人工智能通识 课件 唐志航 第1-8章 人工智能发展简史- 办公软件实战应用

人工智能通识：新技术与创新实践AI发展里程碑与技术演进PART01人工智能与第四次工业革命PART02目录CONTENTSAI发展里程碑与技术演进01人工智能发展简史识01人工智能(ArtificialIntelligence,AI)是指计算机系统执行类似于人类智能的任务,如视觉识别、语音识别、决策支持等。简单来说,就是让机器“像人一样思考”。与传统的程序不同,人工智能技术能够让计算机通过数据和算法来学习、推理、理解,并完成复杂的任务。人工智能的核心目标是模拟或超越人类的某些认知能力。例如,图像识别技术可以让计算机“看懂”图片,语音助手能够理解和回应我们的指令,而推荐系统则可以根据用户的兴趣提供个性化的服务。这些应用不仅让科技更加智能化,也为我们的日常生活带来了诸多便利。一、什么是人工智能?人工智能发展简史识01人工智能的发展之路,是一条科技与梦想交织的长路。从最初的思辨设想,到今日的广泛应用,AI经历了曲折与辉煌的交替演进。如图1-1所示,若把人工智能比作一棵枝二、人工智能的发展历程繁叶茂的大树,那么它的每一次技术突破与社会回响,都是枝干上刻下的年轮印记。人工智能发展简史识01图1-1AI发展早期关键人物与事件时间轴图人工智能发展简史识01萌芽:概念初启的黄金年代(20世纪50年代中期)挫折与觉醒:专家系统的兴起与寒冬的来临(20世纪70年代末至80年代末)重生:机器学习与统计方法的崛起(20世纪90年代至21世纪)飞跃:深度学习与AI新时代的开启(2006年起)当前前沿:生成式人工智能的浪潮(2020年初至今)演进的主线:从规则到数据,从模型到生态010203040506人工智能与第四次工业革命02人工智能与第四次工业革命02项目前景历史长河中,工业革命曾三次重塑人类社会的运行逻辑。第一次工业革命以蒸汽机驱动机械化生产,解放了体力;第二次工业革命以电力与流水线催生大规模工业体系,提升了效率;第三次工业革命则以信息技术为支撑,引发了自动化与数字化浪潮。如今,我们正迈入以智能化为核心特征的第四次工业革命(Industry4.0),如图1-3所示人类工业革命四阶段演进过程。其最大特点在于:“数据”取代“能源”成为驱动力,“智能”取代“机械”成为主导力量。人工智能作为这一变革的中枢神经系统,正以前所未有的速度和广度,重塑产业结构、生产方式乃至社会形态。

AI不再只是计算机科学的技术工具,而是演化为覆盖全产业链的认知引擎和决策中枢。它打破了人类的传统思维范式,使得“机器学习”“深度感知”“智能控制”成为现实,而不再只是理论设想。一、工业文明的跃迁:AI成为新时代的引擎02人工智能与第四次工业革命二、AI引领下的产业变革与社会重构在AI推动下的第四次工业革命中,产业的核心驱动力从“劳动力密集”向“数据与智能密集”转变,重构了从研发到生产、从服务到治理的整个流程。04社会服务与教育:向“智能普惠”迈进03智慧城市:重塑公共治理方式01智能制造:从流水线到智能工厂02数字经济:AI驱动新兴商业模式02人工智能与第四次工业革命图1-3人类工业革命四阶段演进过程02人工智能与第四次工业革命三、生态融合趋势:AI与多技术协同共生第四次工业革命的显著特征在于不同技术的融合效应持续放大。AI并非孤立存在,它与大数据、物联网、云计算、区块链、边缘计算等技术相互嵌套、协同演化,构建出智能时代的基础生态,如图1-4所示AI与关键技术融合生态。例如:

AI+IoT→构成“AIoT”架构,实现设备自感知、自决策。

AI+Blockchain→构建可信智能系统,如“智能合约”与“AI审计”。

AI+Cloud→实现算力即服务,支持大模型训练与部署。

AI+EdgeComputing→将智能计算前置,满足低延时、高实时性场景。正是在这种协同基础上,AI不仅“会思考”,更能“会连接”“会执行”,推动从自动化到信息化再到智能化的跃迁。02人工智能与第四次工业革命图1-4AI与关键技术融合生态02人工智能与第四次工业革命四、面向未来:人工智能引发的思维革新更深层次的变革,是人工智能对人类认知方式与决策机制的重构。在第四次工业革命中,我们不再只是“使用工具”,而是与智能系统“共创价值”“协同思考”。这场由AI引发的思维革新,正推动人类从“经验判断”走向“智能支持”,从“反应应对”走向“主动预测”。未来的工程师、医生、教师、设计师,将不仅掌握技能,更需要理解并引导人工智能参与工作流程。人机协同将成为社会运行的常态。人工智能,不只是产业变革的引擎,更是通往未来社会的一道光。感谢欣赏THANKSYOU人工智能通识：新技术与创新实践主编：唐志航，罗雅博人工智能定义与分类PART01典型应用场景PART02实践:AI工具体验———探索生成式智能的真实能力PART03目录CONTENTS人工智能定义与分类01人工智能定义与分类01人工智能(ArtificialIntelligence,AI),是指由人类创造的机器系统,能够模拟、延伸甚至超越人类智能。其核心目标是使机器具备“感知-理解-决策-行动”能力,能够在复杂环境中完成任务、解决问题,并具备一定程度的学习与自我优化能力。学界普遍认为,人工智能是一门跨学科交融的综合性科学,涵盖计算机科学、认知科学、语言学、神经科学、数学、逻辑学等多个领域。它不仅追求构建“能计算”的系统,更旨在接近甚至重构“类人智慧”的系统。一、人工智能的基本定义人工智能定义与分类01根据智能的能力边界与目标实现程度,人工智能通常分为以下两类:二、人工智能的发展历程人工智能定义与分类011.弱AI(Narrow

AI)弱AI,也被称为专用人工智能,是指在某一特定任务领域表现出高度智能的系统,但并不具备全面的认知或通用推理能力。它们不能理解自身所处的环境,也无法迁移能力到其他任务上。典型例子包括:

•图像识别中的人脸检测系统。

•智能语音助手如Siri、Alexa。

•在线推荐算法与搜索引擎优化。

•ChatGPT这类大语言模型(虽然在多个领域表现出强大能力,但本质仍为弱AI范畴)。弱AI目前是人工智能的主流形态,也是推动产业智能化的现实支柱。人工智能定义与分类012.强AI(GeneralAI)强AI,又称为通用人工智能,指的是能够像人类一样进行自主学习、逻辑推理、情境理解与创造性思考的系统。它不受特定领域限制,具备解决广泛问题的能力。目前,强AI仍处于理论探讨与实验探索阶段,尚未实现真正意义上的通用智能系统。其研究涵盖自适应学习、情境迁移、类脑建模、意识模拟等前沿领域。小提示:尽管诸如GPT-4、Claude、Gemini等大模型具备强大的语言理解与生成能力,但其本质仍依赖大量数据与预训练知识,尚未具备人类意义上的自我意识或通用认知。典型应用场景02典型应用场景02项目前景

AI可对图像进行特征提取、目标识别与语义理解,广泛应用于:

•安防监控(人脸识别、异常行为检测)。

•医疗影像(肿瘤筛查、CT辅助诊断)。

•智能驾驶(车道识别、障碍物检测)。相关模型:ResNet、YOLO、SAM(SegmentAnythingModel)、CLIP(OpenAI图文模型)等。一、图像识别与计算机视觉02二、语音识别与语音交互

AI系统能够将人类语音转换为文本并进行语义分析,完成语音控制、智能问答、语言翻译等功能。

•智能语音助手(如AppleSiri、GoogleAssistant)。

•会议转写、实时字幕。

•AI客服、语言学习助手。相关模型:Whisper(OpenAI)、Conformer、Wav2Vec、ChatGPT语音接口等。典型应用场景02三、自然语言处理与对话系统

AI已实现对语言的理解、生成与推理,用于:

•问答系统与智能客服。

•内容创作与摘要生成。

•文本翻译与情感分析。代表模型:GPT-4、Claude3、Gemini、LLaMA、文心一言、DeepSeek等。当前主流语言大模型生态如图2-1所示,图中展示了中外主流模型厂商与模型名称(如OpenAI、Anthropic、百度、阿里、DeepSeek、智谱、MiniMax等),便于大家了解国际动态。典型应用场景02典型应用场景图2-1主流语言大模型生态02四、智能推荐与个性化服务

