- 高等教育出版社
- 9787040638592
- 1版
- 16开
- 470
内容简介
本书较详细地介绍计算思维与人工智能的基本理论与实践应用，分为上、中、下三篇，共14章，涵盖计算机科学基础、程序设计、计算思维、网络技术、人工智能理论与典型应用等内容。
上篇：计算与计算思维，包括计算机发展历程、信息表示、系统结构、Python程序设计基础、数据思维与数据库系统、计算机网络与物联网等。
中篇：人工智能基础，涵盖人工智能概述、机器学习与深度学习、自然语言处理、计算机视觉、AI伦理与安全等核心内容。
下篇：人工智能实践，聚焦AI在办公、图像处理、音频生成、视频制作及行业应用中的实际操作与案例。
本书适合作为高等院校、高职院校各专业学生的人工智能通识教育教材，也可作为人工智能和计算机爱好者的学习资料。
上篇：计算与计算思维，包括计算机发展历程、信息表示、系统结构、Python程序设计基础、数据思维与数据库系统、计算机网络与物联网等。
中篇：人工智能基础，涵盖人工智能概述、机器学习与深度学习、自然语言处理、计算机视觉、AI伦理与安全等核心内容。
下篇：人工智能实践，聚焦AI在办公、图像处理、音频生成、视频制作及行业应用中的实际操作与案例。
本书适合作为高等院校、高职院校各专业学生的人工智能通识教育教材，也可作为人工智能和计算机爱好者的学习资料。
目录
目录
前辅文
上篇 计算与计算思维
第1章 计算机与计算思维
1.1 案例与案例解析
1.2 计算机的产生和发展
1.2.1 计算机的产生
1.2.2 计算机的发展
1.2.3 计算机的发展趋势
1.3 计算机中的信息表示
1.3.1 数值及其转换
1.3.2 计算机中的数据单位
1.3.3 数值信息的表示
1.3.4 文本信息的表示
1.4 计算机系统结构与工作原理
1.4.1 计算机系统结构
1.4.2 计算机系统的组成
1.4.3 计算机的性能指标
1.4.4 计算机的基本工作原理
1.5 计算思维
1.5.1 计算思维的提出
1.5.2 科学方法与科学思维
1.5.3 计算思维本质及特征
第2章 程序设计基础
2.1 案例与案例解析
2.2 程序设计语言概述
2.2.1 机器语言、汇编语言和高级语言
2.2.2 编译和解释
2.3 初识Python语言
2.3.1 Python语言概述
2.3.2 Python语言特点
2.3.3 Python的应用
2.3.4 Python语言开发环境配置
2.3.5 Python程序的编写方式
2.4 Python程序语法元素分析
2.5 Python基础数据类型
2.5.1 运算符与表达式
2.5.2 数据的输入输出
2.6 流程控制
2.6.1 选择结构
2.6.2 循环语句
2.7 函数
2.7.1 内置函数
2.7.2 自定义函数
2.7.3 函数的调用
第3章 互联网与物联网
3.1 案例与案例解析
3.2 计算机网络概述
3.2.1 计算机网络的定义
3.2.2 计算机网络的功能
3.2.3 计算机网络的分类
3.3 计算机网络的组成
3.3.1 网络硬件的组成
3.3.2 网络软件的组成
3.4 计算机网络体系结构
3.4.1 计算机网络协议
3.4.2 计算机体系结构
3.5 Internet基础及应用
3.5.1 TCP/IP协议簇
3.5.2 Internet的应用
3.6 物联网
3.6.1 物联网的概念
3.6.2 物联网体系架构
3.6.3 物联网的关键技术
3.6.4 物联网的应用
3.6.5 物联网的发展趋势和就业前景
第4章 数据思维
4.1 案例与案例解析
4.2 数、数据、数据思维的基本概述
4.3 数据库系统概述
4.4 数据模型
4.5 关系代数
4.5.1 传统的集合运算
4.5.2 关系运算
4.6 数据库设计的基本步骤
4.6.1 数据库设计概述
4.6.2 数据库设计方法
4.6.3 数据库设计的步骤
4.7 数据挖掘
4.7.1 数据挖掘的定义
4.7.2 数据挖掘的过程
4.7.3 数据挖掘的算法
4.7.4 数据挖掘的应用
4.8 常用数据库软件
中篇 人工智能基础
第5章 人工智能概述
5.1 案例与案例解析
5.2 无处不在的人工智能
5.3 人工智能概述
5.3.1 人工智能概念
5.3.2 人工智能的发展历程
5.3.3 人工智能在我国的发展
