- 高等教育出版社
- 9787040652833
- 1版
- 47261027-8
- 16开
- 公共基础课
- 公共基础课
- 通用
- 本科
内容简介
本书构建了“技术—人文”双维知识体系，以“智能的本质与未来”为主线，系统阐释从基础理论到前沿应用的完整知识图谱。内容突破传统范式，打造“去公式化算法解析+零（低）代码实践”双轨教学模式：一方面通过符号主义、连接主义与行为主义的哲学对话，以直观案例替代数学推导；另一方面依托可视化实验设计，让学习者无须编程即可体验人工智能领域的经典核心算法。
本书遵循“理论—认知—实践”架构组织章节内容，主要包括计算思维、人工智能、机器学习、深度神经网络、人工智能应用技术、人工智能行业应用和大模型，并通过行业案例与跨模态实践，为智能时代人才培养提供兼具方法论深度与价值观温度的教学范本。
本书既可作为人工智能通识课的教材，也可供对人工智能技术感兴趣的社会人士自学使用。
目录
目录
前辅文
第1章 计算思维：解锁智能的钥匙
1.1 生活中的智慧密码：计算思维无处不在
1.1.1 揭开计算思维的面纱
1.1.2 探秘计算思维的特征
1.1.3 解锁生活中的计算思维方法
1.1.4 平凡之中见真章 ：揭示计算思维的底层逻辑
1.2 计算机的奥秘：从图灵机到现代计算机
1.2.1 图灵机：闪耀智慧的启明星
1.2.2 冯·诺依曼架构：计算机的核心“中枢”
1.2.3 未来计算机体系的发展方向
1.3 数据的魔法：数字化表示的艺术
1.3.1 数制及其转换：数字的奇幻之旅
1.3.2 数值型数据的密码：定点与浮点的故事
1.3.3 多媒体的数字化世界：文字、声音、图像、视频的奥秘
1.4 算法的智慧：构建智能世界的基石
1.4.1 程序的基本结构：构建智能蓝图的关键要素
1.4.2 算法：智能的“配方”
1.5 流程图的艺术：用Raptor绘制智能之路
1.5.1 流程图：智能思维的可视化表达
1.5.2 Raptor应用案例
本章小结
习题
实验1-1 信息的表示
实验1-2 Raptor算法设计
第2章 人工智能：通向未来之门
2.1 何以智能：从本源认识人工智能
2.1.1 认知之“道”：智能
2.1.2 智能工具的崛起
2.1.3 人工智能初探
2.1.4 人工智能溯源
2.2 源流纵横：人工智能的主要学派
2.2.1 符号主义：智能的“语言”
2.2.2 连接主义：神经网络的复兴
2.2.3 行为主义：智能的“行动”
2.2.4 融会贯通：人工智能的未来
2.3 探索未知：人工智能的奇妙领域
2.3.1 自然语言处理：与机器对话的未来
2.3.2 机器听觉：领悟从“听懂”开始
2.3.3 机器视觉：让机器“看”见世界
2.3.4 机器人：智能的“身体”
2.3.5 AIGC：人工智能的创作盛宴
2.4 安全与伦理：人工智能的双刃剑
2.4.1 风险与挑战：智能的“暗面”
2.4.2 偏见与隐私：智能的“道德”考验
2.4.3 权利与义务：智能时代的责任与担当
本章小结
习题
实验2 利用DeepSeek辅助设计智能推荐算法流程图
第3章 机器学习：让智能自主成长
3.1 学习的力量：机器学习初探
3.1.1 机器学习的早期定义
3.1.2 机器学习的现代定义
3.2 学习之道：机器学习多种方式
3.2.1 机器学习分类
3.2.2 监督学习：有导师的智能成长
3.2.3 无监督学习：自主探索的智能成才
3.2.4 半监督学习：导学相伴的智能之路
3.2.5 强化学习：奖惩驱动的智能进化
3.3 任务与目标：机器学习使命图解
3.3.1 监督学习：分类
3.3.2 监督学习：回归
3.3.3 无监督学习：聚类
3.3.4 无监督学习：降维
3.3.5 （无）监督学习对比：KNN与K-means的区别
3.4 流程与优化：机器学习实践之路
3.4.1 机器学习实践基本流程
3.4.2 机器学习实践流程案例
3.5 应用案例：机器学习实战风采
3.5.1 自动驾驶赋能
3.5.2 商品推荐赋智
3.5.3 扫地机器人赋活
本章小结
习题
实验3 机器学习基本流程
第4章 深度神经网络：智能的深层探索
4.1 神经网络：智能的“神经元”网络
