图书详情

配套资源图书内容样章/电子教材图书评价

配套资源
本书资源

本书暂无资源
会员上传本书资源
为本书上传资源

图书内容

内容简介

本书是高等院校本科教材。本书系统梳理人工智能核心知识体系，全书共6章，主要内容包括人工智能概论、机器学习基础及应用、深度学习基础及应用、大模型的应用、提示工程、智能体的应用，各章节配备了丰富的应用案例。人工智能概论：介绍人工智能的基本概念、发展历史、关键技术，以及机器学习、深度学习、大语言模型的基本概念和人工智能的计算支撑。机器学习基础及应用：讲解机器学习的基本概念、算法分类、模型评估方法，以及机器学习工具的使用和应用案例分析。深度学习基础及应用：阐述深度学习的基本概念、神经网络基础结构，介绍深度学习开发框架的选择与安装、功能对比，以及应用案例分析。大语言模型的应用：分析大语言模型的工作原理、应用场景，以及本地部署及案例分析。提示工程：讲解提示、提示工程的基本概念，提示的编写原则与策略，以及应用案例分析。智能体及其应用：介绍智能体的定义、核心特征、应用场景，智能体的创建技术和开发案例实践，以及LangChain智能体应用。

图书详情

ISBN：9787121535819

开本：16开

页数：224

字数：322

本书目录

第1章  人工智能概述    1
1.1  什么是人工智能？    1
1.1  什么是人工智能？    2
1.2  人工智能发展历史    3
1.2.1  人工智能孕育阶段    3
1.2.2  人工智能曲折发展阶段    8
1.2.3  人工智能蓬勃发展阶段    10
1.3  人工智能的关键技术    12
1.3.1  机器学习    13
1.3.2  深度学习    14
1.3.3  大模型技术    15
1.4  人工智能的算力基础    16
1.4.1  人类的算力演变    16
1.4.2  人工智能核心算力：GPU    18
1.5  人工智能伦理    19
1.5.1  人工智能生成内容的固有缺陷    20
1.5.2  负责任人工智能的核心伦理原则    21
1.5.3  典型伦理风险与社会议题    23
本章小结    24
章节习题    24
第2章  机器学习基础及应用    27
2.1  机器学习的类别    28
2.1.1  监督学习    29
2.1.2  无监督学习    30
2.1.3  强化学习    30
2.2  机器学习的流程    32
2.3  机器学习经典算法    33
2.3.1  线性回归    33
2.3.2  逻辑回归    34
2.3.3  决策树    35
2.3.4  K-近邻    37
2.3.5  朴素贝叶斯    38
2.3.6  支持向量机    39
2.3.7  聚类    41
2.4  机器学习应用案例    43
2.4.1  外卖员配送时长预测    44
2.4.2  大学生性格分类    50
本章小结    54
章节习题    54
第3章  深度学习基础及应用    57
3.1  神经网络基础    59
3.1.1  生物神经元    59
3.1.2  人工神经元    59
3.1.3  人工神经网络结构    60
3.2  多层感知机    62
3.2.1  多层感知机网络结构    62
3.2.2  网络参数学习    63
3.3  卷积神经网络    66
3.3.1  卷积神经网络结构    66
3.3.2  卷积与池化    67
3.3.3  卷积神经网络全连接    69
3.3.4  经典卷积神经网络    69
3.4  循环神经网络    70
3.5  深度学习开发框架    72
3.5.1  TensorFlow    72
3.5.2  PyTorch    74
3.5.3  PaddlePaddle    74
3.5.4  MindSpore    75
3.6  深度学习应用案例    77
3.6.1  基于MLP的苹果成熟度预测    77
3.6.2  基于CNN的动物图像分类    83
3.6.3  基于LSTM的校园电信诈骗预测    89
本章小结    97
章节习题    98
第4章  大模型基础原理与应用    100
4.1  初识大模型    100
4.1  初识大模型    101
4.2  大模型在AIGC中的应用    102
4.2.1  AI生成PPT    103
4.2.2  AI生成思维导图    107
4.2.3  AI图像创作    110
4.2.4  AI音频处理    112
4.2.5  AI视频创作    114
4.2.6  AI图生视频    115
4.2.7  AI配音    117
4.2.8  AI辅助编程    118
4.3  大模型的底座架构—Transformer    125
4.3.1  分词—把文字变成“计算机理解的语言”    126
4.3.2  词嵌入—为每个词创建“多维身份证”    127
4.3.3  注意力机制—大模型的“思考焦点”    128
4.4  大模型训练过程    129
4.5  大模型API调用    131
4.6  大模型本地部署    133
4.6.1  Ollama本地部署大模型    134
4.6.2  Cherry Studio大模型可视化应用    137
本章小结    140
章节习题    140
第5章  提示工程    142
5.1  提示是什么？    143
5.1.1  提示的定义    143
5.1.2  提示工程的定义与价值    143
5.2  提示的编写原则与优化策略    145
5.2.1  提示的编写原则    145
5.2.2  提示的优化策略    146
5.2.3  高级提示技巧    149
5.3  提示的应用案例    153
5.3.1  从0到1，和AI一起生成一份完整的营销方案    153
5.3.2  AI辅助学生科研项目申报    157
5.3.3  AI生成健康科普文章    159
本章小结    164
章节习题    164
第6章  智能体及其应用    168
6.1  什么是智能体？    168
6.1  什么是智能体？    169
6.1.1  智能体的定义与核心特征    169
6.1.2  智能体的应用场景    171
6.2  大模型时代知识工程的范式演变    172
6.2.1  提示工程范式    173
6.2.2  上下文工程范式    173
6.2.3  驾驭工程范式    173
6.3  智能体开发平台    174
6.3.1  低代码/零代码智能体构建平台    174
6.3.2  LangChain智能体开发框架与工具链    176
6.4  智能体开发中的重要模块    178
6.4.1  大模型选型    178
6.4.2  插件    183
6.4.3  知识库    186
6.4.4  工作流    189
6.5  智能体开发综合案例    196
6.5.1  AI资讯信息获取小助手    196
6.5.2  OpenClaw智能体基础操作    206
本章小结    212
章节习题    212
参考文献    215

