本书面向数字时代人才培养的实际需求，系统介绍人工智能核心概念、基础原理、关键技术以及在教育领域的典型应用，旨在帮助高校学生提升人工智能素养，增强数字化创新能力。全书共14章，内容涵盖人工智能的基本理论、技术生态、教育应用、伦理安全、发展前景等模块，既注重知识体系的系统性，也突出应用场景的实践性。本书从人工智能的发展历程与三大流派出发，逐步引导读者了解云计算、大数据、区块链等关键支撑技术，掌握Python编程与机器学习、深度学习的基础方法，深入剖析自然语言处理、计算机视觉、语音识别等核心领域与智能教育的融合创新。特别是在AIGC与大模型技术迅速发展的背景下，书中增设了生成式人工智能、教育智能体设计与提示词工程等前沿内容，帮助学生建立AI工具使用与理解的整体能力。

本书强调“理解+实践+思辨”三位一体的教学理念，配套提供相关课件和实训素材，可作为高等学校人工智能通识类课程、数字素养通识课程、计算机基础课程的教材，也可供对人工智能感兴趣的读者自学使用。

前辅文
第1章 人工智能概述
  1.1 什么是人工智能
   1.1.1 人工智能的定义
   1.1.2 人工智能与自然智能
   1.1.3 人工智能的意义
  1.2 人工智能的前世今生
   1.2.1 人工智能起源
   1.2.2 人工智能发展历程
   1.2.3 人工智能流派
  1.3 AI+X：人工智能在各行业中的应用
   1.3.1 医疗行业
   1.3.2 教育
   1.3.3 金融业
   1.3.4 交通运输
   1.3.5 制造业
  1.4 思考与练习
第2章 人工智能技术生态
  2.1 云计算技术与应用
   2.1.1 云计算概述
   2.1.2 云计算关键技术
   2.1.3 云计算应用
  2.2 大数据技术与应用
   2.2.1 大数据概述
   2.2.2 大数据关键技术
   2.2.3 大数据应用
  2.3 区块链技术与应用
   2.3.1 区块链概述
   2.3.2 区块链关键技术
   2.3.3 区块链应用
  2.4 思考与练习
第3章 人工智能在教育领域的应用概述
  3.1 人工智能在教育中的应用场景
   3.1.1 智能教学系统与学习平台
   3.1.2 个性化学习推荐与路径规划
   3.1.3 智能评估与反馈系统
   3.1.4 虚拟助教与智能客服
  3.2 人工智能教育应用的优势与挑战
   3.2.1 提高教学效率与质量
   3.2.2 促进个性化学习与发展
   3.2.3 面临的挑战与应对策略
  3.3 思考与练习
第4章 人工智能与教育深度融合的实践与探索
  4.1 智能化课程设计：创新教学内容与方法
   4.1.1 基于AI的学习需求分析
   4.1.2 智能化课程内容的动态调整
   4.1.3 AI辅助的创新教学策略
  4.2 个性化学习支持：提升学习效率与效果
   4.2.1 学生画像构建与学习路径规划
   4.2.2 智能推荐系统与学习资源匹配
   4.2.3 个性化学习反馈与调整机制
  4.3 教育管理与评估的智能化：优化决策与提升质量
   4.3.1 教育大数据的收集与分析平台
   4.3.2 基于AI的教育决策支持系统
   4.3.3 智能化教育评估体系构建
  4.4 思考与练习
第5章 Python编程基础
  5.1 Python语言概述
   5.1.1 Python语言的诞生
   5.1.2 学习Python语言的重要性和意义
  5.2 Python程序设计
   5.2.1 AI辅助Python程序设计
   5.2.2 Python编程基础知识
  5.3 Python在人工智能教育中的应用
   5.3.1 搭建Python编程环境
   5.3.2 编辑运行一个Python程序
   5.3.3 实战：大数据爬取与分析
  5.4 思考与练习
第6章 机器学习与教育应用
  6.1 机器学习基础
   6.1.1 机器学习的概念
   6.1.2 机器学习的核心技术
   6.1.3 机器学习经典算法
  6.2 机器学习在教育中的应用
   6.2.1 机器学习平台与工具
   6.2.2 实现一个简单的机器学习程序
   6.2.3 实战：基于机器学习的学习行为智能评估
  6.3 思考与练习
第7章 深度学习与教育应用