4.1.1 神经网络的起源
4.1.2 神经网络的基本原理
4.2 神经网络的发展历程
4.3 神经网络家族：多样化的智能结构
4.3.1 卷积神经网络：图像的“解码器”
4.3.2 循环神经网络：序列的“记忆者”
4.3.3 生成对抗网络：创意的“源泉”
4.4 深度学习：智能的“深度”挖掘
4.4.1 深度学习的核心思想
4.4.2 深度学习与机器学习的区别
4.4.3 深度学习的主要特点
4.4.4 深度学习的优势与挑战
4.4.5 图片分类示例
4.5 关键技术：深度学习的“秘籍”
4.5.1 词向量与对象嵌入：智能的“语言”与“理解”
4.5.2 序列到序列模型：智能的“翻译”与“生成”
4.5.3 注意力机制：智能的“聚焦”与“选择”
4.5.4 自监督学习：智能的“自学”之路
本章小结
习题
实验4-1 神经网络实现二值分类器
实验4-2 神经网络实现一维函数回归
实验4-3 TensorFlow Playground简单分类任务实战
实验4-4 CNN Explainer可视化工具探索
实验4-5 CNN实现手写数字分类
第5章 人工智能应用技术：智能改变生活
5.1 自然语言处理：与机器无障碍沟通
5.1.1 自然语言处理概述
5.1.2 自然语言处理基本技术
5.1.3 自然语言处理的应用
5.2 语音交互技术：让声音传递智能
5.2.1 语音交互技术定义
5.2.2 语音交互的核心技术模块
5.2.3 语音交互的应用
5.3 计算机视觉：让机器“看”见未来
5.3.1 计算机视觉的基础
5.3.2 计算机视觉的技术
5.3.3 计算机视觉的应用
5.4 知识图谱引言：让机器能够像人一样理解世界
5.4.1 知识图谱的定义
5.4.2 知识图谱的主要技术
5.4.3 知识图谱的构建
5.4.4 知识图谱应用
5.5 机器人：让机器能像人一样执行任务
5.5.1 机器人定义
5.5.2 机器人分类
5.5.3 机器人技术
5.5.4 机器人技术的应用
本章小结
习题
实验5-1 基于jieba的文本分词实现
实验5-2 NLP工具在情感倾向分析中的应用
实验5-3 基于人脸识别的公司人脸打卡实验
第6章 行业应用：人工智能赋能各行各业
6.1 人工智能+教育：智能教育的未来之路
6.1.1 人工智能技术引领教育新潮流
6.1.2 人工智能赋能教育：多场景融合应用
6.1.3 应用案例：小猿搜题
6.2 人工智能+农业：智能农业的绿色发展
6.2.1 人工智能+农业概述
6.2.2 人工智能赋能农业：多场景融合应用
6.2.3 应用案例：植小宝
6.3 人工智能+工业：智能制造的崛起
6.3.1 人工智能+智能制造概述
6.3.2 人工智能赋能智能制造：多场景融合应用
6.3.3 应用案例：基于Arduino的智能LED灯光系统设计
6.4 人工智能+交通：智能交通的未来愿景
6.4.1 人工智能+智能交通概述
6.4.2 人工智能在交通行业的应用
6.4.3 应用案例：高德地图
6.4.4 应用案例：萝卜快跑
6.5 人工智能+文旅：智能文旅的新体验
6.5.1 人工智能+文旅概述
6.5.2 人工智能在文旅行业的应用
6.5.3 应用案例：AI游云南
6.6 人工智能+医疗：智能医疗的革新
6.6.1 人工智能+医疗概述
6.6.2 人工智能在医疗行业的应用
6.6.3 应用案例：基于深度学习的中草药图像识别系统
本章小结
习题
实验6 基于DeepSeek搭建个人专业知识库
第7章 大模型：AI的新里程碑
7.1 大模型揭秘：人工智能的巨擘崛起
7.1.1 大模型的定义与特点
7.1.2 大模型神奇能力的由来——涌现能力
7.1.3 从无到有：大模型的发展历程
7.1.4 大模型是AI的未来核心
7.2 大模型的养成之道
7.2.1 大模型的分类：从“全能选手”到“领域专家”
7.2.2 预训练、微调与强化学习：大模型是怎样炼成的
7.2.3 优化策略：让大模型更加高效
7.2.4 大模型与人类协作的3种模式
7.2.5 RAG：从信息迷宫到精准答案
7.3 国内外大模型概览——AI世界的“语言精灵”
7.3.1 国内大模型：东方智慧的科技化身
