- 高等教育出版社
- 9787040682397
- 1版
- 16开
- 380
内容简介
本书作为面向普通本科院校人工智能通识教学的入门教材，兼顾理论深度与实践应用，旨在帮助读者构建完整的人工智能知识与能力体系。全书遵循人工智能通识“懂AI、善应用、守伦理”的核心教学理念，包括信息与计算基础、人工智能概述、生成式人工智能应用与实践、WPS基础与智能办公、机器学习与深度学习5章，系统阐述机器学习与深度学习的核心原理，同时结合WPSAI生态，详细解析全场景智能办公技巧，以满足实际应用需求。
本书兼具通识教育的广度与行业特色，特别设置医学人工智能、智能办公等专题内容，适用于医学院校的人工智能通识课程教学，旨在帮助读者掌握人工智能的基础理论与工具应用能力，并培养规范的技术伦理观念。
本书兼具通识教育的广度与行业特色，特别设置医学人工智能、智能办公等专题内容，适用于医学院校的人工智能通识课程教学，旨在帮助读者掌握人工智能的基础理论与工具应用能力，并培养规范的技术伦理观念。
目录
目录
前辅文
第1章 信息与计算基础
1.1 信息、数据与智能的基本概念
1.1.1 信息、数据与知识的区分
1.1.2 数字化、数据化与智能化
1.1.3 信息的可计算性与可处理性
1.2 计算的本质：从计算机到智能系统
1.2.1 计算的概念
1.2.2 计算机的发展与形态演进
1.2.3 面向人工智能的计算特征
1.3 计算机系统基础
1.3.1 计算机系统的基本组成
1.3.2 CPU、GPU与AI加速器
1.3.3 操作系统与资源调度
1.4 计算机网络与智能互联
1.4.1 网络的基本作用
1.4.2 从互联网到云算力网络
1.4.3 移动互联网与智能终端
1.5 云计算与算力基础设施
1.5.1 云计算的基本概念
1.5.2 云计算与人工智能的关系
1.5.3 算力作为新型生产要素
1.6 信息安全、数据安全与AI安全基础
1.6.1 信息安全的基本目标
1.6.2 数据安全与隐私保护
1.6.3 人工智能安全的初步认知
1.7 从计算到智能
1.7.1 何谓“智能不仅存在于软件中”
1.7.2 具身智能的计算基础
1.7.3 从计算基础到未来智能形态
思考与练习
第2章 人工智能概述
2.1 人工智能概述
2.1.1 定义与目标
2.1.2 人工智能三大流派：符号主义、连接主义、行为主义
2.1.3 人工智能的类型：弱人工智能、强人工智能与超人工智能
2.2 人工智能发展历程
2.2.1 孕育期
2.2.2 黄金期与第一次寒冬
2.2.3 专家系统与第二次兴衰
2.2.4 深度学习驱动的复兴与爆发
2.3 人工智能的关键技术
2.3.1 机器学习
2.3.2 深度学习
2.3.3 计算机视觉
2.3.4 自然语言处理
2.3.5 知识图谱与推理
2.4 人工智能的应用
2.4.1 行业应用概览
2.4.2 医学人工智能专题
2.5 人工智能的未来探索
2.5.1 技术发展趋势
2.5.2 面临的挑战与伦理思考
2.5.3 人工智能与人类的未来
思考与练习
第3章 生成式人工智能应用与实践
3.1 AIGC概述
3.1.1 AIGC的概念
3.1.2 AIGC对人类生产方式的变革
3.1.3 AIGC应用核心能力框架
3.2 AIGC关键技术与原理
3.2.1 词元的概念与用途
3.2.2 注意力机制与Transformer
3.2.3 文本生成与大语言模型
3.2.4 视觉生成与扩散模型
3.2.5 多模态大模型
3.3 提示词
3.3.1 提示词
3.3.2 提示词的作用机制
3.3.3 提示词的构成要素
3.3.4 提示词设计的基本准则与具体策略
