- 科学出版社
- 9787030843715
- 1版
- 43264068-8
- 2026-02
- 工学
- 计算机类
- 电子与信息大类
- 电子信息类
- 计算机
- 本科
内容简介
本书是一部以“任务驱动、实践导向”为核心特色的人工智能入门教材，结合人工智能技术的实际应用场景，通过10章系统化内容，构建“理论认知—工具实操—任务实战”的渐进式学习路径，助力读者轻松实现从“了解人工智能”到“用人工智能解决实际问题”的能力跨越。
在知识体系构建上，本书系统搭建了从基础理论到技术实战的完整框架：既系统阐释人工智能的相关概念，深入分析人工智能的技术及应用，为学习者夯实理论根基；又以“任务情境—任务目标—操作步骤—总结”的标准化流程为指引，强化动手能力培养，助力读者快速掌握Python编程、大语言模型应用、人工智能高效办公等关键技能，真正实现“学完能用、学以致用”。
全书强调“学用结合”的理念，旨在培养学习者的计算思维和真实问题的解决能力，能切实满足不同群体的人工智能学习与能力提升需求，适用范围广泛，既可作为高等院校人工智能通识类相关课程的教材，也可作为职场人士提升人工智能应用能力的参考用书。
在知识体系构建上，本书系统搭建了从基础理论到技术实战的完整框架：既系统阐释人工智能的相关概念，深入分析人工智能的技术及应用，为学习者夯实理论根基；又以“任务情境—任务目标—操作步骤—总结”的标准化流程为指引，强化动手能力培养，助力读者快速掌握Python编程、大语言模型应用、人工智能高效办公等关键技能，真正实现“学完能用、学以致用”。
全书强调“学用结合”的理念，旨在培养学习者的计算思维和真实问题的解决能力，能切实满足不同群体的人工智能学习与能力提升需求，适用范围广泛，既可作为高等院校人工智能通识类相关课程的教材，也可作为职场人士提升人工智能应用能力的参考用书。
目录
第1章 启程：人工智能全景探秘 1
1.1 人工智能的定义与本质 1
1.1.1 人工智能的核心定义与多元视角 1
1.1.2 人工智能的本质特征 2
1.2 人工智能的发展历程 3
1.2.1 萌芽与初创期（20世纪40～50年代） 3
1.2.2 起伏与探索期（20世纪60～90年代） 4
1.2.3 快速发展期（21世纪初至今） 5
1.3 人工智能的三大核心要素 6
1.3.1 算力：人工智能的“计算引擎” 6
1.3.2 算法：人工智能的“思维逻辑” 8
1.3.3 数据：人工智能的“知识源泉” 10
1.3.4 三大要素的协同关系 13
1.4 人工智能的典型应用领域 14
1.4.1 产业领域应用 14
1.4.2 生活与社会领域应用 16
本章小结 18
习题1 19
第2章 核心：大语言模型原理与应用 21
2.1 大语言模型概述 21
2.1.1 大语言模型的概念 21
2.1.2 大语言模型的工作原理 22
2.1.3 大语言模型的核心架构 23
2.2 国外大语言模型简介 25
2.2.1 GPT系列 25
2.2.2 PaLM 27
2.2.3 Claude系列 27
2.3 国内大语言模型简介 28
2.3.1 DeepSeek 28
2.3.2 豆包 29
2.3.3 Kimi 30
2.3.4 通义千问 31
2.3.5 文心一言 32
2.3.6 智谱清言 33
2.3.7 夸克 34
2.4 提示词工程 35
2.4.1 提示词工程的概念与核心价值 35
2.4.2 提示词设计的核心原则 35
2.4.3 典型场景的提示词案例与优化对比 36
2.4.4 提示词工程的实用工具 37
本章小结 37
习题2 38
第3章 基石：Python编程快速入门 40
3.1 Python编程基础 40
3.1.1 Python基本语法 40
3.1.2 数据类型 41
3.1.3 变量与赋值 42
3.1.4 运算符与表达式 42
3.1.5 字符串 43
3.1.6 流程控制 44
3.2 Python编程进阶 49
3.2.1 内置数据类型 49
3.2.2 函数 52
3.2.3 文件 53
本章小结 58
习题3 58
第4章 脉络：关键人工智能技术详解 61
4.1 人工智能的核心功能任务情境 61
4.1.1 机器学习 61
4.1.2 深度学习 62
4.1.3 自然语言处理 62
4.2 监督学习原理与应用 62
4.2.1 监督学习任务情境 62
4.2.2 认识Scikit-lea
n 62
4.2.3 构建模型KNN 63
4.3 无监督学习原理与应用 66
4.3.1 无监督学习任务情境 66
4.3.2 降维的概念及目的 66
4.3.3 支持向量机：监督学习分类基线 67
4.3.4 聚类 70
4.4 神经网络在监督学习中的原理与应用 73
4.4.1 神经网络工作原理 73
4.4.2 卷积神经网络简介 74
本章小结 76
习题4 77