5.3.4 人工智能发展现状
5.4 人工智能与多领域的交叉应用
5.4.1 人工智能交叉应用
5.4.2 人工智能发展趋势
第6章 机器学习与深度学习
6.1 案例与案例解析
6.2 机器学习基础
6.2.1 机器学习的基本概念
6.2.2 监督学习评估指标
6.2.3 监督学习算法
6.2.4 无监督学习算法
6.2.5 强化学习算法
6.3 深度学习与神经网络
6.3.1 深度学习概述
6.3.2 神经网络结构组成
6.3.3 前向传播算法
6.3.4 反向传播算法
6.3.5 卷积神经网络
6.3.6 循环神经网络
6.4 机器学习与深度学习应用案例
6.4.1 支持向量机实现柑橘分类
6.4.2 卷积神经网络实现手写数字识别
第7章 自然语言处理
7.1 案例与案例解析
7.2 自然语言处理概述
7.2.1 自然语言处理的定义
7.2.2 自然语言处理的发展历程
7.2.3 自然语言处理的重要性
7.3 自然语言处理任务
7.3.1 词法分析
7.3.2 句法分析
7.3.3 语义分析
7.3.4 文本分类
7.3.5 情感分析
7.3.6 文本生成
7.3.7 机器翻译
7.3.8 问答系统
7.4 自然语言处理的发展趋势
7.4.1 大语言模型的“能力升级”
7.4.2 多模态互相融合
第8章 计算机视觉
8.1 案例与案例解析
8.2 计算机视觉概念
8.2.1 什么是计算机视觉？
8.2.2 计算机视觉的发展历程
8.2.3 计算机视觉与其他领域的交叉融合
8.3 计算机视觉的技术实现
8.3.1 传统图像处理方法
8.3.2 深度学习方法
8.4 计算机视觉的核心任务
8.4.1 图像分类
8.4.2 目标检测
8.4.3 图像分割
8.4.4 其他任务
8.5 典型应用场景探索
8.5.1 机器人协同应用
8.5.2 医学影像辅助
8.5.3 自动驾驶赋能
8.6 计算机视觉发展趋势展望
8.6.1 多模态融合趋势
8.6.2 轻量化模型需求
第9章 人工智能安全与伦理
9.1 案例与案例解析
9.2 为什么关注人工智能安全与伦理
9.3 深度伪造的陷阱
9.3.1 深度伪造
9.3.2 深度伪造案例
9.3.3 判断真伪的技巧
9.4 算法也会有偏见
9.4.1 算法偏见
9.4.2 算法偏见案例
9.4.3 如何应对算法偏见
9.5 数字自我与数据隐私
9.5.1 数字自我
9.5.2 数据隐私
9.5.3 数字自我与数据隐私案例
9.5.4 如何遵守“信息边界”
9.6 人工智能幻觉
9.6.1 什么是人工智能幻觉
9.6.2 人工智能幻觉案例
9.6.3 如何减少人工智能幻觉的影响
9.7 人工智能伦理
9.7.1 什么是人工智能伦理
9.7.2 人工智能伦理案例
9.7.3 人工智能伦理的基本原则
9.8 人工智能治理与监管
本章练习
下篇 人工智能实践
第10章 大模型与AIGC应用基础
10.1 大模型与大语言模型
10.1.1 大模型概述
10.1.2 大语言模型概述
10.1.3 大模型核心原理
10.1.4 国内大模型
10.2 AIGC及其应用
10.2.1 AIGC概述
10.2.2 大模型与AIGC关系
10.2.3 AIGC应用场景
10.3 提示词设计与优化
10.3.1 认识提示词
10.3.2 提示词结构与设计原理
10.3.3 高效使用提示词实践
本章练习
第11章 图像生成与处理
11.1 使用AIGC工具生成图像
11.1.1 文字生成图像
11.1.2 参考图生成图像
11.1.3 草图生成图像
11.2 使用AIGC工具处理图像
11.2.1 局部重绘
11.2.2 智能扩图
11.2.3 局部消除
11.2.4 图像分离
11.2.5 实时图像处理
本章练习
第12章 AIGC音视频生成与优化
12.1 使用AIGC工具生成音频
12.1.1 生成音乐
12.1.2 生成音效
12.1.3 生成商品讲解音频
12.2 使用AIGC工具处理音频
12.2.1 声音克隆
12.2.2 语音转文字
12.2.3 音频降噪
12.3 AIGC视频创作的模式
12.4 利用AIGC工具生成多场景视频
12.5 利用AIGC工具优化视频
本章练习
第13章 智能办公
13.1 智能办公概述
13.1.1 WPS AI
13.1.2 WPS灵犀