3.3.5 结构化提示词
3.3.6 不同工具的提示词差异与优化技巧
3.4 AIGC文本类应用实践
案例一：文献精读与多文档对比分析
案例二：模拟标准化病人问诊
案例三：专业课程助手
案例四：代码辅助学习
案例五：论文选题和生成大纲
案例六：一键生成PPT大纲与内容
案例七：数据可视化与分析
3.5 AIGC图像类应用实践
3.5.1 文生图
3.5.2 图生图
3.5.3 AIGC生成图形图像的典型应用
3.6 AIGC音频类应用实践
3.6.1 音频类AIGC基本介绍
3.6.2 AIGC生成音频典型应用
3.7 AIGC视频类应用实践
3.7.1 视频类AIGC基本介绍
3.7.2 AIGC视频类应用场景
3.7.3 AIGC生成视频典型应用
3.7.4 AIGC创建数字人
3.8 AIGC搜索应用实践
3.8.1 AIGC搜索与传统搜索的区别
3.8.2 AIGC搜索应用实践
3.8.3 RAG
3.9 智能体
3.9.1 智能体概述
3.9.2 智能体工作原理
3.9.3 基于扣子平台搭建智能体
3.10 AIGC幻觉
3.10.1 AIGC幻觉概述
3.10.2 AIGC幻觉的识别与避免方法
思考与练习
第4章 WPS基础与智能办公
4.1 WPS基础操作
4.1.1 文字处理基本操作
4.1.2 电子表格基本操作
4.1.3 演示文稿基本操作
4.1.4 云文档与协作基础
4.2 WPS与AI融合概述
4.2.1 WPS与AI的融合
4.2.2 WPS AI智能化办公的优势
4.2.3 WPS AI的使用指南
4.3 WPS AI辅助文字处理
4.3.1 WPS AI的入口方式与基本使用逻辑
4.3.2 AI辅助写作：从“不会写”到“有初稿”
4.3.3 AI辅助修改：扩写、缩写、润色与续写
4.3.4 AI辅助排版：结构清晰比“好看”更重要
4.3.5 AI辅助校对与内容理解
4.4 WPS AI辅助数据处理与分析
4.4.1 数据智能处理
4.4.2 数据计算
4.4.3 数据分析
4.4.4 图表生成与美化
4.4.5 数据透视表与数据透视图
4.4.6 数据的深度剖析
4.4.7 表格数据的跨应用协同与复用
4.5 WPS AI辅助演示文稿
4.5.1 智能创作演示文稿
4.5.2 自动排版与美化
4.5.3 动画与切换效果
4.5.4 演示文稿的跨应用协同与复用
4.6 在线智能文档
4.6.1 在线智能文档的特点及优势
4.6.2 智能文档的AI功能
4.6.3 智能表格的AI功能
4.6.4 智能表单的AI功能
4.7 综合案例：WPS AI智能化办公实战应用
案例一：智能制作与编排项目策划文案
案例二：智能统计与分析销售数据表格
案例三：智能高效制作工作总结PPT
案例四：智能高效构建多维表格应用
思考与练习
第5章 机器学习与深度学习
5.1 机器学习概述
5.1.1 机器学习的定义与核心目标
5.1.2 机器学习与传统编程的区别
5.1.3 机器学习的发展历程与关键里程碑
5.1.4 机器学习在医学领域的典型应用场景与案例
5.1.5 学习路径与核心素养要求
5.2 机器学习的基本分类及经典算法
5.2.1 监督学习：分类与回归
5.2.2 无监督学习：聚类与降维
5.3 机器学习的基本工作流程
5.3.1 阶段一：问题定义
5.3.2 阶段二：数据获取与理解
5.3.3 阶段三：数据预处理
5.3.4 阶段四：特征工程
5.3.5 阶段五：模型构建与评估
5.3.6 阶段六：部署与监控
5.4 深度学习入门
5.4.1 深度学习的定义与发展历程
5.4.2 传统机器学习与深度学习的区别