7.3.2 国外大模型：全球科技的“顶流明星”
7.4 挑战与应对：给大模型戴上“数字金箍”
7.4.1 能耗问题：AI的“碳足迹”危机
7.4.2 伦理争议：潘多拉魔盒的钥匙
7.4.3 “幻觉”陷阱：一本正经的胡说八道
7.4.4 提示词工程：与大语言模型对话的魔法咒语
7.5 AIGC实战演练：AI全能创作人
7.5.1 文生文——AI作家/诗人
7.5.2 文生图——AI画家
7.5.3 文生音频——AI作曲家
7.5.4 文生视频——AI制片人
7.5.5 文生代码——AI程序员
7.5.6 文生演示文稿——AI职场人
本章小结
习题
实验7 AI奇幻工坊——跨模态故事创作
附录 人工智能编程语言与工具
参考文献
前辅文
第1章 计算思维：解锁智能的钥匙
1.1 生活中的智慧密码：计算思维无处不在
1.1.1 揭开计算思维的面纱
1.1.2 探秘计算思维的特征
1.1.3 解锁生活中的计算思维方法
1.1.4 平凡之中见真章 ：揭示计算思维的底层逻辑
1.2 计算机的奥秘：从图灵机到现代计算机
1.2.1 图灵机：闪耀智慧的启明星
1.2.2 冯·诺依曼架构：计算机的核心“中枢”
1.2.3 未来计算机体系的发展方向
1.3 数据的魔法：数字化表示的艺术
1.3.1 数制及其转换：数字的奇幻之旅
1.3.2 数值型数据的密码：定点与浮点的故事
1.3.3 多媒体的数字化世界：文字、声音、图像、视频的奥秘
1.4 算法的智慧：构建智能世界的基石
1.4.1 程序的基本结构：构建智能蓝图的关键要素
1.4.2 算法：智能的“配方”
1.5 流程图的艺术：用Raptor绘制智能之路
1.5.1 流程图：智能思维的可视化表达
1.5.2 Raptor应用案例
本章小结
习题
实验1-1 信息的表示
实验1-2 Raptor算法设计
第2章 人工智能：通向未来之门
2.1 何以智能：从本源认识人工智能
2.1.1 认知之“道”：智能
2.1.2 智能工具的崛起
2.1.3 人工智能初探
2.1.4 人工智能溯源
2.2 源流纵横：人工智能的主要学派
2.2.1 符号主义：智能的“语言”
2.2.2 连接主义：神经网络的复兴
2.2.3 行为主义：智能的“行动”
2.2.4 融会贯通：人工智能的未来
2.3 探索未知：人工智能的奇妙领域
2.3.1 自然语言处理：与机器对话的未来
2.3.2 机器听觉：领悟从“听懂”开始
2.3.3 机器视觉：让机器“看”见世界
2.3.4 机器人：智能的“身体”
2.3.5 AIGC：人工智能的创作盛宴
2.4 安全与伦理：人工智能的双刃剑
2.4.1 风险与挑战：智能的“暗面”
2.4.2 偏见与隐私：智能的“道德”考验
2.4.3 权利与义务：智能时代的责任与担当
本章小结
习题
实验2 利用DeepSeek辅助设计智能推荐算法流程图
第3章 机器学习：让智能自主成长
3.1 学习的力量：机器学习初探
3.1.1 机器学习的早期定义
3.1.2 机器学习的现代定义
3.2 学习之道：机器学习多种方式
3.2.1 机器学习分类
3.2.2 监督学习：有导师的智能成长
3.2.3 无监督学习：自主探索的智能成才
3.2.4 半监督学习：导学相伴的智能之路
3.2.5 强化学习：奖惩驱动的智能进化
3.3 任务与目标：机器学习使命图解
3.3.1 监督学习：分类
3.3.2 监督学习：回归
3.3.3 无监督学习：聚类
3.3.4 无监督学习：降维
3.3.5 （无）监督学习对比：KNN与K-means的区别
3.4 流程与优化：机器学习实践之路
3.4.1 机器学习实践基本流程
3.4.2 机器学习实践流程案例
3.5 应用案例：机器学习实战风采
3.5.1 自动驾驶赋能
3.5.2 商品推荐赋智
3.5.3 扫地机器人赋活
本章小结
习题
实验3 机器学习基本流程
第4章 深度神经网络：智能的深层探索
4.1 神经网络：智能的“神经元”网络
4.1.1 神经网络的起源
4.1.2 神经网络的基本原理
4.2 神经网络的发展历程
4.3 神经网络家族：多样化的智能结构
4.3.1 卷积神经网络：图像的“解码器”
4.3.2 循环神经网络：序列的“记忆者”