13.2 WPS文字AI应用
13.2.1 AI写作助手
13.2.2 AI阅读助手
13.2.3 AI设计助手
13.3 WPS表格AI应用
13.3.1 AI表格助手
13.3.2 AI写公式
13.3.3 AI条件格式
13.3.4 AI数据分析
13.4 WPS演示AI应用
13.4.1 AI生成PPT
13.4.2 AI优化幻灯片
13.4.3 AI美化幻灯片
13.5 WPS PDF AI应用
13.5.1 文档问答
13.5.2 全文总结
13.5.3 AI划词
本章练习
第14章 智能体
14.1 智能体概述
14.1.1 什么是智能体
14.1.2 智能体特征
14.2 智能体类型
14.2.1 软件智能体
14.2.2 硬件智能体
14.3 智能体工作原理
14.3.1 智能体的基本工作流程
14.3.2 任务理解与目标设定
14.3.3 工具调用与执行机制
14.3.4 结果反馈与持续优化
14.4 搭建智能体案例
本章练习
参考文献
前辅文
上篇 计算与计算思维
第1章 计算机与计算思维
1.1 案例与案例解析
1.2 计算机的产生和发展
1.2.1 计算机的产生
1.2.2 计算机的发展
1.2.3 计算机的发展趋势
1.3 计算机中的信息表示
1.3.1 数值及其转换
1.3.2 计算机中的数据单位
1.3.3 数值信息的表示
1.3.4 文本信息的表示
1.4 计算机系统结构与工作原理
1.4.1 计算机系统结构
1.4.2 计算机系统的组成
1.4.3 计算机的性能指标
1.4.4 计算机的基本工作原理
1.5 计算思维
1.5.1 计算思维的提出
1.5.2 科学方法与科学思维
1.5.3 计算思维本质及特征
第2章 程序设计基础
2.1 案例与案例解析
2.2 程序设计语言概述
2.2.1 机器语言、汇编语言和高级语言
2.2.2 编译和解释
2.3 初识Python语言
2.3.1 Python语言概述
2.3.2 Python语言特点
2.3.3 Python的应用
2.3.4 Python语言开发环境配置
2.3.5 Python程序的编写方式
2.4 Python程序语法元素分析
2.5 Python基础数据类型
2.5.1 运算符与表达式
2.5.2 数据的输入输出
2.6 流程控制
2.6.1 选择结构
2.6.2 循环语句
2.7 函数
2.7.1 内置函数
2.7.2 自定义函数
2.7.3 函数的调用
第3章 互联网与物联网
3.1 案例与案例解析
3.2 计算机网络概述
3.2.1 计算机网络的定义
3.2.2 计算机网络的功能
3.2.3 计算机网络的分类
3.3 计算机网络的组成
3.3.1 网络硬件的组成
3.3.2 网络软件的组成
3.4 计算机网络体系结构
3.4.1 计算机网络协议
3.4.2 计算机体系结构
3.5 Internet基础及应用
3.5.1 TCP/IP协议簇
3.5.2 Internet的应用
3.6 物联网
3.6.1 物联网的概念
3.6.2 物联网体系架构
3.6.3 物联网的关键技术
3.6.4 物联网的应用
3.6.5 物联网的发展趋势和就业前景
第4章 数据思维
4.1 案例与案例解析
4.2 数、数据、数据思维的基本概述
4.3 数据库系统概述
4.4 数据模型
4.5 关系代数
4.5.1 传统的集合运算
4.5.2 关系运算
4.6 数据库设计的基本步骤
4.6.1 数据库设计概述
4.6.2 数据库设计方法
4.6.3 数据库设计的步骤
4.7 数据挖掘
4.7.1 数据挖掘的定义
4.7.2 数据挖掘的过程
4.7.3 数据挖掘的算法
4.7.4 数据挖掘的应用
4.8 常用数据库软件
中篇 人工智能基础
第5章 人工智能概述
5.1 案例与案例解析
5.2 无处不在的人工智能
5.3 人工智能概述
5.3.1 人工智能概念
5.3.2 人工智能的发展历程
5.3.3 人工智能在我国的发展
5.3.4 人工智能发展现状
5.4 人工智能与多领域的交叉应用
5.4.1 人工智能交叉应用
5.4.2 人工智能发展趋势
第6章 机器学习与深度学习
6.1 案例与案例解析
6.2 机器学习基础
6.2.1 机器学习的基本概念
6.2.2 监督学习评估指标
6.2.3 监督学习算法
