本书是一本紧扣国家教育数字化战略行动要求，面向非计算机专业学习者的实用性人工智能通识教材，以“立足应用、提升素养、促进融合”为核心定位，通过系统的内容编排与丰富的实践设计，帮助读者掌握大模型技术应用方法，提升利用人工智能解决跨学科问题的能力。

全书共有11章，内容涵盖计算机基础知识、Python编程基础知识、人工智能概述、大模型与人工智能、人工智能与创意产业、WPS与AI智能办公、智能数据处理与分析、机器学习与深度学习、智能体、人工智能生态与应用、人工智能伦理与法律等。在内容呈现上，本书兼顾针对性与实用性：既聚焦非计算机专业学习者的需求，避开复杂技术壁垒，以通俗语言和直观案例讲解核心内容，又紧密结合跨学科应用场景，提供可直接参考的实践方案，满足不同专业读者解决实际问题的需求。

本书可以作为普通高等学校非计算机专业人工智能通识课的教材，也可以作为培训机构的人工智能培训教材。

前辅文
第1章 计算机基础知识
  1.1 计算机的发展历史与特点
   1.1.1 计算机发展简史
   1.1.2 计算机的特点、应用及分类
   1.1.3 计算机系统组成及工作原理
  1.2 计算机中数据的表示与存储方法
   1.2.1 数制系统
   1.2.2 二进制数的运算
   1.2.3 字符编码
  1.3 Windows 10操作系统
   1.3.1 操作系统的概念、功能与分类
   1.3.2 Windows 10操作系统
   1.3.3 Windows 10窗口与对话框
   1.3.4 Windows 10文件资源管理器
  习题
第2章 Python编程基础知识
  2.1 Python语言概述
   2.1.1 Python简介
   2.1.2 编程思维的重要性
  2.2 Jupyter Notebook环境
   2.2.1 Jupyter Notebook简介
   2.2.2 获取和使用Jupyter Notebook
   2.2.3 Jupyter Notebook界面和基本操作
   2.2.4 Markdown文本格式基础
  2.3 Python基础语法
   2.3.1 第一个Python程序
   2.3.2 变量和数据类型
   2.3.3 基本运算
   2.3.4 输入和输出
   2.3.5 条件判断
   2.3.6 循环语句
   2.3.7 列表基础
   2.3.8 函数基础
  2.4 编程实践案例
   2.4.1 简单的数学练习程序
   2.4.2 简单的通讯录程序
   2.4.3 简单的文字游戏
  2.5 Python与人工智能
   2.5.1 Python在人工智能中的作用
   2.5.2 简单的人工智能概念演示
   2.5.3 Python AI库简介
  2.6 错误处理和调试
   2.6.1 常见错误类型
   2.6.2 异常处理
   2.6.3 调试技巧
  2.7 综合实践项目
   2.7.1 学生信息管理系统
   2.7.2 简单的数据分析项目
  习题
第3章 人工智能概述
  3.1 人工智能的起源与发展
   3.1.1 人工智能的定义
   3.1.2 人工智能简史
   3.1.3 人工智能学派
  3.2 人工智能关键技术
   3.2.1 机器学习
   3.2.2 知识图谱
   3.2.3 自然语言处理
   3.2.4 计算机视觉
   3.2.5 人机交互
  3.3 人工智能的社会影响与伦理挑战
   3.3.1 人工智能对社会经济的变革
   3.3.2 人工智能带来的伦理争议
   3.3.3 人工智能的法律与道德规范
  3.4 人工智能最新进展与未来展望
  习题
第4章 大模型与人工智能
  4.1 大模型基础概念
   4.1.1 大模型的定义与特点
   4.1.2 大模型的分类
   4.1.3 大模型的发展历程
   4.1.4 大模型与传统人工智能模型的区别
   4.1.5 人工智能与大模型的关系
   4.1.6 大模型在人工智能领域的重要性
  4.2 典型大模型解析
   4.2.1 国外大模型产品
   4.2.2 国内大模型产品
   4.2.3 GPT系列模型原理与应用
   4.2.4 大模型的训练与优化
  4.3 大模型的应用场景与挑战
   4.3.1 大模型在各行业的应用实践
   4.3.2 大模型面临的技术与伦理挑战
   4.3.3 大模型未来发展趋势
  4.4 本地部署DeepSeek R1
   4.4.1 本地部署大模型的必要性
   4.4.2 DeepSeek R1模型简介
   4.4.3 本地计算机部署DeepSeek R1