第5章 高效办公：WPS AI智能文档创作 79
5.1 WPS AI智能办公概述 79
5.1.1 WPS AI在文档处理中的功能 79
5.1.2 WPS AI在数据处理中的功能 80
5.1.3 WPS AI在演示文稿中的功能 80
5.2 使用WPS AI完成长文档的创作及排版 80
5.2.1 WPS AI阅读助手 80
5.2.2 WPS AI写作助手 85
5.2.3 WPS AI设计助手 93
5.3 使用WPS AI进行简单文档处理——简历制作全流程 96
5.3.1 WPS AI的简历模板介绍 96
5.3.2 WPS AI的简历模板编辑菜单介绍 98
本章小结 106
习题5 107
第6章 洞察数据：WPS AI表格分析与处理 109
6.1 WPS表格的AI功能介绍 109
6.1.1 AI表格助手：智能数据操作引擎 110
6.1.2 AI写公式：函数逻辑自动生成工具 111
6.1.3 AI数据分析（智能问答）：交互式洞察发现工具 111
6.1.4 AI条件格式：智能可视化增强工具 112
6.2 WPS AI表格助手 112
6.2.1 快速建表 112
6.2.2 批量生成 116
6.2.3 操作表格 122
6.2.4 快速问答 129
6.3 WPS表格AI写公式 132
6.4 WPS AI数据分析 134
6.5 WPS AI条件格式 138
本章小结 143
习题6 144
第7章 精彩呈现：WPS AI演示文稿制作 146
7.1 WPS演示文稿的AI功能介绍 146
7.1.1 智能内容生成：从“素材
主题”到“结构化初稿”的高效跨越 146
7.1.2 智能设计美化：无须专业技能，实现视觉专业度升级 148
7.1.3 智能增效工具：拓展演示文稿应用边界，提升全流程效率 148
7.2 利用WPS AI智能生成PPT 149
7.3 运用WPS AI智能优化PPT 158
本章小结 171
习题7 172
第8章 智能决策：AI赋能数据分析与可视化 174
8.1 Python数据分析基础 174
8.1.1 NumPy数组计算 174
8.1.2 Pandas数据预处理 179
8.1.3 Matplotli
数据可视化 189
8.2 机器学习算法的应用 200
8.2.1 机器学习的流程 200
8.2.2 聚类 201
8.2.3 分类 202
8.2.4 回归 203
本章小结 209
习题8 210
第9章 创意生成：AIGC在多媒体中的应用 213
9.1 图片类AIGC应用实践 213
9.1.1 文生图与图像处理大模型工具任务情境 213
9.1.2 AI文生图技术与功能原理 214
9.2 视频类AIGC应用实践 229
9.2.1 AIGC视频创作工具 229
9.2.2 提示词 230
9.3 语音类AIGC应用实践 239
本章小结 247
习题9 248
第10章 未来已来：构建自主AI智能体 251
10.1 初识智能体的构建 251
10.1.1 智能体任务情境 251
10.1.2 智能体任务规划与应用边界 252
10.2 智能体的理论基础与认知架构 252
10.2.1 智能体核心架构与推理路径模式 252
10.2.2 智能体的核心组件 253
10.3 面向应用的智能体构建 254
本章小结 267
习题10 268
参考文献 270
1.1 人工智能的定义与本质 1
1.1.1 人工智能的核心定义与多元视角 1
1.1.2 人工智能的本质特征 2
1.2 人工智能的发展历程 3
1.2.1 萌芽与初创期（20世纪40～50年代） 3
1.2.2 起伏与探索期（20世纪60～90年代） 4
1.2.3 快速发展期（21世纪初至今） 5
1.3 人工智能的三大核心要素 6
1.3.1 算力：人工智能的“计算引擎” 6
1.3.2 算法：人工智能的“思维逻辑” 8
1.3.3 数据：人工智能的“知识源泉” 10
1.3.4 三大要素的协同关系 13
1.4 人工智能的典型应用领域 14
1.4.1 产业领域应用 14
1.4.2 生活与社会领域应用 16
本章小结 18
习题1 19
第2章 核心：大语言模型原理与应用 21
2.1 大语言模型概述 21
2.1.1 大语言模型的概念 21
2.1.2 大语言模型的工作原理 22
2.1.3 大语言模型的核心架构 23
2.2 国外大语言模型简介 25
2.2.1 GPT系列 25
2.2.2 PaLM 27
2.2.3 Claude系列 27
2.3 国内大语言模型简介 28
2.3.1 DeepSeek 28
2.3.2 豆包 29
2.3.3 Kimi 30
2.3.4 通义千问 31
2.3.5 文心一言 32
2.3.6 智谱清言 33
2.3.7 夸克 34
2.4 提示词工程 35
2.4.1 提示词工程的概念与核心价值 35
