新書推薦：
《
自恋主义文化
》
售價：HK$
85.8
《
我是异类，你是怪物
》
售價：HK$
64.9
《
深夜的恋人们
》
售價：HK$
71.5
《
治未病常用中医外治法辑要
》
售價：HK$
96.8
《
西方哲学史：插图典藏版
》
售價：HK$
198.0
《
流血的仕途：李斯与秦帝国（全二册2026版）
》
售價：HK$
117.5
《
大学问·近代中国工业发展史（1860—1916）（著名历史学家张玉法先生学术代表作）
》
售價：HK$
86.9
《
战争与人性
》
售價：HK$
71.5
|
| 編輯推薦： |
1.零代码零公式，用通俗语言和生活化案例解读AI核心内容，大幅降低学习门槛，零基础轻松入门。
2.紧紧围绕通识教育核心理念，以深入浅出、通俗易懂的方式系统介绍人工智能知识和实践应用。
3.配套资源丰富，全面帮助教师进行课程建设。
|
| 內容簡介： |
|
本书详细阐述了培养具有人工智能素养的综合型人才所需要的相关知识。作为通识类课程教材，本书在确定知识布局时，紧紧围绕通识教育核心理念，系统介绍人工智能相关知识，努力培养学生的人工智能思维和人工智能能力。全书共4篇，分别是人工智能基础知识篇、人工智能基础技术篇、人工智能前沿技术篇和人工智能伦理篇。其中，人工智能基础知识篇包括信息与计算机基础、人工智能概述和人工智能的应用，人工智能基础技术篇包括机器学习、自然语言处理和计算机视觉，人工智能前沿技术篇包括大模型、智能体、具身智能、AIGC应用与实践，人工智能伦理篇包括人工智能伦理。本书以“零代码”学习人工智能为原则，使用AIGC工具解决学习、工作、生活中的各种问题。书中包含了大量生动、有趣、实用的实战案例，可以让读者切身感受人工智能的强大功能，培养读者使用AIGC工具解决实际问题的能力。 本书可作为高校人工智能通识课教材，也可供对人工智能感兴趣的读者自学使用。
|
| 關於作者： |
|
林子雨，男，博士（毕业于北京大学），国内高校知名大数据教师，厦门大学计算机科学与技术系副教授，厦门大学数据库实验室负责人，中国计算机学会数据库专委会委员，中国计算机学会信息系统专委会委员，全国工业大数据行业产教融合共同体特聘专家，入选“2021年高校计算机专业优秀教师奖励计划”，荣获“2022年福建省高等教育教学成果奖特等奖（个人排名第一）”和“2018年福建省高等教育教学成果奖二等奖（个人排名第一）”，编著出版13本大数据系列教材，被国内1000多所高校采用，建设了国内高校首个大数据课程公共服务平台，平台累计网络访问量超过2500万次，成为全国高校大数据教学知名品牌，主持的课程《大数据技术原理与应用》获评“2018年国家精品在线开放课程”和“2020年国家级线上一流本科课程”，主持的课程《Spark编程基础》获评“2021年国家级线上一流本科课程”。建设的大数据系列MOOC课程入选“2023年教 育部国家智慧教育公共服务平台应用典型案例”。
|
| 目錄：
|
目录
1.1 信息与计算机概述7
1.1.1 信息概述8
1.1.2 信息技术的发展10
1.1.3 计算机技术的发展10
1.1.4 计算机的分类12
1.1.5 四次信息化浪潮14
1.2 计算机系统14
1.2.1 硬件系统15
1.2.2 软件系统17
1.3计算机网络19
1.3.1 计算机网络概述19
1.3.2 移动互联网20
1.4 计算机系统安全21
1.4.1计算机系统面临的安全威胁21
1.4.2安全防护技术22
1.5 国家信息安全22
1.5.1 信息安全的主要领域22
1.5.2 保障国家信息安全的举措23
1.5.3 我国实施“信创”战略24
1.6 信息化基础设施26
1.6.1 网络设施26
1.6.2 算力设施27
1.6.3 空间设施28
1.6.4 电力设施29
1.6.5 新基建32
1.7 本章小结32
1.8 习题33
第 2章 人工智能概述34
2.1 什么是人工智能34
2.1.1 什么是智能34
2.1.2 人工智能的定义35
2.1.3 人工智能的要素35
2.1.4 人工智能的类型36
2.2 人工智能的发展历程37
2.2.1图灵测试37
2.2.2 人工智能的诞生37
2.2.3 人工智能的发展阶段38
2.2.4 人工智能发展的五个级别39
2.3 人工智能的影响40
2.3.1 人工智能对工作、生活等方面的影响40
2.3.2人工智能开启科学研究“第五范式”42
2.3.3 人工智能开启“人机共生”新时代44
2.4 世界各国的人工智能发展战略45
2.4.1 美国45
2.4.2中国45
2.4.3欧盟46
2.4.4 其他国家46
2.5 人工智能关键技术46
2.5.1机器学习46
2.5.2知识图谱48
2.5.3自然语言处理49
2.5.4人机交互49
2.5.5计算机视觉50
2.5.6生物特征识别51
2.6 人工智能应用51
2.7 人工智能产业52
2.7.1智能基础设施建设52
