- 高等教育出版社
- 9787040677379
- 1版
- 16开
- 440
内容简介
本书是一本理论与实践并重的人工智能入门教材。全书共分为三篇，涵盖了从基础理论到核心技术，再到综合应用的全方位知识体系。第一篇为基础理论篇，旨在为读者构建人工智能的宏观认知框架，介绍了人工智能的发展历程、技术框架及未来趋势。第二篇为核心技术篇，详细讲解了人工智能的关键技术与实现方法。从Python编程基础入手，到机器学习的基本流程、典型算法以及深度学习的革命性进展，聚焦于自然语言处理和计算机视觉的实际应用。随后展望了大模型、智能体及AIGC等最新前沿技术，并且探讨了人工智能面临的安全与伦理挑战。第三篇为应用与实践篇，侧重于技术的落地与应用，通过WPS AI、阿里魔搭平台和Coze三个主流平台展示了人工智能的实际效能。
本书适合作为高等学校人工智能导论的教材，也适合对人工智能感兴趣的初学者及从业者作为参考读物，帮助读者从零开始，逐步掌握人工智能的核心技能并应用于实际场景。
目录
目录
前辅文
第一篇 基础理论篇
第1章 人工智能概述
1.1 初识人工智能
1.1.1 人工智能的定义
1.1.2 人工智能的核心特征
1.1.3 人工智能的重要意义
1.2 从“图灵一问”到“ChatGPT的对话”
1.2.1 萌芽与奠基期（20世纪50年代—80年代）：理论初探与技术萌芽
1.2.2 起伏与积累期（20世纪90年代—21世纪10年代）：技术迭代与场景探索
1.2.3 爆发与应用期（21世纪20年代至今）：大模型崛起与全面赋能
1.3 人工智能的技术框架与学科分支
1.3.1 人工智能的技术框架
1.3.2 人工智能的核心学科分支
1.4 AI在身边
1.4.1 智能制造
1.4.2 智能家居
1.4.3 智能金融
1.4.4 智慧医疗
1.4.5 智慧交通
1.4.6 智能安防
1.4.7 智慧农业
1.4.8 智能教育
1.4.9 智能物流
1.4.10 无人驾驶
1.5 AI未来谈
1.5.1 全面赋能与效率革命
1.5.2 突破人类认知边界
1.5.3 重塑社会运行基础
1.6 思考与练习
第2章 人工智能的核心支撑要素
2.1 数据
2.1.1 数据是什么
2.1.2 数据采集与预处理技术
2.1.3 数据存储
2.1.4 数据分析与可视化
2.2 算法
2.2.1 算法那些事
2.2.2 算法实现案例
2.3 算力
2.3.1 算力那些事
2.3.2 从CPU到AI芯片的演进
2.4 思考与练习
第二篇 核心技术篇
第3章 用Python开启人工智能之旅
3.1 为什么是Python
3.1.1 Python的简介与优势
3.1.2 Python的安装
3.1.3 PyCharm的安装
3.2 Python快速入门
3.2.1 第一个程序与编码规范
3.2.2 变量与简单数据类型
3.2.3 Python的数据结构
3.3 控制程序逻辑
3.3.1 选择结构
3.3.2 循环结构
3.3.3 循环控制语句
3.4 函数与代码模块化
3.4.1 函数的定义与调用
3.4.2 返回值与作用域
3.5 科学计算与数据处理
3.5.1 模块的导入
3.5.2 NumPy与数组操作
3.5.3 Matplotlib数据可视化入门
3.5.4 综合示例：学生成绩分析
3.6 思考与练习
第4章 机器学习基础
4.1 机器学习的概述
4.1.1 机器学习的定义与发展历程
4.1.2 机器学习的分类
4.1.3 基本术语
4.1.4 机器学习的基本流程
4.2 机器学习的典型算法
4.2.1 线性回归
4.2.2 逻辑回归
4.2.3 K近邻
4.2.4 聚类算法
4.3 模型评估与选择
4.3.1 泛化能力与评估验证
4.3.2 分类任务的评价指标
4.3.3 回归任务的评价指标
4.3.4 模型选择与参数调优
4.4 机器学习前沿范式
4.4.1 半监督学习
4.4.2 强化学习
4.4.3 迁移学习
4.4.4 联邦学习
4.5 实践案例：基于机器学习的泰坦尼克号幸存者预测
4.6 思考与练习
第5章 深度学习革命
5.1 神经网络基础
5.1.1 神经元模型
5.1.2 反向传播算法
5.1.3 梯度下降算法
5.1.4 激活函数
5.2 卷积神经网络
5.2.1 CNN的组成结构
5.2.2 经典CNN架构
5.3 RNN与Transformer
5.3.1 循环神经网络（RNN）