  7.1 深度学习基础
   7.1.1 深度学习的概念
   7.1.2 深度学习核心技术
   7.1.3 深度学习经典算法
  7.2 深度学习在教育中的应用
   7.2.1 两个深度学习概念辨析
   7.2.2 深度学习平台与工具
   7.2.3 实现一个简单的深度学习程序
   7.2.4 实战：基于深度神经网络的智能评价
  7.3 思考与练习
第8章 自然语言处理
  8.1 自然语言处理概述
   8.1.1 自然语言处理的背景与现状
   8.1.2 自然语言处理的基本原理
  8.2 自然语言处理的关键技术
   8.2.1 分词
   8.2.2 语言建模
   8.2.3 特征工程
   8.2.4 机器翻译
  8.3 自然语言处理在教育文本分析中的应用
   8.3.1 教育文本挖掘
   8.3.2 多文档主题摘舀
   8.3.3 知识图谱构建
   8.3.4 作业与论文自动批改
  8.4 思考与练习
第9章 计算机视觉
  9.1 计算机视觉技术概述
   9.1.1 计算机视觉技术发展背景与现状
   9.1.2 计算机视觉技术的基本原理
  9.2 计算机视觉相关技术
   9.2.1 图像处理技术
   9.2.2 计算机视觉的核心技术
  9.3 计算机视觉在课堂管理中的应用
   9.3.1 课堂氛围分析与优化
   9.3.2 校园安全监控
  9.4 思考与练习
第10章 智能语音
  10.1 智能语音概述
   10.1.1 智能语音的概念
   10.1.2 语音处理的流程
  10.2 语音识别
   10.2.1 语音识别的概念
   10.2.2 语音识别的应用
  10.3 语音合成
   10.3.1 语音合成的概念
   10.3.2 语音合成的应用
  10.4 智能语音在教育场景中的应用
   10.4.1 语音识别在教育中的应用
   10.4.2 语音合成在教育中的应用
   10.4.3 智能语音技术对教学的影响与优势
   10.4.4 持续发展的挑战与未来展望
  10.5 思考与练习
第11章 生成式AI大模型技术
  11.1 大模型技术概述
   11.1.1 大模型技术的发展背景
   11.1.2 大模型技术的技术基础
   11.1.3 大模型主要存在的问题
  11.2 大模型的分类
   11.2.1 大语言模型
   11.2.2 视觉大模型
   11.2.3 多模态大模型
   11.2.4 不同大模型对比
  11.3 不同大模型在教学过程中的应用
   11.3.1 对话大模型应用实例
   11.3.2 绘画大模型应用实例
   11.3.3 视频大模型应用实例
  11.4 思考与练习
第12章 教育智能体设计与提示词工程
  12.1 智能体技术概述
   12.1.1 智能体基本概念
   12.1.2 智能体工作流设计方法
   12.1.3 知识检索增强（RAG）技术
  12.2 提示词工程概述
   12.2.1 提示词工程的定义与原理
   12.2.2 提示词的概念与分类
  12.3 面向教育教学场景的智能体设计策略与应用实例
   12.3.1 教育教学智能体工作流设计与提示词优化
   12.3.2 文本生成任务工作流编排与提示词优化
   12.3.3 作业批改任务工作流编排与提示词优化
  12.4 思考与练习
第13章 人工智能的伦理、安全与挑战
  13.1 人工智能的伦理问题
   13.1.1 数据隐私
   13.1.2 人类控制与自主性
   13.1.3 责任归属
  13.2 人工智能的安全问题
   13.2.1 数据安全
   13.2.2 模型安全
   13.2.3 社会安全
  13.3 人工智能的挑战
   13.3.1 技术挑战
   13.3.2 社会挑战
   13.3.3 法规挑战
  13.4 思考与练习
第14章 人工智能教育的未来愿景
  14.1 未来教育形态的重塑
   14.1.1 智能化学习环境的构建
   14.1.2 教育模式的转变
   14.1.3 基于项目与协作学习的创新
  14.2 人工智能技术在教育中的深度应用
   14.2.1 智能教学系统的进化
   14.2.2 教育评估与反馈的智能化
  14.3 思考与练习
参考文献