展开

前言

当我们站在2026年的门槛回望，人工智能（AI）的浪潮已以前所未有的深度和广度席卷了社会的每一个角落。从实验室里的理论模型到我们手中的智能设备，从复杂的工业生产到日常的办公生活，人工智能正以一种润物细无声的方式，重塑着我们认知世界和与世界交互的方式。其中，生成式人工智能（Gen AI）作为人工智能领域最具革命性的分支之一，更是以其强大的内容创造能力，打破了人类在文本、图像、音频、视频等领域的创作边界，开启了人机协作的新纪元。
本书正是在这样一个充满变革与机遇的时代背景下应运而生的。我们深感有必要为广大读者提供一本系统、全面且贴近实践的指南，以帮助大家理解AIGC的核心技术，掌握其主流工具的使用方法，并探索其在各个领域的创新应用。
2024年年初，政府工作报告首次提出“人工智能+行动”，鼓励高校在原有基础上拓宽人工智能专业教育内容，形成“人工智能+X”复合专业培养新模式。在此背景下，人工智能通识课程成为开展上述融合教育的重要基础。自2024年起，全国各省份陆续在高校全面推广人工智能通识课程，人工智能正逐步从计算机类专业的专业核心课程转变为面向全体高等院校大学生的通识教育必修内容。培养具有人工智能思维、能够在本专业领域应用人工智能解决实际问题的复合型人才，已成为高校教学改革的重要方向。
目前，许多高校已面向大一新生开设人工智能通识课程。然而，新生普遍面临数学基础薄弱（高等数学刚刚起步，线性代数、概率论等尚未学习）以及编程能力不足的现实困难。传统的人工智能专业课教材内容偏深、理论推导繁多，不适合通识课程教学；而近一两年出版的部分通识教材，仍然偏重理论讲解，实践环节以代码编程实现为主，难以激发学生的学习兴趣。为此，本书弱化烦琐的理论推导，强化实践应用，各章节配有丰富案例，并以低代码/零代码方式完成实践内容，旨在从实践中培养学生的人工智能素养和创新能力，使学生能够在后续专业学习中具备运用人工智能解决本领域问题的能力。
全书共6章。第1章“人工智能概述”，介绍人工智能的基本概念、发展历史，梳理机器学习、深度学习、大模型等关键技术，并讲解人工智能的算力基础（从人类算力演变到GPU核心算力）以及人工智能伦理的核心原则与典型风险。第2章“机器学习基础及应用”，阐述监督学习、无监督学习、强化学习三大类别及机器学习流程，介绍线性回归、逻辑回归、决策树等经典算法，并通过外卖员配送时长预测、大学生性格分类等贴近生活的案例，帮助学生理解算法的应用。第3章“深度学习基础及应用”，从生物神经元引出人工神经元与神经网络结构，讲解多层感知机、卷积神经网络、循环神经网络的基本原理与参数学习过程，介绍TensorFlow、PyTorch等主流开发框架，并设置苹果成熟度预测、动物图像分类、校园电信诈骗预测等案例，实现理论与实践的融合。第4章“大模型基础原理与应用”，引导学生初识大模型与AIGC技术，体验AI生成PPT、AI生成思维导图、AI图像创作、AI音频处理、AI视频创作、AI图生视频、AI配音及AI辅助编程等多种应用，深入浅出地讲解Transformer的底座架构及大模型训练过程，并介绍大模型API调用与本地部署，帮助学生掌握大模型的实际运用。