针对应用型本科高校的在校学生开展人工智能通识教育所需的教材，主要内容包括人工智能的基础、数据处理的基础、深度学习基础以及大模型应用基础等相关内容。主要介绍人工智能概述、DeepSeek模型原理与应用、提示词基础与设计、人工智能语言Python基础、人工智能数据基础、人工智能基础算法、大模型技术与应用、人工智能的未来与伦理。

陈根浪，男，教授，浙大宁波理工学院院长，主持科研项目50多项，包括国家和省自然科学基金、宁波市创新团队和30多项企业合作项目，研发宁波"天一分”"甬行码”"发改一号模型底座”等项目。发表论文50多篇，其中学科国际顶级刊物和SCI检索30多篇、EI检索10多篇。申请专利20多项，其中发明专利12项

第1章　人工智能导引
1.1　什么是人工智能
1.2　人工智能的起源与发展
1.3　人工智能的典型应用场景
1.4　人工智能的伦理与社会影响
小结
第2章　DeepSeek模型：原理与应用
2.1　DeepSeek模型概述
2.2　技术特点与创新
2.2.1 混合专家架构——团队协作的“大脑”
2.2.2 高效训练与优化——以巧取胜的创新
2.2.3　强化学习与自我进化
2.2.4 中文处理的天然优势
2.2.5 开源共享——打破垄断的机制创新
2.3　DeepSeek的典型应用场景
2.3.1　代码生成与辅助开发
2.3.2　数学与逻辑推理
2.3.3　私有知识库知识问答
小结
第3章　提示词基础与设计
3.1　提示词基本概念
3.1.1　提示词的定义
3.1.2　提示词的功能与影响
3.1.3　提示词的类型与表达形式
3.1.4　提示词与传统系统的区别
3.1.5　大模型如何理解提示词
3.2　提示词设计的关键步骤
3.2.1　明确需求与清晰指令
3.2.2　提供上下文与角色设定
3.2.3　设定输出格式与范围
3.2.4　提供示例和模板指导
3.2.5　将复杂任务拆解为步骤
3.2.6　引导模型逐步思考与推理
3.2.7　提示词的迭代优化与测试
3.3　提示词高级技巧与应用实例
3.3.1　多角色分工提示
3.3.2 “批判-改进”提示
3.3.3　反向提示
3.3.4　高保真模板提示
3.3.5　风格仿写与文体嵌入
3.3.6　情绪与语气调控
3.3.7　学科特化约束
小结
第4章　人工智能语言Python基础
4.1　Python与人工智能的关系
4.2　Python语言开发环境
4.2.1 Python支持的平台
4.2.2 Python下载与获取
4.2.3　安装Python与配置环境变量
4.2.4　运行Python：你的第一个Python程序
4.2.5　常见问题与排错
4.3　Python快速入门
4.3.1　程序结构与语法规则
4.3.2　变量与数据类型
4.3.3　运算符与表达式
4.3.4　常用数据结构简介
4.3.5　控制流程与逻辑结构
4.3.6　函数与模块：构建可重用代码块
4.4　Python核心库与AI开发
4.4.1 NumPy数值计算库
4.4.2 Pandas数据分析库
4.4.3 Matplotlib可视化库
4.4.4 Scikit-learn机器学习的工具箱
4.4.5 PyTorch深度学习的实验室
小结
第5章　人工智能数据基础
5.1　数据与人工智能
5.1.1　数据是人工智能的“生命线”
5.1.2　数据的“宇宙”：从比特到YB的数据洪流
5.1.3 AI时代的数据“双刃剑”：风险、挑战与负责任的使用
5.2　数据处理基础
5.2.1 Pandas中的Series和DataFrame
5.2.2　数据的读取与存储
5.2.3　数据抽取
5.2.4　数据的增加、修改和删除
5.3　数据获取、整合与初步探索
5.3.1　多源数据获取概述
5.3.2　数据拼接与合并/连接
5.3.3　数据聚合
5.3.4　数据初探
5.3.5　数据可视化
5.4　数据质量分析与清洗
5.4.1　缺失值分析与处理
5.4.2　重复值分析与处理
5.4.3　异常值分析与处理
5.4.4　数据类型分析与转换
5.5　数据关系探索与初步特征处理
5.5.1　相关性分析及可视化
5.5.2　特征编码
5.5.3　特征缩放
5.5.4　特征精简与优化
小结
第6章　人工智能基础算法
6.1　监督学习与无监督学习
6.1.1　监督学习
6.1.2　无监督学习
6.1.3　监督学习和无监督学习的差别
6.1.4　监督学习和无监督学习的应用
6.2　线性回归与逻辑回归
6.2.1　线性回归
6.2.2　逻辑回归
6.3　决策树与随机森林
6.3.1　决策树
6.3.2　随机森林
6.4　聚类算法
6.5　模型评估指标
6.5.1　回归任务评估指标
6.5.2　分类任务评估指标
小结
第7章　大模型技术与应用
7.1　大模型的基本概念与发展
7.1.1 大模型的基本概念
7.1.2 大模型的特征
7.1.3 大模型产品
7.1.4 大模型的发展历程
7.1.5 大模型的技术
7.1.6 大模型的分类
7.1.7 大模型的应用领域
7.2　AI数字人与换脸换声应用
7.2.1 AI数字人的概念
7.2.2 AI数字人的发展历程
7.2.3 数字人换脸换声技术
7.2.4 数字人换脸换声技术的应用领域
7.2.5 数字人换脸换声技术未来的挑战与发展趋势
7.3　Agent智能体机器人构建
7.3.1 Agent智能体的概念
7.3.2 智能体的发展历程
7.3.3 Agent智能体的分类
7.3.4 Agent智能体代表性的产品
7.3.5 智能体构建的技术框架
7.3.6 智能体应用的实践案例
小结
第8章　人工智能的未来与伦理
8.1　AI技术发展趋势
8.2　人工智能的伦理挑战与应对
8.2.1 面临的主要挑战
8.2.2 解决的技术方法
8.3　人工智能的法律挑战与应对
8.3.1 现有法律框架面临的挑战
8.3.2 应对策略的思考
小结