5.4.3 神经元与激活函数
5.4.4 网络结构：输入层、隐藏层、输出层
5.4.5 循环神经网络
5.4.6 迁移学习
5.4.7 深度学习在医学领域的应用优势与挑战
5.5 机器学习与深度学习的医学伦理
5.5.1 医学人工智能伦理的核心内涵与发展背景
5.5.2 数据伦理：医疗数据的获取、使用与保护
5.5.3 算法伦理：公平性、可解释性与可靠性
5.5.4 责任伦理：责任界定、主体义务与监管体系
5.5.5 医学人工智能伦理的未来发展趋势与实践建议
5.6 医学人工智能实践
项目一：AI辅助编程实践
项目二：基于Scikit-learn的糖尿病风险预测（机器学习）
项目三：基于CNN的简易医学影像分类（深度学习入门）
思考与练习
参考文献
前辅文
第1章 信息与计算基础
1.1 信息、数据与智能的基本概念
1.1.1 信息、数据与知识的区分
1.1.2 数字化、数据化与智能化
1.1.3 信息的可计算性与可处理性
1.2 计算的本质：从计算机到智能系统
1.2.1 计算的概念
1.2.2 计算机的发展与形态演进
1.2.3 面向人工智能的计算特征
1.3 计算机系统基础
1.3.1 计算机系统的基本组成
1.3.2 CPU、GPU与AI加速器
1.3.3 操作系统与资源调度
1.4 计算机网络与智能互联
1.4.1 网络的基本作用
1.4.2 从互联网到云算力网络
1.4.3 移动互联网与智能终端
1.5 云计算与算力基础设施
1.5.1 云计算的基本概念
1.5.2 云计算与人工智能的关系
1.5.3 算力作为新型生产要素
1.6 信息安全、数据安全与AI安全基础
1.6.1 信息安全的基本目标
1.6.2 数据安全与隐私保护
1.6.3 人工智能安全的初步认知
1.7 从计算到智能
1.7.1 何谓“智能不仅存在于软件中”
1.7.2 具身智能的计算基础
1.7.3 从计算基础到未来智能形态
思考与练习
第2章 人工智能概述
2.1 人工智能概述
2.1.1 定义与目标
2.1.2 人工智能三大流派：符号主义、连接主义、行为主义
2.1.3 人工智能的类型：弱人工智能、强人工智能与超人工智能
2.2 人工智能发展历程
2.2.1 孕育期
2.2.2 黄金期与第一次寒冬
2.2.3 专家系统与第二次兴衰
2.2.4 深度学习驱动的复兴与爆发
2.3 人工智能的关键技术
2.3.1 机器学习
2.3.2 深度学习
2.3.3 计算机视觉
2.3.4 自然语言处理
2.3.5 知识图谱与推理
2.4 人工智能的应用
2.4.1 行业应用概览
2.4.2 医学人工智能专题
2.5 人工智能的未来探索
2.5.1 技术发展趋势
2.5.2 面临的挑战与伦理思考
2.5.3 人工智能与人类的未来
思考与练习
第3章 生成式人工智能应用与实践
3.1 AIGC概述
3.1.1 AIGC的概念
3.1.2 AIGC对人类生产方式的变革
3.1.3 AIGC应用核心能力框架
3.2 AIGC关键技术与原理
3.2.1 词元的概念与用途
3.2.2 注意力机制与Transformer
3.2.3 文本生成与大语言模型
3.2.4 视觉生成与扩散模型
3.2.5 多模态大模型
3.3 提示词
3.3.1 提示词
3.3.2 提示词的作用机制
3.3.3 提示词的构成要素
3.3.4 提示词设计的基本准则与具体策略
3.3.5 结构化提示词
3.3.6 不同工具的提示词差异与优化技巧
3.4 AIGC文本类应用实践
案例一：文献精读与多文档对比分析
案例二：模拟标准化病人问诊
案例三：专业课程助手
案例四：代码辅助学习