4.3.3 生成对抗网络：创意的“源泉”
4.4 深度学习：智能的“深度”挖掘
4.4.1 深度学习的核心思想
4.4.2 深度学习与机器学习的区别
4.4.3 深度学习的主要特点
4.4.4 深度学习的优势与挑战
4.4.5 图片分类示例
4.5 关键技术：深度学习的“秘籍”
4.5.1 词向量与对象嵌入：智能的“语言”与“理解”
4.5.2 序列到序列模型：智能的“翻译”与“生成”
4.5.3 注意力机制：智能的“聚焦”与“选择”
4.5.4 自监督学习：智能的“自学”之路
本章小结
习题
实验4-1 神经网络实现二值分类器
实验4-2 神经网络实现一维函数回归
实验4-3 TensorFlow Playground简单分类任务实战
实验4-4 CNN Explainer可视化工具探索
实验4-5 CNN实现手写数字分类
第5章 人工智能应用技术：智能改变生活
5.1 自然语言处理：与机器无障碍沟通
5.1.1 自然语言处理概述
5.1.2 自然语言处理基本技术
5.1.3 自然语言处理的应用
5.2 语音交互技术：让声音传递智能
5.2.1 语音交互技术定义
5.2.2 语音交互的核心技术模块
5.2.3 语音交互的应用
5.3 计算机视觉：让机器“看”见未来
5.3.1 计算机视觉的基础
5.3.2 计算机视觉的技术
5.3.3 计算机视觉的应用
5.4 知识图谱引言：让机器能够像人一样理解世界
5.4.1 知识图谱的定义
5.4.2 知识图谱的主要技术
5.4.3 知识图谱的构建
5.4.4 知识图谱应用
5.5 机器人：让机器能像人一样执行任务
5.5.1 机器人定义
5.5.2 机器人分类
5.5.3 机器人技术
5.5.4 机器人技术的应用
本章小结
习题
实验5-1 基于jieba的文本分词实现
实验5-2 NLP工具在情感倾向分析中的应用
实验5-3 基于人脸识别的公司人脸打卡实验
第6章 行业应用：人工智能赋能各行各业
6.1 人工智能+教育：智能教育的未来之路
6.1.1 人工智能技术引领教育新潮流
6.1.2 人工智能赋能教育：多场景融合应用
6.1.3 应用案例：小猿搜题
6.2 人工智能+农业：智能农业的绿色发展
6.2.1 人工智能+农业概述
6.2.2 人工智能赋能农业：多场景融合应用
6.2.3 应用案例：植小宝
6.3 人工智能+工业：智能制造的崛起
6.3.1 人工智能+智能制造概述
6.3.2 人工智能赋能智能制造：多场景融合应用
6.3.3 应用案例：基于Arduino的智能LED灯光系统设计
6.4 人工智能+交通：智能交通的未来愿景
6.4.1 人工智能+智能交通概述
6.4.2 人工智能在交通行业的应用
6.4.3 应用案例：高德地图
6.4.4 应用案例：萝卜快跑
6.5 人工智能+文旅：智能文旅的新体验
6.5.1 人工智能+文旅概述
6.5.2 人工智能在文旅行业的应用
6.5.3 应用案例：AI游云南
6.6 人工智能+医疗：智能医疗的革新
6.6.1 人工智能+医疗概述
6.6.2 人工智能在医疗行业的应用
6.6.3 应用案例：基于深度学习的中草药图像识别系统
本章小结
习题
实验6 基于DeepSeek搭建个人专业知识库
第7章 大模型：AI的新里程碑
7.1 大模型揭秘：人工智能的巨擘崛起
7.1.1 大模型的定义与特点
7.1.2 大模型神奇能力的由来——涌现能力
7.1.3 从无到有：大模型的发展历程
7.1.4 大模型是AI的未来核心
7.2 大模型的养成之道
7.2.1 大模型的分类：从“全能选手”到“领域专家”
7.2.2 预训练、微调与强化学习：大模型是怎样炼成的
7.2.3 优化策略：让大模型更加高效
7.2.4 大模型与人类协作的3种模式
7.2.5 RAG：从信息迷宫到精准答案
7.3 国内外大模型概览——AI世界的“语言精灵”
7.3.1 国内大模型：东方智慧的科技化身
7.3.2 国外大模型：全球科技的“顶流明星”
7.4 挑战与应对：给大模型戴上“数字金箍”
7.4.1 能耗问题：AI的“碳足迹”危机
7.4.2 伦理争议：潘多拉魔盒的钥匙
7.4.3 “幻觉”陷阱：一本正经的胡说八道
