人工智能通識教育是高等教育領域亟待探索的重要課題。 本書圍繞人工智能通識教育實踐主題展開，從大語言模型入門，沿著數據、計算、智能工具到智能模型的路徑，逐步引導學生進入人工智能的世界。本書聚焦于計算機視覺和自然語言處理兩大應用方向，幫助學生理解深度學習模型，并通過調用大模型API的方式將智能模型融入實際程序。 全書共9章，各章內容包含知識講解和詳細實驗方案兩部分，并根據需要設計了拓展練習。本書重視課程思政建設，以DeepSeek為例介紹大語言模型，圖像處理與分析采用百度AI開放平臺和騰訊AI開放平臺實現，自然語言處理采用百度智能云千帆大模型實現。本書內容新穎、知識前沿，實驗可操作性強，編程環(huán)境一體化，有助于提升課程的高階性、創(chuàng)新性與挑戰(zhàn)度，科學培養(yǎng)學生應用AI解決問題的能力。本書提供配套電子課件、實驗素材和源代碼，可登錄華信教育資源網下載。
宋晏，北京科技大學計算機與通信工程學院高級講師。講授課程：算法基礎、C語言程序設計、數據結構與算法、Java程序設計、Java Web程序設計、Java Web應用實訓、JavaScript程序設計、jQuery程序設計、頁面交互實訓等。編寫教材：主編《Java程序設計及應用開發(fā)》，機械工業(yè)出版社，2016年；主編《計算機算法基礎（第2版）》，清華大學出版社，2015年；主編《計算機應用基礎（第2版）》，電子工業(yè)出版社，2013年；主編《計算機應用基礎》，電子工業(yè)出版社，2009年。
第1章 AI時代的計算機基礎技能 1
1.1 查看和管理系統(tǒng)軟硬件資源 1
1.1.1 Windows任務管理器 1
1.1.2 查看和管理系統(tǒng)軟硬件資源實驗 3
1.2 命令行界面及文件存儲路徑 7
1.2.1 命令行界面 7
1.2.2 文件存儲路徑 8
1.2.3 命令行文件系統(tǒng)導航實驗 9
1.3 軟件的安裝與卸載 11
1.3.1 軟件的安裝包 11
1.3.2 軟件的卸載 12
1.3.3 Path環(huán)境變量 13
1.3.4 安裝及使用Python實驗 15
1.3.5 拓展練習——pip的使用 17
第2章 認識人工智能 19
2.1 大語言模型問答 19
2.1.1 大語言模型概述 19
2.1.2 使用大語言模型的提示工程 20
2.1.3 大語言模型應用實驗 27
2.1.4 拓展練習 33
2.2 多模態(tài)大模型問答 33
2.2.1 多模態(tài)大模型概述 34
2.2.2 多模態(tài)大模型應用實驗 37
2.2.3 拓展練習——復雜場景文生圖 41
2.3 AI倫理問題及實踐 42
2.3.1 AI倫理問題概述 42
2.3.2 大語言模型與AI倫理實驗 44
第3章 數據、計算與智能 48
3.1 數據整理 48
3.1.1 Excel基本概念 48
3.1.2 數據錄入與格式化 49
3.1.3 數據清洗與整理 53
3.1.4 Excel數據集構建實驗 56
3.1.5 拓展練習——基金數據整理 59
3.2 數據的自動化計算 59
3.2.1 引用單元格內容 59
3.2.2 使用公式進行計算 59
3.2.3 使用函數進行計算 60
3.2.4 條件判斷與邏輯推理 61
3.2.5 文本的處理 63
3.2.6 Excel數據運算與處理實驗 64
3.2.7 拓展練習——復雜計算 66
3.3 數據分析與可視化 67
3.3.1 描述性統(tǒng)計 67
3.3.2 分類匯總 68
3.3.3 數據透視表 69
3.3.4 數據可視化 70
3.3.5 數據分析與可視化實驗 71
3.3.6 拓展練習——鳶尾花數據集 73
3.4 從數據到決策 74
3.4.1 “數據分析”工具包 74
3.4.2 圖表中的趨勢線 78
3.4.3 預測函數 80
3.4.4 數據預測實驗 82
3.4.5 拓展練習——波士頓房價數據集 85
第4章 數字圖像及智能應用 87
4.1 圖像編輯工具Photopea 87
4.1.1 Photopea文件管理 87
4.1.2 Photopea工作界面 89
4.1.3 繪制圖像的常用工具 90
4.1.4 選擇和應用顏色工具 91
4.1.5 圖層及相關操作 92
4.1.6 選區(qū)操作 94
4.2 圖像基礎知識實驗 95
4.2.1 圖像的數字化表示實驗 95
4.2.2 圖像的基本操作實驗 99