案例五：论文选题和生成大纲
案例六：一键生成PPT大纲与内容
案例七：数据可视化与分析
3.5 AIGC图像类应用实践
3.5.1 文生图
3.5.2 图生图
3.5.3 AIGC生成图形图像的典型应用
3.6 AIGC音频类应用实践
3.6.1 音频类AIGC基本介绍
3.6.2 AIGC生成音频典型应用
3.7 AIGC视频类应用实践
3.7.1 视频类AIGC基本介绍
3.7.2 AIGC视频类应用场景
3.7.3 AIGC生成视频典型应用
3.7.4 AIGC创建数字人
3.8 AIGC搜索应用实践
3.8.1 AIGC搜索与传统搜索的区别
3.8.2 AIGC搜索应用实践
3.8.3 RAG
3.9 智能体
3.9.1 智能体概述
3.9.2 智能体工作原理
3.9.3 基于扣子平台搭建智能体
3.10 AIGC幻觉
3.10.1 AIGC幻觉概述
3.10.2 AIGC幻觉的识别与避免方法
思考与练习
第4章 WPS基础与智能办公
4.1 WPS基础操作
4.1.1 文字处理基本操作
4.1.2 电子表格基本操作
4.1.3 演示文稿基本操作
4.1.4 云文档与协作基础
4.2 WPS与AI融合概述
4.2.1 WPS与AI的融合
4.2.2 WPS AI智能化办公的优势
4.2.3 WPS AI的使用指南
4.3 WPS AI辅助文字处理
4.3.1 WPS AI的入口方式与基本使用逻辑
4.3.2 AI辅助写作：从“不会写”到“有初稿”
4.3.3 AI辅助修改：扩写、缩写、润色与续写
4.3.4 AI辅助排版：结构清晰比“好看”更重要
4.3.5 AI辅助校对与内容理解
4.4 WPS AI辅助数据处理与分析
4.4.1 数据智能处理
4.4.2 数据计算
4.4.3 数据分析
4.4.4 图表生成与美化
4.4.5 数据透视表与数据透视图
4.4.6 数据的深度剖析
4.4.7 表格数据的跨应用协同与复用
4.5 WPS AI辅助演示文稿
4.5.1 智能创作演示文稿
4.5.2 自动排版与美化
4.5.3 动画与切换效果
4.5.4 演示文稿的跨应用协同与复用
4.6 在线智能文档
4.6.1 在线智能文档的特点及优势
4.6.2 智能文档的AI功能
4.6.3 智能表格的AI功能
4.6.4 智能表单的AI功能
4.7 综合案例：WPS AI智能化办公实战应用
案例一：智能制作与编排项目策划文案
案例二：智能统计与分析销售数据表格
案例三：智能高效制作工作总结PPT
案例四：智能高效构建多维表格应用
思考与练习
第5章 机器学习与深度学习
5.1 机器学习概述
5.1.1 机器学习的定义与核心目标
5.1.2 机器学习与传统编程的区别
5.1.3 机器学习的发展历程与关键里程碑
5.1.4 机器学习在医学领域的典型应用场景与案例
5.1.5 学习路径与核心素养要求
5.2 机器学习的基本分类及经典算法
5.2.1 监督学习：分类与回归
5.2.2 无监督学习：聚类与降维
5.3 机器学习的基本工作流程
5.3.1 阶段一：问题定义
5.3.2 阶段二：数据获取与理解
5.3.3 阶段三：数据预处理
5.3.4 阶段四：特征工程
5.3.5 阶段五：模型构建与评估
5.3.6 阶段六：部署与监控
5.4 深度学习入门
5.4.1 深度学习的定义与发展历程
5.4.2 传统机器学习与深度学习的区别
5.4.3 神经元与激活函数
5.4.4 网络结构：输入层、隐藏层、输出层
5.4.5 循环神经网络
5.4.6 迁移学习
5.4.7 深度学习在医学领域的应用优势与挑战
5.5 机器学习与深度学习的医学伦理