7.4.4 提示词工程：与大语言模型对话的魔法咒语
7.5 AIGC实战演练：AI全能创作人
7.5.1 文生文——AI作家/诗人
7.5.2 文生图——AI画家
7.5.3 文生音频——AI作曲家
7.5.4 文生视频——AI制片人
7.5.5 文生代码——AI程序员
7.5.6 文生演示文稿——AI职场人
本章小结
习题
实验7 AI奇幻工坊——跨模态故事创作
附录 人工智能编程语言与工具
参考文献
前辅文
第1章 计算思维：解锁智能的钥匙
1.1 生活中的智慧密码：计算思维无处不在
1.1.1 揭开计算思维的面纱
1.1.2 探秘计算思维的特征
1.1.3 解锁生活中的计算思维方法
1.1.4 平凡之中见真章 ：揭示计算思维的底层逻辑
1.2 计算机的奥秘：从图灵机到现代计算机
1.2.1 图灵机：闪耀智慧的启明星
1.2.2 冯·诺依曼架构：计算机的核心“中枢”
1.2.3 未来计算机体系的发展方向
1.3 数据的魔法：数字化表示的艺术
1.3.1 数制及其转换：数字的奇幻之旅
1.3.2 数值型数据的密码：定点与浮点的故事
1.3.3 多媒体的数字化世界：文字、声音、图像、视频的奥秘
1.4 算法的智慧：构建智能世界的基石
1.4.1 程序的基本结构：构建智能蓝图的关键要素
1.4.2 算法：智能的“配方”
1.5 流程图的艺术：用Raptor绘制智能之路
1.5.1 流程图：智能思维的可视化表达
1.5.2 Raptor应用案例
本章小结
习题
实验1-1 信息的表示
实验1-2 Raptor算法设计
第2章 人工智能：通向未来之门
2.1 何以智能：从本源认识人工智能
2.1.1 认知之“道”：智能
2.1.2 智能工具的崛起
2.1.3 人工智能初探
2.1.4 人工智能溯源
2.2 源流纵横：人工智能的主要学派
2.2.1 符号主义：智能的“语言”
2.2.2 连接主义：神经网络的复兴
2.2.3 行为主义：智能的“行动”
2.2.4 融会贯通：人工智能的未来
2.3 探索未知：人工智能的奇妙领域
2.3.1 自然语言处理：与机器对话的未来
2.3.2 机器听觉：领悟从“听懂”开始
2.3.3 机器视觉：让机器“看”见世界
2.3.4 机器人：智能的“身体”
2.3.5 AIGC：人工智能的创作盛宴
2.4 安全与伦理：人工智能的双刃剑
2.4.1 风险与挑战：智能的“暗面”
2.4.2 偏见与隐私：智能的“道德”考验
2.4.3 权利与义务：智能时代的责任与担当
本章小结
习题
实验2 利用DeepSeek辅助设计智能推荐算法流程图
第3章 机器学习：让智能自主成长
3.1 学习的力量：机器学习初探
3.1.1 机器学习的早期定义
3.1.2 机器学习的现代定义
3.2 学习之道：机器学习多种方式
3.2.1 机器学习分类
3.2.2 监督学习：有导师的智能成长
3.2.3 无监督学习：自主探索的智能成才
3.2.4 半监督学习：导学相伴的智能之路
3.2.5 强化学习：奖惩驱动的智能进化
3.3 任务与目标：机器学习使命图解
3.3.1 监督学习：分类
3.3.2 监督学习：回归
3.3.3 无监督学习：聚类
3.3.4 无监督学习：降维
3.3.5 （无）监督学习对比：KNN与K-means的区别
3.4 流程与优化：机器学习实践之路
3.4.1 机器学习实践基本流程
3.4.2 机器学习实践流程案例
3.5 应用案例：机器学习实战风采
3.5.1 自动驾驶赋能
3.5.2 商品推荐赋智
3.5.3 扫地机器人赋活
本章小结
习题
实验3 机器学习基本流程
第4章 深度神经网络：智能的深层探索
4.1 神经网络：智能的“神经元”网络
4.1.1 神经网络的起源
4.1.2 神经网络的基本原理
4.2 神经网络的发展历程
4.3 神经网络家族：多样化的智能结构
4.3.1 卷积神经网络：图像的“解码器”
4.3.2 循环神经网络：序列的“记忆者”
4.3.3 生成对抗网络：创意的“源泉”
4.4 深度学习：智能的“深度”挖掘
4.4.1 深度学习的核心思想
4.4.2 深度学习与机器学习的区别
4.4.3 深度学习的主要特点
4.4.4 深度学习的优势与挑战