第5章“提示工程”，讲解提示工程的定义与价值，提示的编写原则与优化策略，通过营销方案生成、学生科研项目申报、健康科普文章撰写等完整案例，教会学生高效使用大模型。第6章“智能体及其应用”，阐述智能体的定义、核心特征与应用场景，梳理大模型时代知识工程的范式演变（提示工程→上下文工程→驾驭工程），介绍低代码/零代码智能体构建平台及LangChain框架，围绕大模型选型、插件、知识库、工作流等核心模块，通过AI资讯信息获取、OpenClaw智能体操作等综合案例，培养学生搭建智能体的实践能力。
本书的编写特色如下。
（1）体系完整，内容精练。本书紧扣现代人工智能发展的主流技术脉络，系统涵盖了从基础概念到前沿应用的完整知识图谱。全书内容由浅入深、层层递进，既包含机器学习、深度学习等核心算法，又涵盖大模型、提示工程、智能体等最新技术热点，形成了“基础—算法—模型—应用—开发”的完整知识体系。同时，针对通识课程学时有限的实际情况，本书采用“小而精”的编写策略，不追求面面俱到，而是精选各领域中最具代表性、最实用的知识点，使学生在32学时内既能把握人工智能的整体发展脉络，又能掌握关键技术的实际应用能力。
（2）轻量化理论，强应用实践。针对大学新生的知识基础，在机器学习、深度学习章节中不做过多的数学公式推导，而是通过案例方式讲解知识点，注重贴近学生日常生活的实践分析。大模型章节偏重AIGC技术应用、API调用与本地部署，弱化复杂的理论基础；智能体章节以低代码/零代码方式引导学生搭建智能体，通过综合案例融会贯通插件、知识库、工作流的应用，培养解决实际问题的能力。
（3）案例教学，吃透理论。在机器学习、深度学习章节，用案例讲解经典算法，如通过预测苹果成熟度案例，生动演示神经网络权值更新过程。在大模型章节，讲解Transformer原理时，选取文字接龙续写科幻故事的趣味案例，避免引入复杂推理计算，让抽象概念变得通俗易懂。
（4）精选案例，激发创新。书中案例不囿于传统经典，而是选用贴近学生生活的小事，以激发学生的AI创新思维：机器学习中的外卖员配送时间预测、大学生性格分类；深度学习中的苹果成熟度预测、动物图像分类、校园电信诈骗预测；提示案例中的营销方案制定、科研项目申报、健康科普文章撰写；智能体案例中的AI职业顾问、班主任小助手、班委推荐小助手、AI资讯信息获取等。通过这些鲜活的案例，引导学生在日常生活的各个方面尝试用人工智能解决问题，培养学生的创新意识与实践能力。
由于编者水平、时间和精力有限，书中难免存在疏漏或错误之处，衷心欢迎专家和读者给予批评指正。

编  者  
2026年5月

展开

作者简介

本书暂无作者简介

样章试读

本书暂无样章试读！
图书评价我要评论

本书资源

会员上传本书资源

内容简介

图书详情

本书目录

前 言

作者简介

前言