5.5.1 医学人工智能伦理的核心内涵与发展背景
5.5.2 数据伦理：医疗数据的获取、使用与保护
5.5.3 算法伦理：公平性、可解释性与可靠性
5.5.4 责任伦理：责任界定、主体义务与监管体系
5.5.5 医学人工智能伦理的未来发展趋势与实践建议
5.6 医学人工智能实践
项目一：AI辅助编程实践
项目二：基于Scikit-learn的糖尿病风险预测（机器学习）
项目三：基于CNN的简易医学影像分类（深度学习入门）
思考与练习
参考文献
前辅文
第1章 信息与计算基础
1.1 信息、数据与智能的基本概念
1.1.1 信息、数据与知识的区分
1.1.2 数字化、数据化与智能化
1.1.3 信息的可计算性与可处理性
1.2 计算的本质：从计算机到智能系统
1.2.1 计算的概念
1.2.2 计算机的发展与形态演进
1.2.3 面向人工智能的计算特征
1.3 计算机系统基础
1.3.1 计算机系统的基本组成
1.3.2 CPU、GPU与AI加速器
1.3.3 操作系统与资源调度
1.4 计算机网络与智能互联
1.4.1 网络的基本作用
1.4.2 从互联网到云算力网络
1.4.3 移动互联网与智能终端
1.5 云计算与算力基础设施
1.5.1 云计算的基本概念
1.5.2 云计算与人工智能的关系
1.5.3 算力作为新型生产要素
1.6 信息安全、数据安全与AI安全基础
1.6.1 信息安全的基本目标
1.6.2 数据安全与隐私保护
1.6.3 人工智能安全的初步认知
1.7 从计算到智能
1.7.1 何谓“智能不仅存在于软件中”
1.7.2 具身智能的计算基础
1.7.3 从计算基础到未来智能形态
思考与练习
第2章 人工智能概述
2.1 人工智能概述
2.1.1 定义与目标
2.1.2 人工智能三大流派：符号主义、连接主义、行为主义
2.1.3 人工智能的类型：弱人工智能、强人工智能与超人工智能
2.2 人工智能发展历程
2.2.1 孕育期
2.2.2 黄金期与第一次寒冬
2.2.3 专家系统与第二次兴衰
2.2.4 深度学习驱动的复兴与爆发
2.3 人工智能的关键技术
2.3.1 机器学习
2.3.2 深度学习
2.3.3 计算机视觉
2.3.4 自然语言处理
2.3.5 知识图谱与推理
2.4 人工智能的应用
2.4.1 行业应用概览
2.4.2 医学人工智能专题
2.5 人工智能的未来探索
2.5.1 技术发展趋势
2.5.2 面临的挑战与伦理思考
2.5.3 人工智能与人类的未来
思考与练习
第3章 生成式人工智能应用与实践
3.1 AIGC概述
3.1.1 AIGC的概念
3.1.2 AIGC对人类生产方式的变革
3.1.3 AIGC应用核心能力框架
3.2 AIGC关键技术与原理
3.2.1 词元的概念与用途
3.2.2 注意力机制与Transformer
3.2.3 文本生成与大语言模型
3.2.4 视觉生成与扩散模型
3.2.5 多模态大模型
3.3 提示词
3.3.1 提示词
3.3.2 提示词的作用机制
3.3.3 提示词的构成要素
3.3.4 提示词设计的基本准则与具体策略
3.3.5 结构化提示词
3.3.6 不同工具的提示词差异与优化技巧
3.4 AIGC文本类应用实践
案例一：文献精读与多文档对比分析
案例二：模拟标准化病人问诊
案例三：专业课程助手
案例四：代码辅助学习
案例五：论文选题和生成大纲
案例六：一键生成PPT大纲与内容
案例七：数据可视化与分析
3.5 AIGC图像类应用实践
3.5.1 文生图
3.5.2 图生图
3.5.3 AIGC生成图形图像的典型应用
3.6 AIGC音频类应用实践