4.4.5 图片分类示例
4.5 关键技术：深度学习的“秘籍”
4.5.1 词向量与对象嵌入：智能的“语言”与“理解”
4.5.2 序列到序列模型：智能的“翻译”与“生成”
4.5.3 注意力机制：智能的“聚焦”与“选择”
4.5.4 自监督学习：智能的“自学”之路
本章小结
习题
实验4-1 神经网络实现二值分类器
实验4-2 神经网络实现一维函数回归
实验4-3 TensorFlow Playground简单分类任务实战
实验4-4 CNN Explainer可视化工具探索
实验4-5 CNN实现手写数字分类
第5章 人工智能应用技术：智能改变生活
5.1 自然语言处理：与机器无障碍沟通
5.1.1 自然语言处理概述
5.1.2 自然语言处理基本技术
5.1.3 自然语言处理的应用
5.2 语音交互技术：让声音传递智能
5.2.1 语音交互技术定义
5.2.2 语音交互的核心技术模块
5.2.3 语音交互的应用
5.3 计算机视觉：让机器“看”见未来
5.3.1 计算机视觉的基础
5.3.2 计算机视觉的技术
5.3.3 计算机视觉的应用
5.4 知识图谱引言：让机器能够像人一样理解世界
5.4.1 知识图谱的定义
5.4.2 知识图谱的主要技术
5.4.3 知识图谱的构建
5.4.4 知识图谱应用
5.5 机器人：让机器能像人一样执行任务
5.5.1 机器人定义
5.5.2 机器人分类
5.5.3 机器人技术
5.5.4 机器人技术的应用
本章小结
习题
实验5-1 基于jieba的文本分词实现
实验5-2 NLP工具在情感倾向分析中的应用
实验5-3 基于人脸识别的公司人脸打卡实验
第6章 行业应用：人工智能赋能各行各业
6.1 人工智能+教育：智能教育的未来之路
6.1.1 人工智能技术引领教育新潮流
6.1.2 人工智能赋能教育：多场景融合应用
6.1.3 应用案例：小猿搜题
6.2 人工智能+农业：智能农业的绿色发展
6.2.1 人工智能+农业概述
6.2.2 人工智能赋能农业：多场景融合应用
6.2.3 应用案例：植小宝
6.3 人工智能+工业：智能制造的崛起
6.3.1 人工智能+智能制造概述
6.3.2 人工智能赋能智能制造：多场景融合应用
6.3.3 应用案例：基于Arduino的智能LED灯光系统设计
6.4 人工智能+交通：智能交通的未来愿景
6.4.1 人工智能+智能交通概述
6.4.2 人工智能在交通行业的应用
6.4.3 应用案例：高德地图
6.4.4 应用案例：萝卜快跑
6.5 人工智能+文旅：智能文旅的新体验
6.5.1 人工智能+文旅概述
6.5.2 人工智能在文旅行业的应用
6.5.3 应用案例：AI游云南
6.6 人工智能+医疗：智能医疗的革新
6.6.1 人工智能+医疗概述
6.6.2 人工智能在医疗行业的应用
6.6.3 应用案例：基于深度学习的中草药图像识别系统
本章小结
习题
实验6 基于DeepSeek搭建个人专业知识库
第7章 大模型：AI的新里程碑
7.1 大模型揭秘：人工智能的巨擘崛起
7.1.1 大模型的定义与特点
7.1.2 大模型神奇能力的由来——涌现能力
7.1.3 从无到有：大模型的发展历程
7.1.4 大模型是AI的未来核心
7.2 大模型的养成之道
7.2.1 大模型的分类：从“全能选手”到“领域专家”
7.2.2 预训练、微调与强化学习：大模型是怎样炼成的
7.2.3 优化策略：让大模型更加高效
7.2.4 大模型与人类协作的3种模式
7.2.5 RAG：从信息迷宫到精准答案
7.3 国内外大模型概览——AI世界的“语言精灵”
7.3.1 国内大模型：东方智慧的科技化身
7.3.2 国外大模型：全球科技的“顶流明星”
7.4 挑战与应对：给大模型戴上“数字金箍”
7.4.1 能耗问题：AI的“碳足迹”危机
7.4.2 伦理争议：潘多拉魔盒的钥匙
7.4.3 “幻觉”陷阱：一本正经的胡说八道
7.4.4 提示词工程：与大语言模型对话的魔法咒语
7.5 AIGC实战演练：AI全能创作人
7.5.1 文生文——AI作家/诗人
7.5.2 文生图——AI画家
7.5.3 文生音频——AI作曲家
