人工智能通识实践教程

定　　价：59.8 元 本教材已被 1 所学校申请过！

丛书名：

• 作者：宋晏
• 出版时间：2025/6/1
• ISBN：9787121503603
• 出 版 社：电子工业出版社

适用读者:本书可作为高等学校本科和专科各专业人工智能通识教育课程的教材，也适合希望了解人工智能相关内容的读者阅读。

• 中图法分类：TP18 
• 页码：284
• 版次：01
• 开本：16开
• 字数：477(单位：千字)

内容简介

人工智能通识教育是高等教育领域亟待探索的重要课题。 本书围绕人工智能通识教育实践主题展开，从大语言模型入门，沿着数据、计算、智能工具到智能模型的路径，逐步引导学生进入人工智能的世界。本书聚焦于计算机视觉和自然语言处理两大应用方向，帮助学生理解深度学习模型，并通过调用大模型API的方式将智能模型融入实际程序。 全书共9章，各章内容包含知识讲解和详细实验方案两部分，并根据需要设计了拓展练习。本书重视课程思政建设，以DeepSeek为例介绍大语言模型，图像处理与分析采用百度AI开放平台和腾讯AI开放平台实现，自然语言处理采用百度智能云千帆大模型实现。本书内容新颖、知识前沿，实验可操作性强，编程环境一体化，有助于提升课程的高阶性、创新性与挑战度，科学培养学生应用AI解决问题的能力。本书提供配套电子课件、实验素材和源代码，可登录华信教育资源网下载。

作者介绍

宋晏，北京科技大学计算机与通信工程学院高级讲师。讲授课程：算法基础、C语言程序设计、数据结构与算法、Java程序设计、Java Web程序设计、Java Web应用实训、JavaScript程序设计、jQuery程序设计、页面交互实训等。编写教材：主编《Java程序设计及应用开发》，机械工业出版社，2016年；主编《计算机算法基础（第2版）》，清华大学出版社，2015年；主编《计算机应用基础（第2版）》，电子工业出版社，2013年；主编《计算机应用基础》，电子工业出版社，2009年。