5.3.2 LSTM与GRU
5.3.3 Transformer
5.4 生成式模型
5.4.1 生成对抗网络（GAN）
5.4.2 扩散模型
5.5 实践案例：基于卷积神经网络的手写数字识别
5.6 思考与练习
第6章 自然语言处理
6.1 探秘自然语言处理
6.1.1 NLP是什么
6.1.2 NLP的超级应用
6.1.3 NLP的迷雾
6.2 语言学大解码
6.2.1 词汇、语法、语义
6.2.2 自然语言理解
6.3 Word2Vec含义
6.4 Transformer模型
6.5 NLP的魔法世界
6.5.1 机器翻译
6.5.2 聊天机器人
6.5.3 情感分析
6.6 让机器了解中文情感
6.7 实践案例：自然语言分词及词云可视化
6.8 思考与练习
第7章 计算机视觉
7.1 计算机视觉概述
7.1.1 图像的色彩密码
7.1.2 计算机眼中的图像
7.2 OpenCV图像魔法
7.2.1 图像的三部曲
7.2.2 创意绘图
7.2.3 边缘与轮廓
7.2.4 分割算法
7.3 深度学习计算机视觉大揭秘
7.3.1 YOLO秒懂物体的“眼力”
7.3.2 Mask R-CNN精准的像素级分隔
7.3.3 GAN与扩散模型：如何用AI创造真实世界
7.4 计算机视觉的超级应用
7.4.1 辅助驾驶让机器成为司机的最佳助手
7.4.2 AI如何分析比赛，并预测胜负
7.4.3 AI如何帮助医生发现潜在的健康问题
7.5 实践案例：深度学习目标检测——玩转YOLO模型
7.5.1 基于OpenCV库的目标检测
7.5.2 自定义数据集的目标检测
7.6 思考与练习
第8章 人工智能前沿
8.1 大模型
8.1.1 大模型那些事
8.1.2 大模型的概念及技术
8.1.3 大模型的应用
8.2 智能体
8.2.1 智能体的定义
8.2.2 智能体的特性及应用领域
8.3 AIGC
8.3.1 什么是AIGC
8.3.2 AIGC的核心技术
8.4 实践案例：生成式AI的应用——文生图、文生视频、图生视频
8.5 思考与练习
第9章 人工智能安全与伦理
9.1 人工智能安全与伦理的基本内涵
9.2 人工智能安全与伦理的关键挑战
9.2.1 人工智能的安全挑战
9.2.2 人工智能的伦理挑战
9.2.3 人工智能安全与伦理挑战的案例
9.3 人工智能安全与伦理未来治理范式
9.3.1 从“事后补救”到“伦理嵌入设计”
9.3.2 从“规则遵循”到“价值对齐”
9.3.3 从“国家监管”到“多元协同治理”
9.3.4 从“风险规避”到“发展-安全动态平衡”
9.4 思考与练习
第三篇 应用与实践篇
第10章 WPS AI综合应用
10.1 项目一：WPS AI文档写作助手
10.1.1 唤起WPS AI助手的常用方法
10.1.2 WPS帮我去旅游
10.1.3 WPS帮我来请假
10.1.4 WPS帮我改
10.2 项目二：WPS AI文档阅读助手
10.3 项目三：WPS AI表格分析助手
10.3.1 在表格中调用AI生成公式的两种方法
10.3.2 WPS AI表格分析助手-案例1：公司员工基本信息处理（侧重AI写公式）
10.3.3 WPS AI表格分析助手-案例2：班级成绩智能分析与学情诊断（侧重AI数据分析）
10.4 项目四：WPS AI表格助手
10.4.1 WPS AI表格助手-案例：设计和美化“销售信息表”
10.4.2 WPS AI表格助手案例：分析标记“销售信息表”
10.5 项目五：WPS AI演示设计助手
10.5.1 WPS AI演示设计助手：一键生成PPT
10.5.2 WPS AI演示设计助手：PPT智能美化
10.6 思考与练习
第11章 阿里魔搭平台案例应用
11.1 项目一：人脸识别
11.1.1 什么是人脸识别
11.1.2 人脸识别的常用算法与应用场景
11.1.3 利用阿里魔搭实现人脸识别
11.1.4 使用本地数据实现人脸识别
11.2 项目二：实时人体检测
11.2.1 什么是实时人体检测
11.2.2 实时人体检测的常用算法与应用场景
11.2.3 利用魔搭平台实现实时人体检测
11.2.4 使用本地数据实现人体检测
11.3 项目三：文生图
11.3.1 什么是文生图
11.3.2 文生图的常用算法与应用场景
11.3.3 利用阿里魔搭实现文生图
11.3.4 使用本地数据实现文生图