3.6.1 音频类AIGC基本介绍
3.6.2 AIGC生成音频典型应用
3.7 AIGC视频类应用实践
3.7.1 视频类AIGC基本介绍
3.7.2 AIGC视频类应用场景
3.7.3 AIGC生成视频典型应用
3.7.4 AIGC创建数字人
3.8 AIGC搜索应用实践
3.8.1 AIGC搜索与传统搜索的区别
3.8.2 AIGC搜索应用实践
3.8.3 RAG
3.9 智能体
3.9.1 智能体概述
3.9.2 智能体工作原理
3.9.3 基于扣子平台搭建智能体
3.10 AIGC幻觉
3.10.1 AIGC幻觉概述
3.10.2 AIGC幻觉的识别与避免方法
思考与练习
第4章 WPS基础与智能办公
4.1 WPS基础操作
4.1.1 文字处理基本操作
4.1.2 电子表格基本操作
4.1.3 演示文稿基本操作
4.1.4 云文档与协作基础
4.2 WPS与AI融合概述
4.2.1 WPS与AI的融合
4.2.2 WPS AI智能化办公的优势
4.2.3 WPS AI的使用指南
4.3 WPS AI辅助文字处理
4.3.1 WPS AI的入口方式与基本使用逻辑
4.3.2 AI辅助写作：从“不会写”到“有初稿”
4.3.3 AI辅助修改：扩写、缩写、润色与续写
4.3.4 AI辅助排版：结构清晰比“好看”更重要
4.3.5 AI辅助校对与内容理解
4.4 WPS AI辅助数据处理与分析
4.4.1 数据智能处理
4.4.2 数据计算
4.4.3 数据分析
4.4.4 图表生成与美化
4.4.5 数据透视表与数据透视图
4.4.6 数据的深度剖析
4.4.7 表格数据的跨应用协同与复用
4.5 WPS AI辅助演示文稿
4.5.1 智能创作演示文稿
4.5.2 自动排版与美化
4.5.3 动画与切换效果
4.5.4 演示文稿的跨应用协同与复用
4.6 在线智能文档
4.6.1 在线智能文档的特点及优势
4.6.2 智能文档的AI功能
4.6.3 智能表格的AI功能
4.6.4 智能表单的AI功能
4.7 综合案例：WPS AI智能化办公实战应用
案例一：智能制作与编排项目策划文案
案例二：智能统计与分析销售数据表格
案例三：智能高效制作工作总结PPT
案例四：智能高效构建多维表格应用
思考与练习
第5章 机器学习与深度学习
5.1 机器学习概述
5.1.1 机器学习的定义与核心目标
5.1.2 机器学习与传统编程的区别
5.1.3 机器学习的发展历程与关键里程碑
5.1.4 机器学习在医学领域的典型应用场景与案例
5.1.5 学习路径与核心素养要求
5.2 机器学习的基本分类及经典算法
5.2.1 监督学习：分类与回归
5.2.2 无监督学习：聚类与降维
5.3 机器学习的基本工作流程
5.3.1 阶段一：问题定义
5.3.2 阶段二：数据获取与理解
5.3.3 阶段三：数据预处理
5.3.4 阶段四：特征工程
5.3.5 阶段五：模型构建与评估
5.3.6 阶段六：部署与监控
5.4 深度学习入门
5.4.1 深度学习的定义与发展历程
5.4.2 传统机器学习与深度学习的区别
5.4.3 神经元与激活函数
5.4.4 网络结构：输入层、隐藏层、输出层
5.4.5 循环神经网络
5.4.6 迁移学习
5.4.7 深度学习在医学领域的应用优势与挑战
5.5 机器学习与深度学习的医学伦理
5.5.1 医学人工智能伦理的核心内涵与发展背景
5.5.2 数据伦理：医疗数据的获取、使用与保护
5.5.3 算法伦理：公平性、可解释性与可靠性
5.5.4 责任伦理：责任界定、主体义务与监管体系