目 录

第1章 AI时代的计算机基础技能 1
1.1 查看和管理系统软硬件资源 1
1.1.1 Windows任务管理器 1
1.1.2 查看和管理系统软硬件资源实验 3
1.2 命令行界面及文件存储路径 7
1.2.1 命令行界面 7
1.2.2 文件存储路径 8
1.2.3 命令行文件系统导航实验 9
1.3 软件的安装与卸载 11
1.3.1 软件的安装包 11
1.3.2 软件的卸载 12
1.3.3 Path环境变量 13
1.3.4 安装及使用Python实验 15
1.3.5 拓展练习——pip的使用 17
第2章 认识人工智能 19
2.1 大语言模型问答 19
2.1.1 大语言模型概述 19
2.1.2 使用大语言模型的提示工程 20
2.1.3 大语言模型应用实验 27
2.1.4 拓展练习 33
2.2 多模态大模型问答 33
2.2.1 多模态大模型概述 34
2.2.2 多模态大模型应用实验 37
2.2.3 拓展练习——复杂场景文生图 41
2.3 AI伦理问题及实践 42
2.3.1 AI伦理问题概述 42
2.3.2 大语言模型与AI伦理实验 44
第3章 数据、计算与智能 48
3.1 数据整理 48
3.1.1 Excel基本概念 48
3.1.2 数据录入与格式化 49
3.1.3 数据清洗与整理 53
3.1.4 Excel数据集构建实验 56
3.1.5 拓展练习——基金数据整理 59
3.2 数据的自动化计算 59
3.2.1 引用单元格内容 59
3.2.2 使用公式进行计算 59
3.2.3 使用函数进行计算 60
3.2.4 条件判断与逻辑推理 61
3.2.5 文本的处理 63
3.2.6 Excel数据运算与处理实验 64
3.2.7 拓展练习——复杂计算 66
3.3 数据分析与可视化 67
3.3.1 描述性统计 67
3.3.2 分类汇总 68
3.3.3 数据透视表 69
3.3.4 数据可视化 70
3.3.5 数据分析与可视化实验 71
3.3.6 拓展练习——鸢尾花数据集 73
3.4 从数据到决策 74
3.4.1 “数据分析”工具包 74
3.4.2 图表中的趋势线 78
3.4.3 预测函数 80
3.4.4 数据预测实验 82
3.4.5 拓展练习——波士顿房价数据集 85
第4章 数字图像及智能应用 87
4.1 图像编辑工具Photopea 87
4.1.1 Photopea文件管理 87
4.1.2 Photopea工作界面 89
4.1.3 绘制图像的常用工具 90
4.1.4 选择和应用颜色工具 91
4.1.5 图层及相关操作 92
4.1.6 选区操作 94
4.2 图像基础知识实验 95
4.2.1 图像的数字化表示实验 95
4.2.2 图像的基本操作实验 99
4.3 图像处理基础 101
4.3.1 图像滤波 102
4.3.2 图像处理实验 102
4.3.3 拓展练习——复杂图像的处理与增强 108
4.4 图像AI应用 108
4.4.1 AI开放平台体验中心 109
4.4.2 图像AI应用实验 110
第5章 从计算到算法 112
5.1 VSCode的安装和配置 112
5.1.1 VSCode简介 112
5.1.2 VSCode的安装及启动 113
5.1.3 VSCode的配置及插件安装 114
5.1.4 Python编程环境配置 115
5.1.5 使用VSCode编写和运行Python程序及相关技巧 117
5.2 turtle绘图与程序设计 119
5.2.1 turtle库基础 119
5.2.2 turtle绘图与程序设计的流程控制实验 120
5.2.3 turtle绘图与函数模块化实验 124
5.2.4 turtle绘图与动画效果实验 128
5.3 Python编程与计算 133
5.3.1 案例讲解：绩点计算 133
5.3.2 Python编程与计算实验 135
5.4 迭代法 137
5.4.1 案例讲解：二分法和牛顿法求解非线性方程 137
5.4.2 迭代法实验 140
5.5 穷举法 142
5.5.1 案例讲解：组合问题 142
5.5.2 穷举法实验 144
第6章 从数据到智能 146
6.1 数据结构探索 146
6.1.1 列表的应用 146
6.1.2 列表的应用实验 148
6.1.3 字典的应用 151
6.1.4 字典的应用实验 153
6.1.5 拓展练习——在线购物车系统 157
6.2 数据清洗 158
6.2.1 文本去除噪声 158
6.2.2 文本标准化 159
6.2.3 去除重复数据 163
6.2.4 处理缺失值 164
6.2.5 数据清洗实验 167
6.2.6 拓展练习——用户评论数据清洗与情感分类 169
6.3 数据增强 171
6.3.1 图像数据增强 172
6.3.2 OpenCV基础知识 173
6.3.3 获取和处理图像数据实验 176
6.3.4 图像缩放和旋转 179
6.3.5 图像缩放和旋转实验 182
第7章 人工智能与机器学习 186
7.1 线性回归 186
7.1.1 线性回归概述 186
7.1.2 使用糖尿病数据集进行线性回归建模实验 193
7.1.3 拓展练习——其他数据集的回归分析 196
7.2 欠拟合和过拟合 196
7.2.1 欠拟合和过拟合概述 196
7.2.2 回归问题中的欠拟合和过拟合实验 196
7.2.3 知识拓展 199
7.3 简单分类 200
7.3.1 逻辑回归 201
7.3.2 鸢尾花数据集分类实验 202
7.3.3 拓展练习——鸢尾花数据集特征标准化 204
7.4 分类问题的梯度下降法 204
7.4.1 分类问题的梯度下降过程 204
7.4.2 梯度下降法实验 206
第8章 计算机视觉 210
8.1 计算机视觉环境搭建 210
8.1.1 Anaconda的安装和配置 210
8.1.2 VSCode的安装和配置 215
8.2 图像分类 215
8.2.1 概述 216
8.2.2 手写体数字识别实验 216
8.2.3 拓展练习——LeNet-5在其他数据集中的应用 224
8.3 图像分割 225
8.3.1 概述 225
8.3.2 细胞分割实验 225
第9章 自然语言处理 232
9.1 安装和使用Jupyter Notebook 232
9.1.1 在VSCode中安装和使用Jupyter Notebook 232
9.1.2 在Anaconda中使用Jupyter Notebook 234
9.2 中文文本处理 237
9.2.1 jieba基础知识 237
9.2.2 中文文本处理 243
9.2.3 中文文本处理实验 247
9.2.4 拓展练习——情感分析其他应用 251
9.3 智能问答 252
9.3.1 文本特征表示基础知识 252
9.3.2 智能问答实验 256
9.3.3 拓展练习——完善智能问答系统 260
9.4 调用大模型API 261
9.4.1 调用大模型API的方法 261
9.4.2 案例讲解：调用大模型API 265
9.4.3 调用大模型API实验 269
9.4.4 拓展练习——构建智能多模态问答系统 274