
2.3.3 任务提示词 23
2.4 提示词工程技术 23
2.4.1 零样本提示 23
2.4.2 少样本提示 24
2.4.3 思维链提示 25
2.4.4 大模型幻觉 27
2.5 提示词工程策略 28
2.6 结构化提示词框架 31
2.6.1 ICIO框架 32
2.6.2 C
ISPE框架 33
2.6.3
T
框架 34
2.7 提示词使用原则和技巧 36
2.8 提示词实践 37
习题 39
第3章 人工智能智慧底座 40
3.1 人工智能产业链分析 40
3.1.1 基础层：算力平台及数据存储与处理的基石 41
3.1.2 技术层：算法框架与工具的创新源泉 41
3.1.3 应用层：人工智能赋能千行百业的生动实践 42
3.2 人工智能智慧底座关键技术 43
3.2.1 大数据技术与人工智能的协同 44
3.2.2 云计算与人工智能的扩展能力 47
3.2.3 物联网与人工智能的感知能力 50
3.3 数据分析 54
3.3.1 数据采集实践 55
3.3.2 数据分析基础 58
3.3.3 可视化数据分析 66
3.3.4 数据分析流程 75
习题 76
第4章 人工智能程序设计 78
4.1 Python概述 78
4.1.1 标识符、关键字与注释 78
4.1.2 Python模块 78
4.2 Python运算 79
4.2.1 算术运算 79
4.2.2 赋值运算 79
4.2.3 关系运算 80
4.2.4 逻辑运算 80
4.2.5 身份运算与成员运算 81
4.3 Python数据类型 81
4.3.1 基本类型 81
4.3.2 字符串 82
4.3.3 列表 83
4.3.4 元组 84
4.3.5 字典 85
4.3.6 集合 86
4.3.7 常用内置函数 86
4.4 Python程序结构 88
4.4.1 顺序结构 88
4.4.2 分支结构 89
4.4.3 循环结构 92
4.5 函数 95
4.5.1 形参与实参 95
4.5.2 函数参数类型 96
4.6 文件操作 98
4.6.1 文件打开与关闭 98
4.6.2 文件读写 100
4.7 NumPy库 102
4.7.1 nda
ay数组的创建 103
4.7.2 数组索引 104
4.8 Pandas库 105
4.8.1 Se
ies 结构 105
4.8.2 DataF
ame 结构 106
4.8.3 Pandas 读写文件 107
4.9 Matplotli
绘图 109
4.9.1 绘图基础 109
4.9.2 pyplot文本显示 111
4.9.3 子图 112
4.9.4 折线图 114
4.9.5 条形图 114
4.9.6 饼图 115
习题 116
第5章 机器学习与深度学习 118
5.1 初识机器学习 118
5.1.1 机器学习历史 118
5.1.2 机器学习、深度学习与人类学习 120
5.2 机器学习流程 121
5.2.1 收集数据 122
5.2.2 数据清洗、关联性验证和特征选择 124
5.2.3 训练模型 125
5.2.4 模型选择和优化 126
5.3 机器学习算法分类 126
5.3.1 监督学习 127
5.3.2 无监督学习 132
5.3.3 半监督学习 134
5.3.4 强化学习 136
5.4 深度学习 137
5.4.1 深度学习在图像识别中的应用 137
5.4.2 神经网络 138
5.5 人工智能基础实践 142
习题 144
第6章 人工智能核心应用技术 146
6.1 知识图谱 146
6.1.1 知识图谱的构建 146
6.1.2 知识存储与管理 147
6.1.3 知识图谱面临的挑战 148
6.2 计算机视觉 149
6.2.1 图像分类 150
6.2.2 目标检测 151
6.2.3 图像分割 151
6.2.4 语义理解与场景分析 152
6.2.5 计算机视觉面临的挑战 153
6.3 自然语言处理 154
6.3.1 自然语言处理概念 154
6.3.2 自然语言处理发展历史 155
6.3.3 自然语言理解层次 156
6.3.4 自然语言处理流程 158
6.3.5 语料预处理 158
6.3.6 特征提取 160
6.3.7 模型训练 160
6.3.8 指标评价 160
6.4 人工智能技术实践 161
6.4.1 百度AI开放平台自然语言处理接口 162
6.4.2 大语言模型文本处理 164
6.4.3 程序设计语言文本处理 166
习题 171
第7章 人工智能产品与服务 173
7.1 人工智能产品与服务概述 173