5.5.5 医学人工智能伦理的未来发展趋势与实践建议
5.6 医学人工智能实践
项目一：AI辅助编程实践
项目二：基于Scikit-learn的糖尿病风险预测（机器学习）
项目三：基于CNN的简易医学影像分类（深度学习入门）
思考与练习
参考文献
前辅文
第1章 信息与计算基础
1.1 信息、数据与智能的基本概念
1.1.1 信息、数据与知识的区分
1.1.2 数字化、数据化与智能化
1.1.3 信息的可计算性与可处理性
1.2 计算的本质：从计算机到智能系统
1.2.1 计算的概念
1.2.2 计算机的发展与形态演进
1.2.3 面向人工智能的计算特征
1.3 计算机系统基础
1.3.1 计算机系统的基本组成
1.3.2 CPU、GPU与AI加速器
1.3.3 操作系统与资源调度
1.4 计算机网络与智能互联
1.4.1 网络的基本作用
1.4.2 从互联网到云算力网络
1.4.3 移动互联网与智能终端
1.5 云计算与算力基础设施
1.5.1 云计算的基本概念
1.5.2 云计算与人工智能的关系
1.5.3 算力作为新型生产要素
1.6 信息安全、数据安全与AI安全基础
1.6.1 信息安全的基本目标
1.6.2 数据安全与隐私保护
1.6.3 人工智能安全的初步认知
1.7 从计算到智能
1.7.1 何谓“智能不仅存在于软件中”
1.7.2 具身智能的计算基础
1.7.3 从计算基础到未来智能形态
思考与练习
第2章 人工智能概述
2.1 人工智能概述
2.1.1 定义与目标
2.1.2 人工智能三大流派：符号主义、连接主义、行为主义
2.1.3 人工智能的类型：弱人工智能、强人工智能与超人工智能
2.2 人工智能发展历程
2.2.1 孕育期
2.2.2 黄金期与第一次寒冬
2.2.3 专家系统与第二次兴衰
2.2.4 深度学习驱动的复兴与爆发
2.3 人工智能的关键技术
2.3.1 机器学习
2.3.2 深度学习
2.3.3 计算机视觉
2.3.4 自然语言处理
2.3.5 知识图谱与推理
2.4 人工智能的应用
2.4.1 行业应用概览
2.4.2 医学人工智能专题
2.5 人工智能的未来探索
2.5.1 技术发展趋势
2.5.2 面临的挑战与伦理思考
2.5.3 人工智能与人类的未来
思考与练习
第3章 生成式人工智能应用与实践
3.1 AIGC概述
3.1.1 AIGC的概念
3.1.2 AIGC对人类生产方式的变革
3.1.3 AIGC应用核心能力框架
3.2 AIGC关键技术与原理
3.2.1 词元的概念与用途
3.2.2 注意力机制与Transformer
3.2.3 文本生成与大语言模型
3.2.4 视觉生成与扩散模型
3.2.5 多模态大模型
3.3 提示词
3.3.1 提示词
3.3.2 提示词的作用机制
3.3.3 提示词的构成要素
3.3.4 提示词设计的基本准则与具体策略
3.3.5 结构化提示词
3.3.6 不同工具的提示词差异与优化技巧
3.4 AIGC文本类应用实践
案例一：文献精读与多文档对比分析
案例二：模拟标准化病人问诊
案例三：专业课程助手
案例四：代码辅助学习
案例五：论文选题和生成大纲
案例六：一键生成PPT大纲与内容
案例七：数据可视化与分析
3.5 AIGC图像类应用实践
3.5.1 文生图
3.5.2 图生图
3.5.3 AIGC生成图形图像的典型应用
3.6 AIGC音频类应用实践
3.6.1 音频类AIGC基本介绍
3.6.2 AIGC生成音频典型应用
3.7 AIGC视频类应用实践
3.7.1 视频类AIGC基本介绍
3.7.2 AIGC视频类应用场景
3.7.3 AIGC生成视频典型应用