2.7.2智能信息及数据52
2.7.3智能技术服务53
2.7.4智能产品53
2.8 人工智能思维54
2.9 人工智能的未来发展56
2.10 本章小结58
2.11 习题58
3.1 在制造业的应用59
3.2 在智能家居中的应用59
3.3 在智能物流中的应用60
3.4 在金融行业的应用61
3.5 在医疗健康中的应用62
3.6 在安防领域的应用63
3.7 在交通运输中的应用64
3.8 在零售业的应用64
3.9 在农业的应用65
3.10 在环境保护中的应用66
3.11 在教育领域的应用67
3.12 在娱乐与游戏领域的应用67
3.13 本章小结68
3.14 习题68
4.1 机器学习基本概念70
4.1.1 什么是机器学习70
4.1.2 机器学习的四大类型70
4.1.3 机器学习的基本过程71
4.3 监督学习72
4.3.1 回归算法72
4.3.2 分类算法76
4.3.3 支持向量机81
4.3.4 KNN82
4.4 无监督学习83
4.4.1 K-Means84
4.4.2层次聚类84
4.4.3 DBSCAN85
4.4.4聚类算法的典型应用场景86
4.5 强化学习87
4.5.1 强化学习的基本要素87
4.5.2 强化学习的过程87
4.5.3 常见的强化学习算法88
4.5.4 强化学习的典型应用场景88
4.6 人工神经网络和深度学习90
4.6.1人工神经网络90
4.6.2 深度学习91
4.7 本章小结94
4.8 习题94
5.1自然语言处理概述96
5.1.1什么是自然语言处理96
5.1.2自然语言处理的重要性与应用价值96
5.1.3自然语言处理的发展简史97
5.2 自然语言处理的核心基础任务97
5.2.1文本分类：情感分析与主题识别97
5.2.2关系抽取：挖掘实体间的关联98
5.2.3命名实体识别：从文本中提取关键信息100
5.2.4文本聚类：相似文本的自动归组100
5.2.5信息检索：快速找到所需内容101
5.3 自然语言处理的典型应用场景102
5.4 本章小结103
5.5 习题103
6.1 计算机视觉概述104
6.1.1 什么是计算机视觉104
6.1.2 计算机视觉的发展历史104
6.1.3 计算机视觉与人类视觉的差异105
6.2计算机视觉的典型应用场景105
6.3 计算机视觉的核心任务105
6.4 计算机视觉面临的挑战106
6.5 本章小结107
6.6 习题107
7.1 大模型概述108
7.1.1 大模型的概念108
7.1.2 大模型与小模型的区别108
7.1.3 大模型的发展历程109
7.1.4 人工智能与大模型的关系110
7.1.5 大模型在人工智能领域的重要性111
7.2 大模型产品111
7.2.1 国外的大模型产品111
7.2.2 国内的大模型产品113
7.3.1 原理概述115
7.2.3 中美两国在大模型领域的竞争117
7.3 大模型的基本原理117
7.3.2 大模型训练的实例演示117
7.4 大模型的特点119
7.5 大模型的分类121
7.5.1 按照输入数据类型划分121
7.5.2 按照应用领域划分121
7.5.3 大语言模型的分类122
7.6 大模型训练的硬件设施123
7.7 大模型的成本124
7.8 大模型的应用领域125
7.9大模型对人们工作和生活的影响126
7.9.1大模型对工作的影响126
7.9.2 模型对生活的影响126
7.10 大模型的挑战与未来发展126
7.10.1 大模型的挑战126
7.10.2 大模型的未来发展127
7.11 大模型实战案例127
7.11.1 为什么需要本地部署大模型128
7.11.2 DeepSeek R1简介128
7.11.3 在本地计算机部署DeepSeek R1129
7.12 本章小结134
7.13 习题134
第8章 智能体136
8.1 智能体概述136
8.1.1 什么是智能体136
8.1.2 智能体的发展历程137
8.1.3 智能体的应用137
8.1.4 智能体的优势137
8.2 智能体和人工智能的关系138
8.3 智能体的关键特征139
8.4 智能体的分级140
8.5 智能体的分类142
8.6 智能体的组成142
8.7 智能体的工作原理142
8.8 智能体的关键技术143
8.9 典型的智能体产品143
8.10 基于大模型的智能体144
8.10.1 国外的智能体产品144
8.10.2 国内的智能体产品146
8.10.3 案例：扣子智能体搭建实战147
8.11 AI Agent和Agentic AI的关系152
8.12 智能体的未来发展154
8.13 本章小结154
8.14 习题155
9.1 具身智能概述156
9.1.1 什么是具身智能156
9.1.2 具身智能和智能体的关系156
9.1.3 具身智能的发展历程157
9.1.4 具身智能在人工智能中的地位与作用158