7.1.1 人工智能产品与服务的关键特征 173
7.1.2 人工智能产品与服务的支撑技术 174
7.1.3 人工智能产品与服务的应用场景 175
7.2 智能机器人 176
7.2.1 机器人的发展 177
7.2.2 机器人分类 178
7.2.3 智能机器人 178
7.3 自动驾驶 182
7.3.1 自动驾驶技术的分级 182
7.3.2 自动驾驶的核心技术 183
7.3.3 自动驾驶的发展趋势 188
习题 189
第8章 人工智能与创意产业 190
8.1 AI与绘画 190
8.2 AI与音乐 191
8.3 AI与视频影像 193
8.3.1 视频剪辑 193
8.3.2 AI生成视频 194
8.3.3 AI在V
A
中的应用 194
8.3.4 AI在跨媒体艺术中的应用 195
8.4 创意实践 198
8.4.1 文生图 198
8.4.2 文生声音 200
8.4.3 文生视频 201
8.4.4 短视频脚本制作 203
8.4.5 AI数字人视频制作 205
习题 206
第9章 人工智能实践 208
9.1 提示词工程实践 208
9.2 AI应用实践 209
9.2.1 大模型一键生成PPT 209
9.2.2 大模型图像文字提取 212
9.2.3 大模型长文档阅读 213
9.2.4 大模型文章写作 219
9.2.5 大模型画图 220
9.2.6 会议纪要 225
9.2.7 AI辅助创作创新创业大赛计划书 228
9.3 办公软件应用 230
9.3.1 WPS AI写作助手 231
9.3.2 WPS AI设计助手 232
9.4 人工智能编程助手 238
9.4.1 大模型与Python 238
9.4.2 Python 中编程助手 242
习题 247
参考文献 248
1.1 人工智能的起源与发展 1
1.1.1 人工智能的诞生背景 1
1.1.2 人工智能里程碑事件 3
1.1.3 现代人工智能的兴起 5
1.1.4 人工智能政策法规与产业规划 7
1.1.5 人工智能的特点 8
1.2 人工智能伦理与法律 9
1.2.1 自主决策的问题和应对 9
1.2.2 学习与适应的问题和应对 10
1.2.3 感知与控制的问题和应对 10
1.2.4 情感与人机交互的问题和应对 10
1.3 大模型技术概览 11
1.3.1 大模型分类 11
1.3.2 大模型的训练方式 13
1.3.3 大模型的泛化与微调 14
1.4 人工智能最新进展与未来展望 14
习题 16
第2章 提示词工程 18
2.1 大模型中的提示词 18
2.2 提示词工程要素 19
2.3 提示词常用类型和优化 22
2.3.1 开放性提示词 22
2.3.2 情境提示词 22
2.3.3 任务提示词 23
2.4 提示词工程技术 23
2.4.1 零样本提示 23
2.4.2 少样本提示 24
2.4.3 思维链提示 25
2.4.4 大模型幻觉 27
2.5 提示词工程策略 28
2.6 结构化提示词框架 31
2.6.1 ICIO框架 32
2.6.2 C
ISPE框架 33
2.6.3
T
框架 34
2.7 提示词使用原则和技巧 36
2.8 提示词实践 37
习题 39
第3章 人工智能智慧底座 40
3.1 人工智能产业链分析 40
3.1.1 基础层：算力平台及数据存储与处理的基石 41
3.1.2 技术层：算法框架与工具的创新源泉 41
3.1.3 应用层：人工智能赋能千行百业的生动实践 42
3.2 人工智能智慧底座关键技术 43
3.2.1 大数据技术与人工智能的协同 44
3.2.2 云计算与人工智能的扩展能力 47
3.2.3 物联网与人工智能的感知能力 50
3.3 数据分析 54
3.3.1 数据采集实践 55
3.3.2 数据分析基础 58
3.3.3 可视化数据分析 66
3.3.4 数据分析流程 75
习题 76
第4章 人工智能程序设计 78
4.1 Python概述 78
4.1.1 标识符、关键字与注释 78
4.1.2 Python模块 78
4.2 Python运算 79
4.2.1 算术运算 79
4.2.2 赋值运算 79
4.2.3 关系运算 80
4.2.4 逻辑运算 80
4.2.5 身份运算与成员运算 81
4.3 Python数据类型 81
4.3.1 基本类型 81
4.3.2 字符串 82
4.3.3 列表 83
4.3.4 元组 84
4.3.5 字典 85
4.3.6 集合 86
4.3.7 常用内置函数 86
4.4 Python程序结构 88