11.4 项目四：文字识别
11.4.1 什么是文字识别
11.4.2 文字识别的常用算法与应用场景
11.4.3 利用阿里魔搭实现文字识别
11.4.4 使用本地数据实现文字识别
11.5 项目五：语音合成
11.5.1 什么是语音合成
11.5.2 语音合成的常用算法与应用场景
11.5.3 利用阿里魔搭实现语音合成
11.6 项目六：智能问答应用
11.6.1 什么是智能问答应用
11.6.2 智能问答系统的常用算法与应用场景
11.6.3 利用阿里魔搭实现智能问答应用
11.7 思考与练习
第12章 智能体综合应用——以Coze为例
12.1 项目一：AI对话机器人
12.2 项目二：智能小助手
12.3 项目三：小说转视频助手
12.4 思考与练习
参考文献
前辅文
第一篇 基础理论篇
第1章 人工智能概述
1.1 初识人工智能
1.1.1 人工智能的定义
1.1.2 人工智能的核心特征
1.1.3 人工智能的重要意义
1.2 从“图灵一问”到“ChatGPT的对话”
1.2.1 萌芽与奠基期（20世纪50年代—80年代）：理论初探与技术萌芽
1.2.2 起伏与积累期（20世纪90年代—21世纪10年代）：技术迭代与场景探索
1.2.3 爆发与应用期（21世纪20年代至今）：大模型崛起与全面赋能
1.3 人工智能的技术框架与学科分支
1.3.1 人工智能的技术框架
1.3.2 人工智能的核心学科分支
1.4 AI在身边
1.4.1 智能制造
1.4.2 智能家居
1.4.3 智能金融
1.4.4 智慧医疗
1.4.5 智慧交通
1.4.6 智能安防
1.4.7 智慧农业
1.4.8 智能教育
1.4.9 智能物流
1.4.10 无人驾驶
1.5 AI未来谈
1.5.1 全面赋能与效率革命
1.5.2 突破人类认知边界
1.5.3 重塑社会运行基础
1.6 思考与练习
第2章 人工智能的核心支撑要素
2.1 数据
2.1.1 数据是什么
2.1.2 数据采集与预处理技术
2.1.3 数据存储
2.1.4 数据分析与可视化
2.2 算法
2.2.1 算法那些事
2.2.2 算法实现案例
2.3 算力
2.3.1 算力那些事
2.3.2 从CPU到AI芯片的演进
2.4 思考与练习
第二篇 核心技术篇
第3章 用Python开启人工智能之旅
3.1 为什么是Python
3.1.1 Python的简介与优势
3.1.2 Python的安装
3.1.3 PyCharm的安装
3.2 Python快速入门
3.2.1 第一个程序与编码规范
3.2.2 变量与简单数据类型
3.2.3 Python的数据结构
3.3 控制程序逻辑
3.3.1 选择结构
3.3.2 循环结构
3.3.3 循环控制语句
3.4 函数与代码模块化
3.4.1 函数的定义与调用
3.4.2 返回值与作用域
3.5 科学计算与数据处理
3.5.1 模块的导入
3.5.2 NumPy与数组操作
3.5.3 Matplotlib数据可视化入门
3.5.4 综合示例：学生成绩分析
3.6 思考与练习
第4章 机器学习基础
4.1 机器学习的概述
4.1.1 机器学习的定义与发展历程
4.1.2 机器学习的分类
4.1.3 基本术语
4.1.4 机器学习的基本流程
4.2 机器学习的典型算法
4.2.1 线性回归
4.2.2 逻辑回归
4.2.3 K近邻
4.2.4 聚类算法
4.3 模型评估与选择
4.3.1 泛化能力与评估验证
4.3.2 分类任务的评价指标
4.3.3 回归任务的评价指标
4.3.4 模型选择与参数调优
4.4 机器学习前沿范式
4.4.1 半监督学习
4.4.2 强化学习
4.4.3 迁移学习
4.4.4 联邦学习
4.5 实践案例：基于机器学习的泰坦尼克号幸存者预测
4.6 思考与练习
第5章 深度学习革命
5.1 神经网络基础
5.1.1 神经元模型
5.1.2 反向传播算法
5.1.3 梯度下降算法
5.1.4 激活函数
5.2 卷积神经网络
5.2.1 CNN的组成结构
5.2.2 经典CNN架构
5.3 RNN与Transformer
5.3.1 循环神经网络（RNN）
5.3.2 LSTM与GRU
5.3.3 Transformer
5.4 生成式模型
5.4.1 生成对抗网络（GAN）
5.4.2 扩散模型
5.5 实践案例：基于卷积神经网络的手写数字识别
5.6 思考与练习