  习题
第5章 人工智能与创意产业
  5.1 AIGC概述
   5.1.1 AIGC的含义
   5.1.2 AICG与大模型的关系
   5.1.3 AIGC的发展历程
   5.1.4 AIGC在创意产业的应用场景
  5.2 AI与绘画
   5.2.1 AI绘画的基本原理
   5.2.2 常用工具介绍
   5.2.3 图片类AI工具应用实践
  5.3 AI与音乐
   5.3.1 AI音乐生成的基本原理
   5.3.2 常用工具介绍
   5.3.3 豆包音乐制作应用实践
  5.4 AI与视频影像
   5.4.1 AI视频生成基本原理
   5.4.2 常用工具推荐
   5.4.3 视频类AI工具应用实践
  习题
第6章 WPS与AI智能办公
  6.1 WPS Office和智能办公概述
   6.1.1 WPS Office简介
   6.1.2 WPS Office组件介绍
   6.1.3 WPS Office下载及安装
   6.1.4 WPS文字
   6.1.5 WPS表格
   6.1.6 WPS演示
   6.1.7 智能办公概述
  6.2 AI写作助手
   6.2.1 WPS AI“帮我写”
   6.2.2 WPS AI“帮我改”
   6.2.3 WPS AI“伴写”
  6.3 AI设计助手
   6.3.1 WPS“AI排版”
   6.3.2 文档生成PPT
  6.4 AI阅读助手
   6.4.1 AI文档问答
   6.4.2 AI全文总结
   6.4.3 Al划词解释、翻译
  6.5 AI数据助手
   6.5.1 WPS AI表格助手
   6.5.2 WPS AI数据分析
   6.5.3 WPS AI公式及函数
  习题
第7章 智能数据处理与分析
  7.1 数据采集与预处理
   7.1.1 数据采集方法与工具
   7.1.2 数据清洗与去噪
   7.1.3 数据标准化与归一化
  7.2 数据分析与挖掘
   7.2.1 描述性统计分析
   7.2.2 机器学习在数据分析中的应用
   7.2.3 数据可视化与解读
  7.3 数据处理项目实践
   7.3.1 小型数据分析项目案例
   7.3.2 数据处理工具的应用
   7.3.3 数据处理与人工智能模型训练的关联
  习题
第8章 机器学习与深度学习
  8.1 机器学习概述
   8.1.1 机器学习的历史
   8.1.2 机器学习概念
   8.1.3 机器学习的应用领域
   8.1.4 机器学习的开发环境
  8.2 机器学习流程
   8.2.1 收集数据
   8.2.2 数据处理
   8.2.3 训练模型
   8.2.4 模型评估与优化
  8.3 机器学习算法
   8.3.1 线性回归
   8.3.2 逻辑回归
   8.3.3 决策树
   8.3.4 随机森林
   8.3.5 支持向量机
  8.4 深度学习概述
   8.4.1 深度学习概念
   8.4.2 深度学习工具
  8.5 常见深度学习模型
   8.5.1 循环神经网络
   8.5.2 卷积神经网络
   8.5.3 生成对抗网络
  习题
第9章 智能体
  9.1 智能体概述
   9.1.1 智能体的定义
   9.1.2 智能体的分类
   9.1.3 智能体的应用
  9.2 智能体的结构组成与工作机制
   9.2.1 智能体的基本组成模块
   9.2.2 智能体的工作机制
  9.3 基于大模型的智能体
  9.4 智能体搭建案例
  习题
第10章 人工智能生态与应用
  10.1 人工智能产业生态
   10.1.1 人工智能产业链构成
   10.1.2 国内外人工智能企业布局
   10.1.3 人工智能开源社区与平台
  10.2 “人工智能+”典型应用场景
   10.2.1 人工智能在医疗领域的应用
   10.2.2 人工智能在教育领域的应用
   10.2.3 人工智能在交通领域的应用
  习题
第11章 人工智能伦理与法律
  11.1 人工智能伦理问题
   11.1.1 隐私保护与数据安全
   11.1.2 算法偏见与公平性
   11.1.3 人工智能的责任界定
  11.2 人工智能相关法律
   11.2.1 国内外人工智能立法现状
   11.2.2 知识产权与版权保护
   11.2.3 法律监管与合规要求
  11.3 伦理与法律实践
   11.3.1 伦理审查与评估方法
   11.3.2 法律风险防范与应对
   11.3.3 未来伦理与法律发展方向
  习题
参考文献