7.5.4 文生视频——AI制片人
7.5.5 文生代码——AI程序员
7.5.6 文生演示文稿——AI职场人
本章小结
习题
实验7 AI奇幻工坊——跨模态故事创作
附录 人工智能编程语言与工具
参考文献
前辅文
第1章 计算思维：解锁智能的钥匙
1.1 生活中的智慧密码：计算思维无处不在
1.1.1 揭开计算思维的面纱
1.1.2 探秘计算思维的特征
1.1.3 解锁生活中的计算思维方法
1.1.4 平凡之中见真章 ：揭示计算思维的底层逻辑
1.2 计算机的奥秘：从图灵机到现代计算机
1.2.1 图灵机：闪耀智慧的启明星
1.2.2 冯·诺依曼架构：计算机的核心“中枢”
1.2.3 未来计算机体系的发展方向
1.3 数据的魔法：数字化表示的艺术
1.3.1 数制及其转换：数字的奇幻之旅
1.3.2 数值型数据的密码：定点与浮点的故事
1.3.3 多媒体的数字化世界：文字、声音、图像、视频的奥秘
1.4 算法的智慧：构建智能世界的基石
1.4.1 程序的基本结构：构建智能蓝图的关键要素
1.4.2 算法：智能的“配方”
1.5 流程图的艺术：用Raptor绘制智能之路
1.5.1 流程图：智能思维的可视化表达
1.5.2 Raptor应用案例
本章小结
习题
实验1-1 信息的表示
实验1-2 Raptor算法设计
第2章 人工智能：通向未来之门
2.1 何以智能：从本源认识人工智能
2.1.1 认知之“道”：智能
2.1.2 智能工具的崛起
2.1.3 人工智能初探
2.1.4 人工智能溯源
2.2 源流纵横：人工智能的主要学派
2.2.1 符号主义：智能的“语言”
2.2.2 连接主义：神经网络的复兴
2.2.3 行为主义：智能的“行动”
2.2.4 融会贯通：人工智能的未来
2.3 探索未知：人工智能的奇妙领域
2.3.1 自然语言处理：与机器对话的未来
2.3.2 机器听觉：领悟从“听懂”开始
2.3.3 机器视觉：让机器“看”见世界
2.3.4 机器人：智能的“身体”
2.3.5 AIGC：人工智能的创作盛宴
2.4 安全与伦理：人工智能的双刃剑
2.4.1 风险与挑战：智能的“暗面”
2.4.2 偏见与隐私：智能的“道德”考验
2.4.3 权利与义务：智能时代的责任与担当
本章小结
习题
实验2 利用DeepSeek辅助设计智能推荐算法流程图
第3章 机器学习：让智能自主成长
3.1 学习的力量：机器学习初探
3.1.1 机器学习的早期定义
3.1.2 机器学习的现代定义
3.2 学习之道：机器学习多种方式
3.2.1 机器学习分类
3.2.2 监督学习：有导师的智能成长
3.2.3 无监督学习：自主探索的智能成才
3.2.4 半监督学习：导学相伴的智能之路
3.2.5 强化学习：奖惩驱动的智能进化
3.3 任务与目标：机器学习使命图解
3.3.1 监督学习：分类
3.3.2 监督学习：回归
3.3.3 无监督学习：聚类
3.3.4 无监督学习：降维
3.3.5 （无）监督学习对比：KNN与K-means的区别
3.4 流程与优化：机器学习实践之路
3.4.1 机器学习实践基本流程
3.4.2 机器学习实践流程案例
3.5 应用案例：机器学习实战风采
3.5.1 自动驾驶赋能
3.5.2 商品推荐赋智
3.5.3 扫地机器人赋活
本章小结
习题
实验3 机器学习基本流程
第4章 深度神经网络：智能的深层探索
4.1 神经网络：智能的“神经元”网络
4.1.1 神经网络的起源
4.1.2 神经网络的基本原理
4.2 神经网络的发展历程
4.3 神经网络家族：多样化的智能结构
4.3.1 卷积神经网络：图像的“解码器”
4.3.2 循环神经网络：序列的“记忆者”
4.3.3 生成对抗网络：创意的“源泉”
4.4 深度学习：智能的“深度”挖掘
4.4.1 深度学习的核心思想
4.4.2 深度学习与机器学习的区别
4.4.3 深度学习的主要特点
4.4.4 深度学习的优势与挑战
4.4.5 图片分类示例
4.5 关键技术：深度学习的“秘籍”
4.5.1 词向量与对象嵌入：智能的“语言”与“理解”
4.5.2 序列到序列模型：智能的“翻译”与“生成”