第6章 自然语言处理
6.1 探秘自然语言处理
6.1.1 NLP是什么
6.1.2 NLP的超级应用
6.1.3 NLP的迷雾
6.2 语言学大解码
6.2.1 词汇、语法、语义
6.2.2 自然语言理解
6.3 Word2Vec含义
6.4 Transformer模型
6.5 NLP的魔法世界
6.5.1 机器翻译
6.5.2 聊天机器人
6.5.3 情感分析
6.6 让机器了解中文情感
6.7 实践案例：自然语言分词及词云可视化
6.8 思考与练习
第7章 计算机视觉
7.1 计算机视觉概述
7.1.1 图像的色彩密码
7.1.2 计算机眼中的图像
7.2 OpenCV图像魔法
7.2.1 图像的三部曲
7.2.2 创意绘图
7.2.3 边缘与轮廓
7.2.4 分割算法
7.3 深度学习计算机视觉大揭秘
7.3.1 YOLO秒懂物体的“眼力”
7.3.2 Mask R-CNN精准的像素级分隔
7.3.3 GAN与扩散模型：如何用AI创造真实世界
7.4 计算机视觉的超级应用
7.4.1 辅助驾驶让机器成为司机的最佳助手
7.4.2 AI如何分析比赛，并预测胜负
7.4.3 AI如何帮助医生发现潜在的健康问题
7.5 实践案例：深度学习目标检测——玩转YOLO模型
7.5.1 基于OpenCV库的目标检测
7.5.2 自定义数据集的目标检测
7.6 思考与练习
第8章 人工智能前沿
8.1 大模型
8.1.1 大模型那些事
8.1.2 大模型的概念及技术
8.1.3 大模型的应用
8.2 智能体
8.2.1 智能体的定义
8.2.2 智能体的特性及应用领域
8.3 AIGC
8.3.1 什么是AIGC
8.3.2 AIGC的核心技术
8.4 实践案例：生成式AI的应用——文生图、文生视频、图生视频
8.5 思考与练习
第9章 人工智能安全与伦理
9.1 人工智能安全与伦理的基本内涵
9.2 人工智能安全与伦理的关键挑战
9.2.1 人工智能的安全挑战
9.2.2 人工智能的伦理挑战
9.2.3 人工智能安全与伦理挑战的案例
9.3 人工智能安全与伦理未来治理范式
9.3.1 从“事后补救”到“伦理嵌入设计”
9.3.2 从“规则遵循”到“价值对齐”
9.3.3 从“国家监管”到“多元协同治理”
9.3.4 从“风险规避”到“发展-安全动态平衡”
9.4 思考与练习
第三篇 应用与实践篇
第10章 WPS AI综合应用
10.1 项目一：WPS AI文档写作助手
10.1.1 唤起WPS AI助手的常用方法
10.1.2 WPS帮我去旅游
10.1.3 WPS帮我来请假
10.1.4 WPS帮我改
10.2 项目二：WPS AI文档阅读助手
10.3 项目三：WPS AI表格分析助手
10.3.1 在表格中调用AI生成公式的两种方法
10.3.2 WPS AI表格分析助手-案例1：公司员工基本信息处理（侧重AI写公式）
10.3.3 WPS AI表格分析助手-案例2：班级成绩智能分析与学情诊断（侧重AI数据分析）
10.4 项目四：WPS AI表格助手
10.4.1 WPS AI表格助手-案例：设计和美化“销售信息表”
10.4.2 WPS AI表格助手案例：分析标记“销售信息表”
10.5 项目五：WPS AI演示设计助手
10.5.1 WPS AI演示设计助手：一键生成PPT
10.5.2 WPS AI演示设计助手：PPT智能美化
10.6 思考与练习
第11章 阿里魔搭平台案例应用
11.1 项目一：人脸识别
11.1.1 什么是人脸识别
11.1.2 人脸识别的常用算法与应用场景
11.1.3 利用阿里魔搭实现人脸识别
11.1.4 使用本地数据实现人脸识别
11.2 项目二：实时人体检测
11.2.1 什么是实时人体检测
11.2.2 实时人体检测的常用算法与应用场景
11.2.3 利用魔搭平台实现实时人体检测
11.2.4 使用本地数据实现人体检测
11.3 项目三：文生图
11.3.1 什么是文生图
11.3.2 文生图的常用算法与应用场景
11.3.3 利用阿里魔搭实现文生图
11.3.4 使用本地数据实现文生图
11.4 项目四：文字识别
11.4.1 什么是文字识别
11.4.2 文字识别的常用算法与应用场景
11.4.3 利用阿里魔搭实现文字识别
11.4.4 使用本地数据实现文字识别
11.5 项目五：语音合成
11.5.1 什么是语音合成