4.4.1 顺序结构 88
4.4.2 分支结构 89
4.4.3 循环结构 92
4.5 函数 95
4.5.1 形参与实参 95
4.5.2 函数参数类型 96
4.6 文件操作 98
4.6.1 文件打开与关闭 98
4.6.2 文件读写 100
4.7 NumPy库 102
4.7.1 nda
ay数组的创建 103
4.7.2 数组索引 104
4.8 Pandas库 105
4.8.1 Se
ies 结构 105
4.8.2 DataF
ame 结构 106
4.8.3 Pandas 读写文件 107
4.9 Matplotli
绘图 109
4.9.1 绘图基础 109
4.9.2 pyplot文本显示 111
4.9.3 子图 112
4.9.4 折线图 114
4.9.5 条形图 114
4.9.6 饼图 115
习题 116
第5章 机器学习与深度学习 118
5.1 初识机器学习 118
5.1.1 机器学习历史 118
5.1.2 机器学习、深度学习与人类学习 120
5.2 机器学习流程 121
5.2.1 收集数据 122
5.2.2 数据清洗、关联性验证和特征选择 124
5.2.3 训练模型 125
5.2.4 模型选择和优化 126
5.3 机器学习算法分类 126
5.3.1 监督学习 127
5.3.2 无监督学习 132
5.3.3 半监督学习 134
5.3.4 强化学习 136
5.4 深度学习 137
5.4.1 深度学习在图像识别中的应用 137
5.4.2 神经网络 138
5.5 人工智能基础实践 142
习题 144
第6章 人工智能核心应用技术 146
6.1 知识图谱 146
6.1.1 知识图谱的构建 146
6.1.2 知识存储与管理 147
6.1.3 知识图谱面临的挑战 148
6.2 计算机视觉 149
6.2.1 图像分类 150
6.2.2 目标检测 151
6.2.3 图像分割 151
6.2.4 语义理解与场景分析 152
6.2.5 计算机视觉面临的挑战 153
6.3 自然语言处理 154
6.3.1 自然语言处理概念 154
6.3.2 自然语言处理发展历史 155
6.3.3 自然语言理解层次 156
6.3.4 自然语言处理流程 158
6.3.5 语料预处理 158
6.3.6 特征提取 160
6.3.7 模型训练 160
6.3.8 指标评价 160
6.4 人工智能技术实践 161
6.4.1 百度AI开放平台自然语言处理接口 162
6.4.2 大语言模型文本处理 164
6.4.3 程序设计语言文本处理 166
习题 171
第7章 人工智能产品与服务 173
7.1 人工智能产品与服务概述 173
7.1.1 人工智能产品与服务的关键特征 173
7.1.2 人工智能产品与服务的支撑技术 174
7.1.3 人工智能产品与服务的应用场景 175
7.2 智能机器人 176
7.2.1 机器人的发展 177
7.2.2 机器人分类 178
7.2.3 智能机器人 178
7.3 自动驾驶 182
7.3.1 自动驾驶技术的分级 182
7.3.2 自动驾驶的核心技术 183
7.3.3 自动驾驶的发展趋势 188
习题 189
第8章 人工智能与创意产业 190
8.1 AI与绘画 190
8.2 AI与音乐 191
8.3 AI与视频影像 193
8.3.1 视频剪辑 193
8.3.2 AI生成视频 194
8.3.3 AI在V
A
中的应用 194
8.3.4 AI在跨媒体艺术中的应用 195
8.4 创意实践 198
8.4.1 文生图 198
8.4.2 文生声音 200
8.4.3 文生视频 201
8.4.4 短视频脚本制作 203
8.4.5 AI数字人视频制作 205
习题 206
第9章 人工智能实践 208
9.1 提示词工程实践 208
9.2 AI应用实践 209
9.2.1 大模型一键生成PPT 209
9.2.2 大模型图像文字提取 212
9.2.3 大模型长文档阅读 213
9.2.4 大模型文章写作 219
9.2.5 大模型画图 220
9.2.6 会议纪要 225
9.2.7 AI辅助创作创新创业大赛计划书 228
9.3 办公软件应用 230
9.3.1 WPS AI写作助手 231
9.3.2 WPS AI设计助手 232
9.4 人工智能编程助手 238
9.4.1 大模型与Python 238
9.4.2 Python 中编程助手 242
习题 247
参考文献 248
