新書推薦：
《
从领口开始编织的钩针毛衫
》
售價：HK$
64.9
《
日中之光——埃瓦格里乌斯笔下5—6世纪的拜占庭帝国
》
售價：HK$
107.8
《
唐勾检制研究
》
售價：HK$
63.8
《
俄罗斯通史（公元9世纪—1917年）
》
售價：HK$
107.8
《
被争夺的身体：魏玛德国的生育制度
》
售價：HK$
96.8
《
热烈的孤独大宋词人的明月与江湖 大宋顶流小传两宋词人柳永苏轼等两宋王朝史
》
售價：HK$
76.8
《
抗衰营养全书
》
售價：HK$
85.8
《
罗马史 随书附赠专有名词对照册 诺贝尔文学奖获奖巨著
》
售價：HK$
437.8
|
| 內容簡介： |
|
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。
|
| 關於作者： |
|
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。
|
| 目錄：
|
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Photopea87
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 Notebook232
9.1.1 在VSCode中安装和使用Jupyter Notebook232
9.1.2 在Anaconda中使用Jupyter Notebook234
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API261
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API265
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
|
|
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