6.2.4 无监督学习算法
6.2.5 强化学习算法
6.3 深度学习与神经网络
6.3.1 深度学习概述
6.3.2 神经网络结构组成
6.3.3 前向传播算法
6.3.4 反向传播算法
6.3.5 卷积神经网络
6.3.6 循环神经网络
6.4 机器学习与深度学习应用案例
6.4.1 支持向量机实现柑橘分类
6.4.2 卷积神经网络实现手写数字识别
第7章 自然语言处理
7.1 案例与案例解析
7.2 自然语言处理概述
7.2.1 自然语言处理的定义
7.2.2 自然语言处理的发展历程
7.2.3 自然语言处理的重要性
7.3 自然语言处理任务
7.3.1 词法分析
7.3.2 句法分析
7.3.3 语义分析
7.3.4 文本分类
7.3.5 情感分析
7.3.6 文本生成
7.3.7 机器翻译
7.3.8 问答系统
7.4 自然语言处理的发展趋势
7.4.1 大语言模型的“能力升级”
7.4.2 多模态互相融合
第8章 计算机视觉
8.1 案例与案例解析
8.2 计算机视觉概念
8.2.1 什么是计算机视觉？
8.2.2 计算机视觉的发展历程
8.2.3 计算机视觉与其他领域的交叉融合
8.3 计算机视觉的技术实现
8.3.1 传统图像处理方法
8.3.2 深度学习方法
8.4 计算机视觉的核心任务
8.4.1 图像分类
8.4.2 目标检测
8.4.3 图像分割
8.4.4 其他任务
8.5 典型应用场景探索
8.5.1 机器人协同应用
8.5.2 医学影像辅助
8.5.3 自动驾驶赋能
8.6 计算机视觉发展趋势展望
8.6.1 多模态融合趋势
8.6.2 轻量化模型需求
第9章 人工智能安全与伦理
9.1 案例与案例解析
9.2 为什么关注人工智能安全与伦理
9.3 深度伪造的陷阱
9.3.1 深度伪造
9.3.2 深度伪造案例
9.3.3 判断真伪的技巧
9.4 算法也会有偏见
9.4.1 算法偏见
9.4.2 算法偏见案例
9.4.3 如何应对算法偏见
9.5 数字自我与数据隐私
9.5.1 数字自我
9.5.2 数据隐私
9.5.3 数字自我与数据隐私案例
9.5.4 如何遵守“信息边界”
9.6 人工智能幻觉
9.6.1 什么是人工智能幻觉
9.6.2 人工智能幻觉案例
9.6.3 如何减少人工智能幻觉的影响
9.7 人工智能伦理
9.7.1 什么是人工智能伦理
9.7.2 人工智能伦理案例
9.7.3 人工智能伦理的基本原则
9.8 人工智能治理与监管
本章练习
下篇 人工智能实践
第10章 大模型与AIGC应用基础
10.1 大模型与大语言模型
10.1.1 大模型概述
10.1.2 大语言模型概述
10.1.3 大模型核心原理
10.1.4 国内大模型
10.2 AIGC及其应用
10.2.1 AIGC概述
10.2.2 大模型与AIGC关系
10.2.3 AIGC应用场景
10.3 提示词设计与优化
10.3.1 认识提示词
10.3.2 提示词结构与设计原理
10.3.3 高效使用提示词实践
本章练习
第11章 图像生成与处理
11.1 使用AIGC工具生成图像
11.1.1 文字生成图像
11.1.2 参考图生成图像
11.1.3 草图生成图像
11.2 使用AIGC工具处理图像
11.2.1 局部重绘
11.2.2 智能扩图
11.2.3 局部消除
11.2.4 图像分离
11.2.5 实时图像处理
本章练习
第12章 AIGC音视频生成与优化
12.1 使用AIGC工具生成音频
12.1.1 生成音乐
12.1.2 生成音效
12.1.3 生成商品讲解音频
12.2 使用AIGC工具处理音频
12.2.1 声音克隆
12.2.2 语音转文字
12.2.3 音频降噪
12.3 AIGC视频创作的模式
12.4 利用AIGC工具生成多场景视频
12.5 利用AIGC工具优化视频
本章练习
第13章 智能办公
13.1 智能办公概述
13.1.1 WPS AI
13.1.2 WPS灵犀
13.2 WPS文字AI应用
13.2.1 AI写作助手
13.2.2 AI阅读助手
13.2.3 AI设计助手
13.3 WPS表格AI应用
13.3.1 AI表格助手
13.3.2 AI写公式
13.3.3 AI条件格式
13.3.4 AI数据分析
13.4 WPS演示AI应用