11.5.2 语音合成的常用算法与应用场景
11.5.3 利用阿里魔搭实现语音合成
11.6 项目六：智能问答应用
11.6.1 什么是智能问答应用
11.6.2 智能问答系统的常用算法与应用场景
11.6.3 利用阿里魔搭实现智能问答应用
11.7 思考与练习
第12章 智能体综合应用——以Coze为例
12.1 项目一：AI对话机器人
12.2 项目二：智能小助手
12.3 项目三：小说转视频助手
12.4 思考与练习
参考文献
前辅文
第一篇 基础理论篇
第1章 人工智能概述
1.1 初识人工智能
1.1.1 人工智能的定义
1.1.2 人工智能的核心特征
1.1.3 人工智能的重要意义
1.2 从“图灵一问”到“ChatGPT的对话”
1.2.1 萌芽与奠基期（20世纪50年代—80年代）：理论初探与技术萌芽
1.2.2 起伏与积累期（20世纪90年代—21世纪10年代）：技术迭代与场景探索
1.2.3 爆发与应用期（21世纪20年代至今）：大模型崛起与全面赋能
1.3 人工智能的技术框架与学科分支
1.3.1 人工智能的技术框架
1.3.2 人工智能的核心学科分支
1.4 AI在身边
1.4.1 智能制造
1.4.2 智能家居
1.4.3 智能金融
1.4.4 智慧医疗
1.4.5 智慧交通
1.4.6 智能安防
1.4.7 智慧农业
1.4.8 智能教育
1.4.9 智能物流
1.4.10 无人驾驶
1.5 AI未来谈
1.5.1 全面赋能与效率革命
1.5.2 突破人类认知边界
1.5.3 重塑社会运行基础
1.6 思考与练习
第2章 人工智能的核心支撑要素
2.1 数据
2.1.1 数据是什么
2.1.2 数据采集与预处理技术
2.1.3 数据存储
2.1.4 数据分析与可视化
2.2 算法
2.2.1 算法那些事
2.2.2 算法实现案例
2.3 算力
2.3.1 算力那些事
2.3.2 从CPU到AI芯片的演进
2.4 思考与练习
第二篇 核心技术篇
第3章 用Python开启人工智能之旅
3.1 为什么是Python
3.1.1 Python的简介与优势
3.1.2 Python的安装
3.1.3 PyCharm的安装
3.2 Python快速入门
3.2.1 第一个程序与编码规范
3.2.2 变量与简单数据类型
3.2.3 Python的数据结构
3.3 控制程序逻辑
3.3.1 选择结构
3.3.2 循环结构
3.3.3 循环控制语句
3.4 函数与代码模块化
3.4.1 函数的定义与调用
3.4.2 返回值与作用域
3.5 科学计算与数据处理
3.5.1 模块的导入
3.5.2 NumPy与数组操作
3.5.3 Matplotlib数据可视化入门
3.5.4 综合示例：学生成绩分析
3.6 思考与练习
第4章 机器学习基础
4.1 机器学习的概述
4.1.1 机器学习的定义与发展历程
4.1.2 机器学习的分类
4.1.3 基本术语
4.1.4 机器学习的基本流程
4.2 机器学习的典型算法
4.2.1 线性回归
4.2.2 逻辑回归
4.2.3 K近邻
4.2.4 聚类算法
4.3 模型评估与选择
4.3.1 泛化能力与评估验证
4.3.2 分类任务的评价指标
4.3.3 回归任务的评价指标
4.3.4 模型选择与参数调优
4.4 机器学习前沿范式
4.4.1 半监督学习
4.4.2 强化学习
4.4.3 迁移学习
4.4.4 联邦学习
4.5 实践案例：基于机器学习的泰坦尼克号幸存者预测
4.6 思考与练习
第5章 深度学习革命
5.1 神经网络基础
5.1.1 神经元模型
5.1.2 反向传播算法
5.1.3 梯度下降算法
5.1.4 激活函数
5.2 卷积神经网络
5.2.1 CNN的组成结构
5.2.2 经典CNN架构
5.3 RNN与Transformer
5.3.1 循环神经网络（RNN）
5.3.2 LSTM与GRU
5.3.3 Transformer
5.4 生成式模型
5.4.1 生成对抗网络（GAN）
5.4.2 扩散模型
5.5 实践案例：基于卷积神经网络的手写数字识别
5.6 思考与练习
第6章 自然语言处理
6.1 探秘自然语言处理
6.1.1 NLP是什么
6.1.2 NLP的超级应用
6.1.3 NLP的迷雾
6.2 语言学大解码
6.2.1 词汇、语法、语义
6.2.2 自然语言理解