3.7.4 AIGC创建数字人
3.8 AIGC搜索应用实践
3.8.1 AIGC搜索与传统搜索的区别
3.8.2 AIGC搜索应用实践
3.8.3 RAG
3.9 智能体
3.9.1 智能体概述
3.9.2 智能体工作原理
3.9.3 基于扣子平台搭建智能体
3.10 AIGC幻觉
3.10.1 AIGC幻觉概述
3.10.2 AIGC幻觉的识别与避免方法
思考与练习
第4章 WPS基础与智能办公
4.1 WPS基础操作
4.1.1 文字处理基本操作
4.1.2 电子表格基本操作
4.1.3 演示文稿基本操作
4.1.4 云文档与协作基础
4.2 WPS与AI融合概述
4.2.1 WPS与AI的融合
4.2.2 WPS AI智能化办公的优势
4.2.3 WPS AI的使用指南
4.3 WPS AI辅助文字处理
4.3.1 WPS AI的入口方式与基本使用逻辑
4.3.2 AI辅助写作：从“不会写”到“有初稿”
4.3.3 AI辅助修改：扩写、缩写、润色与续写
4.3.4 AI辅助排版：结构清晰比“好看”更重要
4.3.5 AI辅助校对与内容理解
4.4 WPS AI辅助数据处理与分析
4.4.1 数据智能处理
4.4.2 数据计算
4.4.3 数据分析
4.4.4 图表生成与美化
4.4.5 数据透视表与数据透视图
4.4.6 数据的深度剖析
4.4.7 表格数据的跨应用协同与复用
4.5 WPS AI辅助演示文稿
4.5.1 智能创作演示文稿
4.5.2 自动排版与美化
4.5.3 动画与切换效果
4.5.4 演示文稿的跨应用协同与复用
4.6 在线智能文档
4.6.1 在线智能文档的特点及优势
4.6.2 智能文档的AI功能
4.6.3 智能表格的AI功能
4.6.4 智能表单的AI功能
4.7 综合案例：WPS AI智能化办公实战应用
案例一：智能制作与编排项目策划文案
案例二：智能统计与分析销售数据表格
案例三：智能高效制作工作总结PPT
案例四：智能高效构建多维表格应用
思考与练习
第5章 机器学习与深度学习
5.1 机器学习概述
5.1.1 机器学习的定义与核心目标
5.1.2 机器学习与传统编程的区别
5.1.3 机器学习的发展历程与关键里程碑
5.1.4 机器学习在医学领域的典型应用场景与案例
5.1.5 学习路径与核心素养要求
5.2 机器学习的基本分类及经典算法
5.2.1 监督学习：分类与回归
5.2.2 无监督学习：聚类与降维
5.3 机器学习的基本工作流程
5.3.1 阶段一：问题定义
5.3.2 阶段二：数据获取与理解
5.3.3 阶段三：数据预处理
5.3.4 阶段四：特征工程
5.3.5 阶段五：模型构建与评估
5.3.6 阶段六：部署与监控
5.4 深度学习入门
5.4.1 深度学习的定义与发展历程
5.4.2 传统机器学习与深度学习的区别
5.4.3 神经元与激活函数
5.4.4 网络结构：输入层、隐藏层、输出层
5.4.5 循环神经网络
5.4.6 迁移学习
5.4.7 深度学习在医学领域的应用优势与挑战
5.5 机器学习与深度学习的医学伦理
5.5.1 医学人工智能伦理的核心内涵与发展背景
5.5.2 数据伦理：医疗数据的获取、使用与保护
5.5.3 算法伦理：公平性、可解释性与可靠性
5.5.4 责任伦理：责任界定、主体义务与监管体系
5.5.5 医学人工智能伦理的未来发展趋势与实践建议
5.6 医学人工智能实践
项目一：AI辅助编程实践
项目二：基于Scikit-learn的糖尿病风险预测（机器学习）
项目三：基于CNN的简易医学影像分类（深度学习入门）
思考与练习
参考文献