13.4.1 AI生成PPT
13.4.2 AI优化幻灯片
13.4.3 AI美化幻灯片
13.5 WPS PDF AI应用
13.5.1 文档问答
13.5.2 全文总结
13.5.3 AI划词
本章练习
第14章 智能体
14.1 智能体概述
14.1.1 什么是智能体
14.1.2 智能体特征
14.2 智能体类型
14.2.1 软件智能体
14.2.2 硬件智能体
14.3 智能体工作原理
14.3.1 智能体的基本工作流程
14.3.2 任务理解与目标设定
14.3.3 工具调用与执行机制
14.3.4 结果反馈与持续优化
14.4 搭建智能体案例
本章练习
参考文献
前辅文
上篇 计算与计算思维
第1章 计算机与计算思维
1.1 案例与案例解析
1.2 计算机的产生和发展
1.2.1 计算机的产生
1.2.2 计算机的发展
1.2.3 计算机的发展趋势
1.3 计算机中的信息表示
1.3.1 数值及其转换
1.3.2 计算机中的数据单位
1.3.3 数值信息的表示
1.3.4 文本信息的表示
1.4 计算机系统结构与工作原理
1.4.1 计算机系统结构
1.4.2 计算机系统的组成
1.4.3 计算机的性能指标
1.4.4 计算机的基本工作原理
1.5 计算思维
1.5.1 计算思维的提出
1.5.2 科学方法与科学思维
1.5.3 计算思维本质及特征
第2章 程序设计基础
2.1 案例与案例解析
2.2 程序设计语言概述
2.2.1 机器语言、汇编语言和高级语言
2.2.2 编译和解释
2.3 初识Python语言
2.3.1 Python语言概述
2.3.2 Python语言特点
2.3.3 Python的应用
2.3.4 Python语言开发环境配置
2.3.5 Python程序的编写方式
2.4 Python程序语法元素分析
2.5 Python基础数据类型
2.5.1 运算符与表达式
2.5.2 数据的输入输出
2.6 流程控制
2.6.1 选择结构
2.6.2 循环语句
2.7 函数
2.7.1 内置函数
2.7.2 自定义函数
2.7.3 函数的调用
第3章 互联网与物联网
3.1 案例与案例解析
3.2 计算机网络概述
3.2.1 计算机网络的定义
3.2.2 计算机网络的功能
3.2.3 计算机网络的分类
3.3 计算机网络的组成
3.3.1 网络硬件的组成
3.3.2 网络软件的组成
3.4 计算机网络体系结构
3.4.1 计算机网络协议
3.4.2 计算机体系结构
3.5 Internet基础及应用
3.5.1 TCP/IP协议簇
3.5.2 Internet的应用
3.6 物联网
3.6.1 物联网的概念
3.6.2 物联网体系架构
3.6.3 物联网的关键技术
3.6.4 物联网的应用
3.6.5 物联网的发展趋势和就业前景
第4章 数据思维
4.1 案例与案例解析
4.2 数、数据、数据思维的基本概述
4.3 数据库系统概述
4.4 数据模型
4.5 关系代数
4.5.1 传统的集合运算
4.5.2 关系运算
4.6 数据库设计的基本步骤
4.6.1 数据库设计概述
4.6.2 数据库设计方法
4.6.3 数据库设计的步骤
4.7 数据挖掘
4.7.1 数据挖掘的定义
4.7.2 数据挖掘的过程
4.7.3 数据挖掘的算法
4.7.4 数据挖掘的应用
4.8 常用数据库软件
中篇 人工智能基础
第5章 人工智能概述
5.1 案例与案例解析
5.2 无处不在的人工智能
5.3 人工智能概述
5.3.1 人工智能概念
5.3.2 人工智能的发展历程
5.3.3 人工智能在我国的发展
5.3.4 人工智能发展现状
5.4 人工智能与多领域的交叉应用
5.4.1 人工智能交叉应用
5.4.2 人工智能发展趋势
第6章 机器学习与深度学习
6.1 案例与案例解析
6.2 机器学习基础
6.2.1 机器学习的基本概念
6.2.2 监督学习评估指标
6.2.3 监督学习算法
6.2.4 无监督学习算法
6.2.5 强化学习算法
6.3 深度学习与神经网络
6.3.1 深度学习概述
6.3.2 神经网络结构组成
6.3.3 前向传播算法
6.3.4 反向传播算法
6.3.5 卷积神经网络
6.3.6 循环神经网络
6.4 机器学习与深度学习应用案例
