人工智能通识基础
定价：￥44.00
作者： 南通大学人工智能通识课程教材编写委员会主编
出版社：高等教育出版社
- 高等教育出版社
- 9787040676754
- 1版
- 16开
内容简介
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。
目录
目录
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
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
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
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