6.3 Word2Vec含义
6.4 Transformer模型
6.5 NLP的魔法世界
6.5.1 机器翻译
6.5.2 聊天机器人
6.5.3 情感分析
6.6 让机器了解中文情感
6.7 实践案例：自然语言分词及词云可视化
6.8 思考与练习
第7章 计算机视觉
7.1 计算机视觉概述
7.1.1 图像的色彩密码
7.1.2 计算机眼中的图像
7.2 OpenCV图像魔法
7.2.1 图像的三部曲
7.2.2 创意绘图
7.2.3 边缘与轮廓
7.2.4 分割算法
7.3 深度学习计算机视觉大揭秘
7.3.1 YOLO秒懂物体的“眼力”
7.3.2 Mask R-CNN精准的像素级分隔
7.3.3 GAN与扩散模型：如何用AI创造真实世界
7.4 计算机视觉的超级应用
7.4.1 辅助驾驶让机器成为司机的最佳助手
7.4.2 AI如何分析比赛，并预测胜负
7.4.3 AI如何帮助医生发现潜在的健康问题
7.5 实践案例：深度学习目标检测——玩转YOLO模型
7.5.1 基于OpenCV库的目标检测
7.5.2 自定义数据集的目标检测
7.6 思考与练习
第8章 人工智能前沿
8.1 大模型
8.1.1 大模型那些事
8.1.2 大模型的概念及技术
8.1.3 大模型的应用
8.2 智能体
8.2.1 智能体的定义
8.2.2 智能体的特性及应用领域
8.3 AIGC
8.3.1 什么是AIGC
8.3.2 AIGC的核心技术
8.4 实践案例：生成式AI的应用——文生图、文生视频、图生视频
8.5 思考与练习
第9章 人工智能安全与伦理
9.1 人工智能安全与伦理的基本内涵
9.2 人工智能安全与伦理的关键挑战
9.2.1 人工智能的安全挑战
9.2.2 人工智能的伦理挑战
9.2.3 人工智能安全与伦理挑战的案例
9.3 人工智能安全与伦理未来治理范式
9.3.1 从“事后补救”到“伦理嵌入设计”
9.3.2 从“规则遵循”到“价值对齐”
9.3.3 从“国家监管”到“多元协同治理”
9.3.4 从“风险规避”到“发展-安全动态平衡”
9.4 思考与练习
第三篇 应用与实践篇
第10章 WPS AI综合应用
10.1 项目一：WPS AI文档写作助手
10.1.1 唤起WPS AI助手的常用方法
10.1.2 WPS帮我去旅游
10.1.3 WPS帮我来请假
10.1.4 WPS帮我改
10.2 项目二：WPS AI文档阅读助手
10.3 项目三：WPS AI表格分析助手
10.3.1 在表格中调用AI生成公式的两种方法
10.3.2 WPS AI表格分析助手-案例1：公司员工基本信息处理（侧重AI写公式）
10.3.3 WPS AI表格分析助手-案例2：班级成绩智能分析与学情诊断（侧重AI数据分析）
10.4 项目四：WPS AI表格助手
10.4.1 WPS AI表格助手-案例：设计和美化“销售信息表”
10.4.2 WPS AI表格助手案例：分析标记“销售信息表”
10.5 项目五：WPS AI演示设计助手
10.5.1 WPS AI演示设计助手：一键生成PPT
10.5.2 WPS AI演示设计助手：PPT智能美化
10.6 思考与练习
第11章 阿里魔搭平台案例应用
11.1 项目一：人脸识别
11.1.1 什么是人脸识别
11.1.2 人脸识别的常用算法与应用场景
11.1.3 利用阿里魔搭实现人脸识别
11.1.4 使用本地数据实现人脸识别
11.2 项目二：实时人体检测
11.2.1 什么是实时人体检测
11.2.2 实时人体检测的常用算法与应用场景
11.2.3 利用魔搭平台实现实时人体检测
11.2.4 使用本地数据实现人体检测
11.3 项目三：文生图
11.3.1 什么是文生图
11.3.2 文生图的常用算法与应用场景
11.3.3 利用阿里魔搭实现文生图
11.3.4 使用本地数据实现文生图
11.4 项目四：文字识别
11.4.1 什么是文字识别
11.4.2 文字识别的常用算法与应用场景
11.4.3 利用阿里魔搭实现文字识别
11.4.4 使用本地数据实现文字识别
11.5 项目五：语音合成
11.5.1 什么是语音合成
11.5.2 语音合成的常用算法与应用场景
11.5.3 利用阿里魔搭实现语音合成
11.6 项目六：智能问答应用
11.6.1 什么是智能问答应用
11.6.2 智能问答系统的常用算法与应用场景