4.3 圖像處理基礎 101
4.3.1 圖像濾波 102
4.3.2 圖像處理實驗 102
4.3.3 拓展練習——復雜圖像的處理與增強 108
4.4 圖像AI應用 108
4.4.1 AI開放平臺體驗中心 109
4.4.2 圖像AI應用實驗 110
第5章 從計算到算法 112
5.1 VSCode的安裝和配置 112
5.1.1 VSCode簡介 112
5.1.2 VSCode的安裝及啟動 113
5.1.3 VSCode的配置及插件安裝 114
5.1.4 Python編程環(huán)境配置 115
5.1.5 使用VSCode編寫和運行Python程序及相關技巧 117
5.2 turtle繪圖與程序設計 119
5.2.1 turtle庫基礎 119
5.2.2 turtle繪圖與程序設計的流程控制實驗 120
5.2.3 turtle繪圖與函數模塊化實驗 124
5.2.4 turtle繪圖與動畫效果實驗 128
5.3 Python編程與計算 133
5.3.1 案例講解：績點計算 133
5.3.2 Python編程與計算實驗 135
5.4 迭代法 137
5.4.1 案例講解：二分法和牛頓法求解非線性方程 137
5.4.2 迭代法實驗 140
5.5 窮舉法 142
5.5.1 案例講解：組合問題 142
5.5.2 窮舉法實驗 144
第6章 從數據到智能 146
6.1 數據結構探索 146
6.1.1 列表的應用 146
6.1.2 列表的應用實驗 148
6.1.3 字典的應用 151
6.1.4 字典的應用實驗 153
6.1.5 拓展練習——在線購物車系統(tǒng) 157
6.2 數據清洗 158
6.2.1 文本去除噪聲 158
6.2.2 文本標準化 159
6.2.3 去除重復數據 163
6.2.4 處理缺失值 164
6.2.5 數據清洗實驗 167
6.2.6 拓展練習——用戶評論數據清洗與情感分類 169
6.3 數據增強 171
6.3.1 圖像數據增強 172
6.3.2 OpenCV基礎知識 173
6.3.3 獲取和處理圖像數據實驗 176
6.3.4 圖像縮放和旋轉 179
6.3.5 圖像縮放和旋轉實驗 182
第7章 人工智能與機器學習 186
7.1 線性回歸 186
7.1.1 線性回歸概述 186
7.1.2 使用糖尿病數據集進行線性回歸建模實驗 193
7.1.3 拓展練習——其他數據集的回歸分析 196
7.2 欠擬合和過擬合 196
7.2.1 欠擬合和過擬合概述 196
7.2.2 回歸問題中的欠擬合和過擬合實驗 196
7.2.3 知識拓展 199
7.3 簡單分類 200
7.3.1 邏輯回歸 201
7.3.2 鳶尾花數據集分類實驗 202
7.3.3 拓展練習——鳶尾花數據集特征標準化 204
7.4 分類問題的梯度下降法 204
7.4.1 分類問題的梯度下降過程 204
7.4.2 梯度下降法實驗 206
第8章 計算機視覺 210
8.1 計算機視覺環(huán)境搭建 210
8.1.1 Anaconda的安裝和配置 210
8.1.2 VSCode的安裝和配置 215
8.2 圖像分類 215
8.2.1 概述 216
8.2.2 手寫體數字識別實驗 216
8.2.3 拓展練習——LeNet-5在其他數據集中的應用 224
8.3 圖像分割 225
8.3.1 概述 225
8.3.2 細胞分割實驗 225
第9章 自然語言處理 232
9.1 安裝和使用Jupyter Notebook 232
9.1.1 在VSCode中安裝和使用Jupyter Notebook 232
9.1.2 在Anaconda中使用Jupyter Notebook 234
9.2 中文文本處理 237
9.2.1 jieba基礎知識 237
9.2.2 中文文本處理 243
9.2.3 中文文本處理實驗 247
9.2.4 拓展練習——情感分析其他應用 251
9.3 智能問答 252
9.3.1 文本特征表示基礎知識 252
9.3.2 智能問答實驗 256
9.3.3 拓展練習——完善智能問答系統(tǒng) 260
9.4 調用大模型API 261
9.4.1 調用大模型API的方法 261
9.4.2 案例講解：調用大模型API 265
9.4.3 調用大模型API實驗 269
9.4.4 拓展練習——構建智能多模態(tài)問答系統(tǒng) 274
書單推薦