4.5.3 注意力机制：智能的“聚焦”与“选择”
4.5.4 自监督学习：智能的“自学”之路
本章小结
习题
实验4-1 神经网络实现二值分类器
实验4-2 神经网络实现一维函数回归
实验4-3 TensorFlow Playground简单分类任务实战
实验4-4 CNN Explainer可视化工具探索
实验4-5 CNN实现手写数字分类
第5章 人工智能应用技术：智能改变生活
5.1 自然语言处理：与机器无障碍沟通
5.1.1 自然语言处理概述
5.1.2 自然语言处理基本技术
5.1.3 自然语言处理的应用
5.2 语音交互技术：让声音传递智能
5.2.1 语音交互技术定义
5.2.2 语音交互的核心技术模块
5.2.3 语音交互的应用
5.3 计算机视觉：让机器“看”见未来
5.3.1 计算机视觉的基础
5.3.2 计算机视觉的技术
5.3.3 计算机视觉的应用
5.4 知识图谱引言：让机器能够像人一样理解世界
5.4.1 知识图谱的定义
5.4.2 知识图谱的主要技术
5.4.3 知识图谱的构建
5.4.4 知识图谱应用
5.5 机器人：让机器能像人一样执行任务
5.5.1 机器人定义
5.5.2 机器人分类
5.5.3 机器人技术
5.5.4 机器人技术的应用
本章小结
习题
实验5-1 基于jieba的文本分词实现
实验5-2 NLP工具在情感倾向分析中的应用
实验5-3 基于人脸识别的公司人脸打卡实验
第6章 行业应用：人工智能赋能各行各业
6.1 人工智能+教育：智能教育的未来之路
6.1.1 人工智能技术引领教育新潮流
6.1.2 人工智能赋能教育：多场景融合应用
6.1.3 应用案例：小猿搜题
6.2 人工智能+农业：智能农业的绿色发展
6.2.1 人工智能+农业概述
6.2.2 人工智能赋能农业：多场景融合应用
6.2.3 应用案例：植小宝
6.3 人工智能+工业：智能制造的崛起
6.3.1 人工智能+智能制造概述
6.3.2 人工智能赋能智能制造：多场景融合应用
6.3.3 应用案例：基于Arduino的智能LED灯光系统设计
6.4 人工智能+交通：智能交通的未来愿景
6.4.1 人工智能+智能交通概述
6.4.2 人工智能在交通行业的应用
6.4.3 应用案例：高德地图
6.4.4 应用案例：萝卜快跑
6.5 人工智能+文旅：智能文旅的新体验
6.5.1 人工智能+文旅概述
6.5.2 人工智能在文旅行业的应用
6.5.3 应用案例：AI游云南
6.6 人工智能+医疗：智能医疗的革新
6.6.1 人工智能+医疗概述
6.6.2 人工智能在医疗行业的应用
6.6.3 应用案例：基于深度学习的中草药图像识别系统
本章小结
习题
实验6 基于DeepSeek搭建个人专业知识库
第7章 大模型：AI的新里程碑
7.1 大模型揭秘：人工智能的巨擘崛起
7.1.1 大模型的定义与特点
7.1.2 大模型神奇能力的由来——涌现能力
7.1.3 从无到有：大模型的发展历程
7.1.4 大模型是AI的未来核心
7.2 大模型的养成之道
7.2.1 大模型的分类：从“全能选手”到“领域专家”
7.2.2 预训练、微调与强化学习：大模型是怎样炼成的
7.2.3 优化策略：让大模型更加高效
7.2.4 大模型与人类协作的3种模式
7.2.5 RAG：从信息迷宫到精准答案
7.3 国内外大模型概览——AI世界的“语言精灵”
7.3.1 国内大模型：东方智慧的科技化身
7.3.2 国外大模型：全球科技的“顶流明星”
7.4 挑战与应对：给大模型戴上“数字金箍”
7.4.1 能耗问题：AI的“碳足迹”危机
7.4.2 伦理争议：潘多拉魔盒的钥匙
7.4.3 “幻觉”陷阱：一本正经的胡说八道
7.4.4 提示词工程：与大语言模型对话的魔法咒语
7.5 AIGC实战演练：AI全能创作人
7.5.1 文生文——AI作家/诗人
7.5.2 文生图——AI画家
7.5.3 文生音频——AI作曲家
7.5.4 文生视频——AI制片人
7.5.5 文生代码——AI程序员
7.5.6 文生演示文稿——AI职场人
本章小结
习题
实验7 AI奇幻工坊——跨模态故事创作
附录 人工智能编程语言与工具
参考文献