11.6.3 利用阿里魔搭实现智能问答应用
11.7 思考与练习
第12章 智能体综合应用——以Coze为例
12.1 项目一：AI对话机器人
12.2 项目二：智能小助手
12.3 项目三：小说转视频助手
12.4 思考与练习
参考文献
前辅文
第一篇 基础理论篇
第1章 人工智能概述
1.1 初识人工智能
1.1.1 人工智能的定义
1.1.2 人工智能的核心特征
1.1.3 人工智能的重要意义
1.2 从“图灵一问”到“ChatGPT的对话”
1.2.1 萌芽与奠基期（20世纪50年代—80年代）：理论初探与技术萌芽
1.2.2 起伏与积累期（20世纪90年代—21世纪10年代）：技术迭代与场景探索
1.2.3 爆发与应用期（21世纪20年代至今）：大模型崛起与全面赋能
1.3 人工智能的技术框架与学科分支
1.3.1 人工智能的技术框架
1.3.2 人工智能的核心学科分支
1.4 AI在身边
1.4.1 智能制造
1.4.2 智能家居
1.4.3 智能金融
1.4.4 智慧医疗
1.4.5 智慧交通
1.4.6 智能安防
1.4.7 智慧农业
1.4.8 智能教育
1.4.9 智能物流
1.4.10 无人驾驶
1.5 AI未来谈
1.5.1 全面赋能与效率革命
1.5.2 突破人类认知边界
1.5.3 重塑社会运行基础
1.6 思考与练习
第2章 人工智能的核心支撑要素
2.1 数据
2.1.1 数据是什么
2.1.2 数据采集与预处理技术
2.1.3 数据存储
2.1.4 数据分析与可视化
2.2 算法
2.2.1 算法那些事
2.2.2 算法实现案例
2.3 算力
2.3.1 算力那些事
2.3.2 从CPU到AI芯片的演进
2.4 思考与练习
第二篇 核心技术篇
第3章 用Python开启人工智能之旅
3.1 为什么是Python
3.1.1 Python的简介与优势
3.1.2 Python的安装
3.1.3 PyCharm的安装
3.2 Python快速入门
3.2.1 第一个程序与编码规范
3.2.2 变量与简单数据类型
3.2.3 Python的数据结构
3.3 控制程序逻辑
3.3.1 选择结构
3.3.2 循环结构
3.3.3 循环控制语句
3.4 函数与代码模块化
3.4.1 函数的定义与调用
3.4.2 返回值与作用域
3.5 科学计算与数据处理
3.5.1 模块的导入
3.5.2 NumPy与数组操作
3.5.3 Matplotlib数据可视化入门
3.5.4 综合示例：学生成绩分析
3.6 思考与练习
第4章 机器学习基础
4.1 机器学习的概述
4.1.1 机器学习的定义与发展历程
4.1.2 机器学习的分类
4.1.3 基本术语
4.1.4 机器学习的基本流程
4.2 机器学习的典型算法
4.2.1 线性回归
4.2.2 逻辑回归
4.2.3 K近邻
4.2.4 聚类算法
4.3 模型评估与选择
4.3.1 泛化能力与评估验证
4.3.2 分类任务的评价指标
4.3.3 回归任务的评价指标
4.3.4 模型选择与参数调优
4.4 机器学习前沿范式
4.4.1 半监督学习
4.4.2 强化学习
4.4.3 迁移学习
4.4.4 联邦学习
4.5 实践案例：基于机器学习的泰坦尼克号幸存者预测
4.6 思考与练习
第5章 深度学习革命
5.1 神经网络基础
5.1.1 神经元模型
5.1.2 反向传播算法
5.1.3 梯度下降算法
5.1.4 激活函数
5.2 卷积神经网络
5.2.1 CNN的组成结构
5.2.2 经典CNN架构
5.3 RNN与Transformer
5.3.1 循环神经网络（RNN）
5.3.2 LSTM与GRU
5.3.3 Transformer
5.4 生成式模型
5.4.1 生成对抗网络（GAN）
5.4.2 扩散模型
5.5 实践案例：基于卷积神经网络的手写数字识别
5.6 思考与练习
第6章 自然语言处理
6.1 探秘自然语言处理
6.1.1 NLP是什么
6.1.2 NLP的超级应用
6.1.3 NLP的迷雾
6.2 语言学大解码
6.2.1 词汇、语法、语义
6.2.2 自然语言理解
6.3 Word2Vec含义
6.4 Transformer模型
6.5 NLP的魔法世界
6.5.1 机器翻译
6.5.2 聊天机器人
6.5.3 情感分析
6.6 让机器了解中文情感
6.7 实践案例：自然语言分词及词云可视化