9.2 具身智能的技术支撑158
9.2.1 传感器技术：感知世界的触角158
9.2.2 机器学习与强化学习159
9.2.3 机器人技术：具身的物理载体160
9.3 具身智能的应用领域161
9.3.1 人机交互与协作161
9.3.2 自主系统与导航162
9.3.3 医疗健康162
9.3.4 娱乐与教育163
9.4 人形机器人163
9.4.1 人形机器人的内涵163
9.4.2 人形机器人的发展阶段164
9.4.3 人形机器人的分类165
9.4.4 典型人形机器人166
9.5 具身智能的挑战与限制169
9.5.1 技术挑战169
9.5.2 伦理与法律问题169
9.5.3 社会接受度与影响169
9.6 本章小结170
9.7 习题170
10.1 AIGC概述171
10.1.1 什么是AIGC171
10.1.2 AIGC与大模型的关系171
10.1.3 AIGC的发展历程171
10.1.4 常见的AIGC应用场景172
10.1.5 AIGC技术对行业发展的影响172
10.1.6 AIGC技术对职业发展的影响173
10.1.7 常见的AIGC大模型工具173
10.1.8 AIGC大模型的提示词173
10.2文本类AIGC应用实践174
10.2.1 文本类AIGC应用场景174
10.2.2 文本类AIGC工具基础知识174
10.2.3案例1：与DeepSeek进行对话179
10.2.4案例2：与百度文心一言进行对话181
10.2.5案例3：使用Kimi制作PPT183
10.2.6案例4：使用DeepSeek和转换工具生成WORD文档187
10.3图片类AIGC应用实践190
10.3.1图片类AIGC应用场景190
10.3.2 案例5：创意图片生成190
10.3.3 案例6：AI修图与老照片修复192
10.3.4 案例7：图片扩展与高清化196
10.3.5 案例8：智能抠图与图片融合197
10.3.6 案例9：涂抹消除与局部重绘202
10.3.7 案例10：AI绘画艺术创作205
10.3.8 案例11：真实照片转成二次元风格209
10.4语音类AIGC应用实践211
10.4.1 语音类AIGC应用场景211
10.4.2 案例12：豆包大模型的语音类功能用法212
10.4.3案例13：使用喜马拉雅音频大模型进行文本配音215
10.4.4 案例14：使用米可智能进行语音克隆217
10.5视频类AIGC应用实践221
10.5.1 视频类AIGC应用场景221
10.5.2 代表性的视频类AIGC大模型221
10.5.3 案例15：使用可灵AI实现文生视频222
10.5.4案例16：使用即梦AI实现图生视频227
10.5.5 案例17：使用即梦AI制作数字人234
10.6 AIGC技术在辅助编程中的应用237
10.6.1 AIGC技术在辅助编程中的应用场景237
10.6.2 案例18：使用豆包大模型辅助编程238
10.7 AI搜索239
10.7.1 AI搜索概述239
10.7.2 纳米AI搜索240
10.8 本章小结241
10.8 习题241
11.1 人工智能伦理概念242
11.2 人工智能的伦理问题242
11.2.1 人的主体性异化242
11.2.2 数据隐私和安全243
11.2.3 算法偏见和歧视243
11.2.4 AI造假、欺骗、信息污染244
11.2.5 算法的不透明性和不可解释性244
11.2.6 AI系统的不稳定性和风险性244
11.2.7 责任归属245
11.2.8 公平正义和社会效益245
11.2.9 AIGC技术对知识产权形成挑战245
11.2.10 人工智能在军事领域应用引发的伦理问题245
11.3 人工智能伦理典型案例246
11.3.1 亚裔市民被误识别为非洲裔遭拘留事件246
11.3.2 某国产新能源汽车高速智驾系统误判致连环追尾246
11.3.3 杭州某小区强制刷脸门禁侵犯业主隐私权案246
11.3.4 智能音箱夜间自动激活窃听用户私密对话事件247
11.3.5医疗AI误诊加剧种族健康差距247
11.3.6 甘肃某男子用ChatGPT编假新闻牟利247
11.3.7 智能家居系统“窃听”用户隐私247
11.3.8 使用AI复活逝者247
11.3.9 AI成瘾及首例AI致死命案悲剧248
11.4 人工智能伦理的基本原则248
11.5 解决人工智能伦理问题的策略249
11.5.1 制定和执行相关法规和政策249
11.5.2 加强AI技术的透明度和可解释性249
11.5.3 建立AI伦理审查机制249
11.5.4 提高公众对AI伦理问题的认识和意识250
11.5.5 加强国际合作和交流，共同解决AI伦理问题250
11.6 本章小结250
11.7 习题251
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