6.4.1 支持向量机实现柑橘分类
6.4.2 卷积神经网络实现手写数字识别
第7章 自然语言处理
7.1 案例与案例解析
7.2 自然语言处理概述
7.2.1 自然语言处理的定义
7.2.2 自然语言处理的发展历程
7.2.3 自然语言处理的重要性
7.3 自然语言处理任务
7.3.1 词法分析
7.3.2 句法分析
7.3.3 语义分析
7.3.4 文本分类
7.3.5 情感分析
7.3.6 文本生成
7.3.7 机器翻译
7.3.8 问答系统
7.4 自然语言处理的发展趋势
7.4.1 大语言模型的“能力升级”
7.4.2 多模态互相融合
第8章 计算机视觉
8.1 案例与案例解析
8.2 计算机视觉概念
8.2.1 什么是计算机视觉？
8.2.2 计算机视觉的发展历程
8.2.3 计算机视觉与其他领域的交叉融合
8.3 计算机视觉的技术实现
8.3.1 传统图像处理方法
8.3.2 深度学习方法
8.4 计算机视觉的核心任务
8.4.1 图像分类
8.4.2 目标检测
8.4.3 图像分割
8.4.4 其他任务
8.5 典型应用场景探索
8.5.1 机器人协同应用
8.5.2 医学影像辅助
8.5.3 自动驾驶赋能
8.6 计算机视觉发展趋势展望
8.6.1 多模态融合趋势
8.6.2 轻量化模型需求
第9章 人工智能安全与伦理
9.1 案例与案例解析
9.2 为什么关注人工智能安全与伦理
9.3 深度伪造的陷阱
9.3.1 深度伪造
9.3.2 深度伪造案例
9.3.3 判断真伪的技巧
9.4 算法也会有偏见
9.4.1 算法偏见
9.4.2 算法偏见案例
9.4.3 如何应对算法偏见
9.5 数字自我与数据隐私
9.5.1 数字自我
9.5.2 数据隐私
9.5.3 数字自我与数据隐私案例
9.5.4 如何遵守“信息边界”
9.6 人工智能幻觉
9.6.1 什么是人工智能幻觉
9.6.2 人工智能幻觉案例
9.6.3 如何减少人工智能幻觉的影响
9.7 人工智能伦理
9.7.1 什么是人工智能伦理
9.7.2 人工智能伦理案例
9.7.3 人工智能伦理的基本原则
9.8 人工智能治理与监管
本章练习
下篇 人工智能实践
第10章 大模型与AIGC应用基础
10.1 大模型与大语言模型
10.1.1 大模型概述
10.1.2 大语言模型概述
10.1.3 大模型核心原理
10.1.4 国内大模型
10.2 AIGC及其应用
10.2.1 AIGC概述
10.2.2 大模型与AIGC关系
10.2.3 AIGC应用场景
10.3 提示词设计与优化
10.3.1 认识提示词
10.3.2 提示词结构与设计原理
10.3.3 高效使用提示词实践
本章练习
第11章 图像生成与处理
11.1 使用AIGC工具生成图像
11.1.1 文字生成图像
11.1.2 参考图生成图像
11.1.3 草图生成图像
11.2 使用AIGC工具处理图像
11.2.1 局部重绘
11.2.2 智能扩图
11.2.3 局部消除
11.2.4 图像分离
11.2.5 实时图像处理
本章练习
第12章 AIGC音视频生成与优化
12.1 使用AIGC工具生成音频
12.1.1 生成音乐
12.1.2 生成音效
12.1.3 生成商品讲解音频
12.2 使用AIGC工具处理音频
12.2.1 声音克隆
12.2.2 语音转文字
12.2.3 音频降噪
12.3 AIGC视频创作的模式
12.4 利用AIGC工具生成多场景视频
12.5 利用AIGC工具优化视频
本章练习
第13章 智能办公
13.1 智能办公概述
13.1.1 WPS AI
13.1.2 WPS灵犀
13.2 WPS文字AI应用
13.2.1 AI写作助手
13.2.2 AI阅读助手
13.2.3 AI设计助手
13.3 WPS表格AI应用
13.3.1 AI表格助手
13.3.2 AI写公式
13.3.3 AI条件格式
13.3.4 AI数据分析
13.4 WPS演示AI应用
13.4.1 AI生成PPT
13.4.2 AI优化幻灯片
13.4.3 AI美化幻灯片
13.5 WPS PDF AI应用
13.5.1 文档问答
13.5.2 全文总结
13.5.3 AI划词
本章练习
第14章 智能体
14.1 智能体概述
14.1.1 什么是智能体
14.1.2 智能体特征