6.8 思考与练习
第7章 计算机视觉
7.1 计算机视觉概述
7.1.1 图像的色彩密码
7.1.2 计算机眼中的图像
7.2 OpenCV图像魔法
7.2.1 图像的三部曲
7.2.2 创意绘图
7.2.3 边缘与轮廓
7.2.4 分割算法
7.3 深度学习计算机视觉大揭秘
7.3.1 YOLO秒懂物体的“眼力”
7.3.2 Mask R-CNN精准的像素级分隔
7.3.3 GAN与扩散模型：如何用AI创造真实世界
7.4 计算机视觉的超级应用
7.4.1 辅助驾驶让机器成为司机的最佳助手
7.4.2 AI如何分析比赛，并预测胜负
7.4.3 AI如何帮助医生发现潜在的健康问题
7.5 实践案例：深度学习目标检测——玩转YOLO模型
7.5.1 基于OpenCV库的目标检测
7.5.2 自定义数据集的目标检测
7.6 思考与练习
第8章 人工智能前沿
8.1 大模型
8.1.1 大模型那些事
8.1.2 大模型的概念及技术
8.1.3 大模型的应用
8.2 智能体
8.2.1 智能体的定义
8.2.2 智能体的特性及应用领域
8.3 AIGC
8.3.1 什么是AIGC
8.3.2 AIGC的核心技术
8.4 实践案例：生成式AI的应用——文生图、文生视频、图生视频
8.5 思考与练习
第9章 人工智能安全与伦理
9.1 人工智能安全与伦理的基本内涵
9.2 人工智能安全与伦理的关键挑战
9.2.1 人工智能的安全挑战
9.2.2 人工智能的伦理挑战
9.2.3 人工智能安全与伦理挑战的案例
9.3 人工智能安全与伦理未来治理范式
9.3.1 从“事后补救”到“伦理嵌入设计”
9.3.2 从“规则遵循”到“价值对齐”
9.3.3 从“国家监管”到“多元协同治理”
9.3.4 从“风险规避”到“发展-安全动态平衡”
9.4 思考与练习
第三篇 应用与实践篇
第10章 WPS AI综合应用
10.1 项目一：WPS AI文档写作助手
10.1.1 唤起WPS AI助手的常用方法
10.1.2 WPS帮我去旅游
10.1.3 WPS帮我来请假
10.1.4 WPS帮我改
10.2 项目二：WPS AI文档阅读助手
10.3 项目三：WPS AI表格分析助手
10.3.1 在表格中调用AI生成公式的两种方法
10.3.2 WPS AI表格分析助手-案例1：公司员工基本信息处理（侧重AI写公式）
10.3.3 WPS AI表格分析助手-案例2：班级成绩智能分析与学情诊断（侧重AI数据分析）
10.4 项目四：WPS AI表格助手
10.4.1 WPS AI表格助手-案例：设计和美化“销售信息表”
10.4.2 WPS AI表格助手案例：分析标记“销售信息表”
10.5 项目五：WPS AI演示设计助手
10.5.1 WPS AI演示设计助手：一键生成PPT
10.5.2 WPS AI演示设计助手：PPT智能美化
10.6 思考与练习
第11章 阿里魔搭平台案例应用
11.1 项目一：人脸识别
11.1.1 什么是人脸识别
11.1.2 人脸识别的常用算法与应用场景
11.1.3 利用阿里魔搭实现人脸识别
11.1.4 使用本地数据实现人脸识别
11.2 项目二：实时人体检测
11.2.1 什么是实时人体检测
11.2.2 实时人体检测的常用算法与应用场景
11.2.3 利用魔搭平台实现实时人体检测
11.2.4 使用本地数据实现人体检测
11.3 项目三：文生图
11.3.1 什么是文生图
11.3.2 文生图的常用算法与应用场景
11.3.3 利用阿里魔搭实现文生图
11.3.4 使用本地数据实现文生图
11.4 项目四：文字识别
11.4.1 什么是文字识别
11.4.2 文字识别的常用算法与应用场景
11.4.3 利用阿里魔搭实现文字识别
11.4.4 使用本地数据实现文字识别
11.5 项目五：语音合成
11.5.1 什么是语音合成
11.5.2 语音合成的常用算法与应用场景
11.5.3 利用阿里魔搭实现语音合成
11.6 项目六：智能问答应用
11.6.1 什么是智能问答应用
11.6.2 智能问答系统的常用算法与应用场景
11.6.3 利用阿里魔搭实现智能问答应用
11.7 思考与练习
第12章 智能体综合应用——以Coze为例
12.1 项目一：AI对话机器人
12.2 项目二：智能小助手
12.3 项目三：小说转视频助手
12.4 思考与练习
参考文献