2.4.2 提示词设计的核心原则 35
2.4.3 典型场景的提示词案例与优化对比 36
2.4.4 提示词工程的实用工具 37
本章小结 37
习题2 38
第3章 基石：Python编程快速入门 40
3.1 Python编程基础 40
3.1.1 Python基本语法 40
3.1.2 数据类型 41
3.1.3 变量与赋值 42
3.1.4 运算符与表达式 42
3.1.5 字符串 43
3.1.6 流程控制 44
3.2 Python编程进阶 49
3.2.1 内置数据类型 49
3.2.2 函数 52
3.2.3 文件 53
本章小结 58
习题3 58
第4章 脉络：关键人工智能技术详解 61
4.1 人工智能的核心功能任务情境 61
4.1.1 机器学习 61
4.1.2 深度学习 62
4.1.3 自然语言处理 62
4.2 监督学习原理与应用 62
4.2.1 监督学习任务情境 62
4.2.2 认识Scikit-lea
n 62
4.2.3 构建模型KNN 63
4.3 无监督学习原理与应用 66
4.3.1 无监督学习任务情境 66
4.3.2 降维的概念及目的 66
4.3.3 支持向量机：监督学习分类基线 67
4.3.4 聚类 70
4.4 神经网络在监督学习中的原理与应用 73
4.4.1 神经网络工作原理 73
4.4.2 卷积神经网络简介 74
本章小结 76
习题4 77
第5章 高效办公：WPS AI智能文档创作 79
5.1 WPS AI智能办公概述 79
5.1.1 WPS AI在文档处理中的功能 79
5.1.2 WPS AI在数据处理中的功能 80
5.1.3 WPS AI在演示文稿中的功能 80
5.2 使用WPS AI完成长文档的创作及排版 80
5.2.1 WPS AI阅读助手 80
5.2.2 WPS AI写作助手 85
5.2.3 WPS AI设计助手 93
5.3 使用WPS AI进行简单文档处理——简历制作全流程 96
5.3.1 WPS AI的简历模板介绍 96
5.3.2 WPS AI的简历模板编辑菜单介绍 98
本章小结 106
习题5 107
第6章 洞察数据：WPS AI表格分析与处理 109
6.1 WPS表格的AI功能介绍 109
6.1.1 AI表格助手：智能数据操作引擎 110
6.1.2 AI写公式：函数逻辑自动生成工具 111
6.1.3 AI数据分析（智能问答）：交互式洞察发现工具 111
6.1.4 AI条件格式：智能可视化增强工具 112
6.2 WPS AI表格助手 112
6.2.1 快速建表 112
6.2.2 批量生成 116
6.2.3 操作表格 122
6.2.4 快速问答 129
6.3 WPS表格AI写公式 132
6.4 WPS AI数据分析 134
6.5 WPS AI条件格式 138
本章小结 143
习题6 144
第7章 精彩呈现：WPS AI演示文稿制作 146
7.1 WPS演示文稿的AI功能介绍 146
7.1.1 智能内容生成：从“素材
主题”到“结构化初稿”的高效跨越 146
7.1.2 智能设计美化：无须专业技能，实现视觉专业度升级 148
7.1.3 智能增效工具：拓展演示文稿应用边界，提升全流程效率 148
7.2 利用WPS AI智能生成PPT 149
7.3 运用WPS AI智能优化PPT 158
本章小结 171
习题7 172
第8章 智能决策：AI赋能数据分析与可视化 174
8.1 Python数据分析基础 174
8.1.1 NumPy数组计算 174
8.1.2 Pandas数据预处理 179
8.1.3 Matplotli
数据可视化 189
8.2 机器学习算法的应用 200
8.2.1 机器学习的流程 200
8.2.2 聚类 201
8.2.3 分类 202
8.2.4 回归 203
本章小结 209
习题8 210
第9章 创意生成：AIGC在多媒体中的应用 213
9.1 图片类AIGC应用实践 213
9.1.1 文生图与图像处理大模型工具任务情境 213
9.1.2 AI文生图技术与功能原理 214
9.2 视频类AIGC应用实践 229
9.2.1 AIGC视频创作工具 229
9.2.2 提示词 230
9.3 语音类AIGC应用实践 239
本章小结 247
习题9 248
第10章 未来已来：构建自主AI智能体 251
10.1 初识智能体的构建 251
10.1.1 智能体任务情境 251
10.1.2 智能体任务规划与应用边界 252
10.2 智能体的理论基础与认知架构 252
10.2.1 智能体核心架构与推理路径模式 252
10.2.2 智能体的核心组件 253
10.3 面向应用的智能体构建 254
本章小结 267
习题10 268
参考文献 270