14.2 智能体类型
14.2.1 软件智能体
14.2.2 硬件智能体
14.3 智能体工作原理
14.3.1 智能体的基本工作流程
14.3.2 任务理解与目标设定
14.3.3 工具调用与执行机制
14.3.4 结果反馈与持续优化
14.4 搭建智能体案例
本章练习
参考文献
前辅文
上篇 计算与计算思维
第1章 计算机与计算思维
1.1 案例与案例解析
1.2 计算机的产生和发展
1.2.1 计算机的产生
1.2.2 计算机的发展
1.2.3 计算机的发展趋势
1.3 计算机中的信息表示
1.3.1 数值及其转换
1.3.2 计算机中的数据单位
1.3.3 数值信息的表示
1.3.4 文本信息的表示
1.4 计算机系统结构与工作原理
1.4.1 计算机系统结构
1.4.2 计算机系统的组成
1.4.3 计算机的性能指标
1.4.4 计算机的基本工作原理
1.5 计算思维
1.5.1 计算思维的提出
1.5.2 科学方法与科学思维
1.5.3 计算思维本质及特征
第2章 程序设计基础
2.1 案例与案例解析
2.2 程序设计语言概述
2.2.1 机器语言、汇编语言和高级语言
2.2.2 编译和解释
2.3 初识Python语言
2.3.1 Python语言概述
2.3.2 Python语言特点
2.3.3 Python的应用
2.3.4 Python语言开发环境配置
2.3.5 Python程序的编写方式
2.4 Python程序语法元素分析
2.5 Python基础数据类型
2.5.1 运算符与表达式
2.5.2 数据的输入输出
2.6 流程控制
2.6.1 选择结构
2.6.2 循环语句
2.7 函数
2.7.1 内置函数
2.7.2 自定义函数
2.7.3 函数的调用
第3章 互联网与物联网
3.1 案例与案例解析
3.2 计算机网络概述
3.2.1 计算机网络的定义
3.2.2 计算机网络的功能
3.2.3 计算机网络的分类
3.3 计算机网络的组成
3.3.1 网络硬件的组成
3.3.2 网络软件的组成
3.4 计算机网络体系结构
3.4.1 计算机网络协议
3.4.2 计算机体系结构
3.5 Internet基础及应用
3.5.1 TCP/IP协议簇
3.5.2 Internet的应用
3.6 物联网
3.6.1 物联网的概念
3.6.2 物联网体系架构
3.6.3 物联网的关键技术
3.6.4 物联网的应用
3.6.5 物联网的发展趋势和就业前景
第4章 数据思维
4.1 案例与案例解析
4.2 数、数据、数据思维的基本概述
4.3 数据库系统概述
4.4 数据模型
4.5 关系代数
4.5.1 传统的集合运算
4.5.2 关系运算
4.6 数据库设计的基本步骤
4.6.1 数据库设计概述
4.6.2 数据库设计方法
4.6.3 数据库设计的步骤
4.7 数据挖掘
4.7.1 数据挖掘的定义
4.7.2 数据挖掘的过程
4.7.3 数据挖掘的算法
4.7.4 数据挖掘的应用
4.8 常用数据库软件
中篇 人工智能基础
第5章 人工智能概述
5.1 案例与案例解析
5.2 无处不在的人工智能
5.3 人工智能概述
5.3.1 人工智能概念
5.3.2 人工智能的发展历程
5.3.3 人工智能在我国的发展
5.3.4 人工智能发展现状
5.4 人工智能与多领域的交叉应用
5.4.1 人工智能交叉应用
5.4.2 人工智能发展趋势
第6章 机器学习与深度学习
6.1 案例与案例解析
6.2 机器学习基础
6.2.1 机器学习的基本概念
6.2.2 监督学习评估指标
6.2.3 监督学习算法
6.2.4 无监督学习算法
6.2.5 强化学习算法
6.3 深度学习与神经网络
6.3.1 深度学习概述
6.3.2 神经网络结构组成
6.3.3 前向传播算法
6.3.4 反向传播算法
6.3.5 卷积神经网络
6.3.6 循环神经网络
6.4 机器学习与深度学习应用案例
6.4.1 支持向量机实现柑橘分类
6.4.2 卷积神经网络实现手写数字识别
第7章 自然语言处理
7.1 案例与案例解析
7.2 自然语言处理概述
7.2.1 自然语言处理的定义
7.2.2 自然语言处理的发展历程
7.2.3 自然语言处理的重要性
7.3 自然语言处理任务
7.3.1 词法分析
