本书是为人工智能通识课编写的教材，目标是让学生掌握计算机基础知识，熟悉人工智能的基本概念、主要模型，提高人工智能的应用能力。

本书以人工智能的知识及实践为主线，重点讲解Python程序设计、人工智能概念、深度学习环境配置、人工智能应用等。本书主要内容包括计算机系统、Python程序设计、人工智能概述、神经网络与深度学习、深度学习环境与实践、大语言模型、自然语言处理、AI辅助PPT制作、AI大模型进阶，并通过文本内容生成、翻译、编辑与校对、PPT生成、代码生成、数学建模、图像生成、视频生成等任务来引导学生深度学习当前主流的大模型，提高学生人工智能应用的能力。

本书可作为高等学校人工智能通识课教材，也可供对人工智能技术感兴趣的读者参考。

前辅文
第1章 计算机系统
  1.1 计算机系统的组成与特点
  1.2 硬件系统
   1.2.1 中央处理器
   1.2.2 图形处理单预
   1.2.3 内存储器
   1.2.4 输入输出控制系统
   1.2.5 外部设备
  1.3 系统
   1.3.1 系统
   1.3.2 应用
  1.4 计算机的工作原理
   1.4.1 存储程序
   1.4.2 程序控制
   1.4.3 指令执行
   1.4.4 各部件协同工作
  1.5 应用领域
   1.5.1 科学计算
   1.5.2 数据处理
   1.5.3 过程控制
   1.5.4 人工智能
  1.6 发展趋势
  1.7 本章小结
  习题
第2章 Python程序设计
  2.1 Python简介
   2.1.1 发展历程
   2.1.2 语言特点
   2.1.3 应用领域
  2.2 环境
   2.2.1 
   2.2.2 
   2.2.3 环境测试
  2.3 Python编程基础
   2.3.1 变量
   2.3.2 运算符
   2.3.3 输入输出
   2.3.4 条件语句
   2.3.5 循环语句
   2.3.6 嵌套循环
   2.3.7 循环中断语句
   2.3.8 数据
   2.3.9 字符串
   2.3.10 列表
   2.3.11 元组
   2.3.12 字典
   2.3.13 函数
   2.3.14 模块
  2.4 Python实践
   2.4.1 电商数据可视化
   2.4.2 图像处理
  2.5 本章小结
  习题
第3章 人工智能概述
  3.1 人工智能基础
   3.1.1 基本概念及主窑特点
   3.1.2 技术分支
   3.1.3 应用领域
  3.2 人工智能学派
   3.2.1 符号主义
   3.2.2 连接主义
   3.2.3 行为主义
   3.2.4 学派之间的关系与融合
  3.3 人工智能发展历史
   3.3.1 萌芽阶段
   3.3.2 第一次繁荣期与低谷阶段
   3.3.3 复苏与成长阶段
   3.3.4 现代化与快速发展阶段
  3.4 人工智能发展趋势
   3.4.1 技术创新与突破
   3.4.2 跨领域融合与应用
   3.4.3 人机协同与共生
   3.4.4 伦理规范与可持续发展
  3.5 本章小结
  习题
第4章 神经网络与深度学习
  4.1 神经网络简介
   4.1.1 神经网络发展历程
   4.1.2 神经预
   4.1.3 前馈神经网络
   4.1.4 反馈神经网络
  4.2 深度学习
   4.2.1 深度学习发展历程
   4.2.2 循环神经网络
   4.2.3 Transformer
   4.2.4 卷积神经网络
   4.2.5 生成对抗网络
  4.3 深度学习应用
   4.3.1 图像识别
   4.3.2 自然语言处理
   4.3.3 图像生成
  4.4 本章小结
  习题
第5章 深度学习环境与实践
  5.1 深度学习环境
   5.1.1 深度学习常用工具介绍
   5.1.2 Anaconda
   5.1.3 NVIDIA显卡驱动
   5.1.4 CUDA和cuDNN
   5.1.5 创建虚拟环境
  5.2 深度学习实践
   5.2.1 图像目标检测
   5.2.2 YOLO模型
   5.2.3 YOLO目标检测
   5.2.4 YOLO批量图像目标检测
  5.3 进阶应用实践
   5.3.1 图像风格转换
   5.3.2 换脸技术
  5.4 本章小结
  习题
第6章 大语言模型
  6.1 大语言模型简介
   6.1.1 大语言模型的特点
   6.1.2 发展历程
   6.1.3 技术演进
   6.1.4 大模型分类
  6.2 关键技术原理
   6.2.1 扩展
   6.2.2 训练
   6.2.3 能力引导
   6.2.4 对齐微调
   6.2.5 工具操作
  6.3 LLM模型架构设计
   6.3.1 主流架构
   6.3.2 主要配置设置对性能的影响
   6.3.3 预训练任务
  6.4 大语言模型产品
   6.4.1 
   6.4.2 文心一言
   6.4.3 通义千问
   6.4.4 DeepSeek
   6.4.5 PaLM
   6.4.6 LLaMA
  6.5 大语言模型的挑战与未来方向
   6.5.1 LLM的挑战
   6.5.2 LLM的未来方向
  6.6 本章小结
  习题
第7章 自然语言处理
  7.1 文本生成与创作
   7.1.1 高质量文本生成
   7.1.2 个性化内容创作
  7.2 文本翻译与转换
   7.2.1 语言翻译
   7.2.2 文本摘窑
   7.2.3 文本格式化
  7.3 文本编辑与校对
   7.3.1 语法纠错
   7.3.2 文本润色
   7.3.3 改写或仿写
  7.4 高质量文本个性化生成示例
   7.4.1 日常报告
   7.4.2 专业文稿
   7.4.3 新闻媒体
  7.5 功能介绍
   7.5.1 简易使用教程
   7.5.2 进阶功能使用教程
  7.6 DeepSeek功能介绍
   7.6.1 DeepSeek简易使用教程
   7.6.2 DeepSeek进阶功能使用教程
  7.7 本章小结
  习题
第8章 AI辅助PPT制作
  8.1 大纲与主题
   8.1.1 形成PPT大纲
   8.1.2 确定PPT主题
  8.2 内容生成
   8.2.1 生成文本详细内容
   8.2.2 选择与调整
  8.3 内容导入与编辑
   8.3.1 PPT编辑
   8.3.2 编辑与美化
   8.3.3 素材添加
  8.4 预览与导出
   8.4.1 预览PPT
   8.4.2 导出PPT
  8.5 本章小结
  习题
第9章 AI大模型进阶
  9.1 代码生成
   9.1.1 编程辅助
   9.1.2 自动代码审查与错误修复
   9.1.3 数据可视化
   9.1.4 自动化任务
  9.2 数学建模
   9.2.1 数学建模指令的编写
   9.2.2 数学建模的生成
  9.3 图像生成
   9.3.1 图像需求
   9.3.2 生成图像
   9.3.3 图像评估与导出
  9.4 视频生成
   9.4.1 规划与设计
   9.4.2 制作与编辑
   9.4.3 审查与发布
  9.5 本章小结
  习题
参考文献
附录 基于CPU深度学习环境的和配置