7.3.2 句法分析
7.3.3 语义分析
7.3.4 文本分类
7.3.5 情感分析
7.3.6 文本生成
7.3.7 机器翻译
7.3.8 问答系统
7.4 自然语言处理的发展趋势
7.4.1 大语言模型的“能力升级”
7.4.2 多模态互相融合
第8章 计算机视觉
8.1 案例与案例解析
8.2 计算机视觉概念
8.2.1 什么是计算机视觉？
8.2.2 计算机视觉的发展历程
8.2.3 计算机视觉与其他领域的交叉融合
8.3 计算机视觉的技术实现
8.3.1 传统图像处理方法
8.3.2 深度学习方法
8.4 计算机视觉的核心任务
8.4.1 图像分类
8.4.2 目标检测
8.4.3 图像分割
8.4.4 其他任务
8.5 典型应用场景探索
8.5.1 机器人协同应用
8.5.2 医学影像辅助
8.5.3 自动驾驶赋能
8.6 计算机视觉发展趋势展望
8.6.1 多模态融合趋势
8.6.2 轻量化模型需求
第9章 人工智能安全与伦理
9.1 案例与案例解析
9.2 为什么关注人工智能安全与伦理
9.3 深度伪造的陷阱
9.3.1 深度伪造
9.3.2 深度伪造案例
9.3.3 判断真伪的技巧
9.4 算法也会有偏见
9.4.1 算法偏见
9.4.2 算法偏见案例
9.4.3 如何应对算法偏见
9.5 数字自我与数据隐私
9.5.1 数字自我
9.5.2 数据隐私
9.5.3 数字自我与数据隐私案例
9.5.4 如何遵守“信息边界”
9.6 人工智能幻觉
9.6.1 什么是人工智能幻觉
9.6.2 人工智能幻觉案例
9.6.3 如何减少人工智能幻觉的影响
9.7 人工智能伦理
9.7.1 什么是人工智能伦理
9.7.2 人工智能伦理案例
9.7.3 人工智能伦理的基本原则
9.8 人工智能治理与监管
本章练习
下篇 人工智能实践
第10章 大模型与AIGC应用基础
10.1 大模型与大语言模型
10.1.1 大模型概述
10.1.2 大语言模型概述
10.1.3 大模型核心原理
10.1.4 国内大模型
10.2 AIGC及其应用
10.2.1 AIGC概述
10.2.2 大模型与AIGC关系
10.2.3 AIGC应用场景
10.3 提示词设计与优化
10.3.1 认识提示词
10.3.2 提示词结构与设计原理
10.3.3 高效使用提示词实践
本章练习
第11章 图像生成与处理
11.1 使用AIGC工具生成图像
11.1.1 文字生成图像
11.1.2 参考图生成图像
11.1.3 草图生成图像
11.2 使用AIGC工具处理图像
11.2.1 局部重绘
11.2.2 智能扩图
11.2.3 局部消除
11.2.4 图像分离
11.2.5 实时图像处理
本章练习
第12章 AIGC音视频生成与优化
12.1 使用AIGC工具生成音频
12.1.1 生成音乐
12.1.2 生成音效
12.1.3 生成商品讲解音频
12.2 使用AIGC工具处理音频
12.2.1 声音克隆
12.2.2 语音转文字
12.2.3 音频降噪
12.3 AIGC视频创作的模式
12.4 利用AIGC工具生成多场景视频
12.5 利用AIGC工具优化视频
本章练习
第13章 智能办公
13.1 智能办公概述
13.1.1 WPS AI
13.1.2 WPS灵犀
13.2 WPS文字AI应用
13.2.1 AI写作助手
13.2.2 AI阅读助手
13.2.3 AI设计助手
13.3 WPS表格AI应用
13.3.1 AI表格助手
13.3.2 AI写公式
13.3.3 AI条件格式
13.3.4 AI数据分析
13.4 WPS演示AI应用
13.4.1 AI生成PPT
13.4.2 AI优化幻灯片
13.4.3 AI美化幻灯片
13.5 WPS PDF AI应用
13.5.1 文档问答
13.5.2 全文总结
13.5.3 AI划词
本章练习
第14章 智能体
14.1 智能体概述
14.1.1 什么是智能体
14.1.2 智能体特征
14.2 智能体类型
14.2.1 软件智能体
14.2.2 硬件智能体
14.3 智能体工作原理
14.3.1 智能体的基本工作流程
14.3.2 任务理解与目标设定
14.3.3 工具调用与执行机制
14.3.4 结果反馈与持续优化
14.4 搭建智能体案例
本章练习
参考文献