AI通过分析用户行为数据,实现内容、商品、广告等的个性化推荐:

•电商平台智能推荐(如淘宝、亚马逊)。

•视频平台内容推荐(如B站、抖音、YouTube)。

•新闻资讯与社交媒体推送。技术核心:协同过滤算法、知识图谱、深度排序网络(DSSM/DeepFM)等。典型应用场景02五、自动驾驶与智能交通

AI通过环境感知、路径规划与智能控制实现自动化驾驶体验:

•L2~L4级别自动驾驶。

•交通信号优化与拥堵预测。

•智能车联网(V2X)协同控制。典型系统:Tesla自动驾驶、百度Apollo、小鹏NGP系统等。典型应用场景02六、人工智能生成内容

AI不再只是“识别与理解”,更在“创作与表达”方面展现出惊人潜力。人工智能生成内容(ArtificalIntelligenceGeneratedContent,AIGC)可生成文本、图像、音频、视频、代码等内容,已在教育、设计、营销、编程等领域广泛应用。代表工具:

•文本生成:ChatGPT、Claude、DeepSeek-V3、文心一言。

•图像生成:DALL·E、StableDiffusion、Midjourney。

•音乐生成:Suno、MusicLM。

•视频生成:Pika、RunwayML。

•编程辅助:GitHubCopilot、CodeGeeX。典型应用场景02六、人工智能生成内容在中文语境下,国产大模型发展迅猛,尤其是由深度求索团队推出的DeepSeek系列模型,在学术写作、代码生成与知识问答等任务中表现优异。其“DeepSeek-V3”和“Deep-Seek-R1”等子模型,已被广泛应用于教学辅助、编程教育和科研写作,是高校课堂中理想的AI工具伙伴之一。本节内容帮助同学们厘清了人工智能的基本概念,区分了弱AI与强AI的核心差异,进一步通过多个贴近生活与前沿产业的典型应用场景,展示了AI技术的广泛影响力。通过学习,学生不仅能够从理论上理解人工智能,还能在实践中逐步建立起应用导向的知识框架。在接下来的学习中,我们将借助一系列典型的AI工具与平台,亲身体验人工智能在文本生成、图像识别、语言交互等领域的实际应用,进一步加深对AI能力与原理的理解。典型应用场景实践：AI工具体验——探索生成式智能的真实能力03实践：AI工具体验——探索生成式智能的真实能力03本实践环节旨在引导不同专业学生亲身体验生成式人工智能工具的功能与应用效果,增强对人工智能实际能力的理解,培养学生在专业相关任务中合理使用AI平台进行辅助学习与创造的基本素养。通过实践操作,学生将能够:

•熟悉主流国产大模型(如DeepSeek、文心一言)的基本使用方法。

•掌握专业相关的多模态任务操作流程。

•分析不同AI模型在专业任务下的表现差异与优势。一、任务目标实践：AI工具体验——探索生成式智能的真实能力03实践准备:登录并了解平台功能

1.访问DeepSeek和文心一言官网。

2.使用微信扫码/手机号注册并登录,如图2-3所示。

3.浏览平台功能概览,重点关注:

•DeepSeek:对话助手(R1、V3)、编程助手(CoderV2)。

•文心一言:知识问答、图文创作、语义理解。阅读模型介绍,了解其训练背景、主打功能与特色能力。二、分专业实践设计实践：AI工具体验——探索生成式智能的真实能力03图2-3登录方式实践：AI工具体验——探索生成式智能的真实能力03

【文科专业实践案例】任务名称:古诗词创作与分析实践任务内容:让AI创作一首以"科技与人文"为主题的现代诗,并进行文学分析。操作流程:

1.在DeepSeek中输入提示词:请创作一首现代诗,主题为"科技与人文的对话",要求:

-全诗8~12行

-运用对比手法

-体现人文关怀

-语言优美,意境深远

2.观察生成结果,如图2-4所示。实践：AI工具体验——探索生成式智能的真实能力03(a)提示词输入实践：AI工具体验——探索生成式智能的真实能力03(b)AI生成结果图2-4生成结果实践：AI工具体验——探索生成式智能的真实能力03根据生成结果要求AI进行文学分析:请从以下角度分析刚才创作的诗歌:

1.修辞手法的运用

2.意象的选择与意义

3.主题表达的深度

4.语言风格特点生成结果如图2-5所示。感谢欣赏THANKSYOU人工智能通识：新技术与创新实践主编：唐志航，罗雅博回归、分类与聚类算法简介PART01监督学习与非监督学习PART02目录CONTENTS回归、分类与聚类算法简介01回归、分类与聚类算法简介01

1.线性回归:最简单的起点线性回归是最简单也最常用的预测方法,就像我们在数学课上学过的画直线一样。生活中的例子:

•根据学习时间预测考试成绩。

•根据房屋面积预测房价。

•根据气温预测用电量。工作原理:想象你要预测房价。你发现房子越大,价格越高,这就是一种线性关系。线性回归就是在数据点中画一条最合适的直线,然后用这条直线来预测新房子的价格,如图3-2所示。一、回归算法:预测连续值01回归、分类与聚类算法简介图3-2线性回归示意图回归、分类与聚类算法简介01就像图中显示的,我们通过已知的房屋面积和价格数据点,画出一条最佳拟合直线,然后就能预测任何面积房屋的大概价格。2.其他回归方法简介•多项式回归:当关系不是直线而是曲线时使用,比如温度和冰淇淋销量的关系。•决策树回归:像玩“20个问题”游戏一样,通过一系列判断来预测结果。二、分类算法:预测类别分类算法像一个“分拣员”,把东西分到不同的类别里,比如邮件是垃圾邮件还是正常邮件。01回归、分类与聚类算法简介

1.决策树分类:像医生一样思考决策树就像医生诊断疾病的过程,通过问一系列问题来得出结论。模型结构可以直观地显示为一棵树。生活例子:决定是否去游泳

•第一个问题:今天天气好吗?如果天气不好→不去游泳如果天气好→继续问下一个问题

•第二个问题:水温合适吗?如果水温太冷→不去游泳如果水温合适→去游泳如图3-3所示通过决策树的可视化呈现,展示其如何通过一系列问题将数据分成不同类别的树状结构过程。01回归、分类与聚类算法简介图3-3决策树分类示意图例如,预测信用风险时,决策树可首先检查收入,然后是工作年限,最后是历史信用记录,最终给出“高风险”“中风险”或“低风险”的判断。01回归、分类与聚类算法简介

2.其他分类方法

•K近邻算法:根据“物以类聚”的原理,看看周围邻居是什么类别来判断。

•朴素贝叶斯:像侦探一样,根据各种线索的概率来推断结果。

•逻辑回归:虽然名字叫回归,但实际是计算属于某类别的概率。实际应用:

•邮箱自动识别垃圾邮件。

•银行判断信用卡交易是否异常。

•医院根据症状初步诊断疾病类型。01回归、分类与聚类算法简介三、聚类算法:发现隐藏的群体聚类算法像一个“群体发现者”,在没有标准答案的情况下,自动发现数据中的自然分组。

1.K-均值聚类:找到数据的“小圈子”

K-均值聚类就像在学校里观察学生自然形成的朋友圈,算法会自动找到相似特征的数据聚集在一起。工作步骤(用交友举例):

•先猜测会有几个朋友圈(比如3个)

•随机选择3个“圈子中心”

•每个学生加入离自己最近的圈子

•重新计算每个圈子的中心位置

•重复3~4步,直到圈子稳定不变

K-均值简单高效,易于实现,但需要预先指定K值,且受初始中心点的选择影响。下图展示聚类算法如何将相似数据点分组,形成不同的簇。01回归、分类与聚类算法简介图3-4K-均值聚类示意图01回归、分类与聚类算法简介

2.聚类的实际应用

•市场营销:根据购买行为将顾客分成不同群体,制定针对性营销策略

•社交网络:发现有共同兴趣的用户群体

•城市规划:根据居民特征划分社区类型01回归、分类与聚类算法简介四、如何选择合适的算法选择算法就像选择工具,不同的问题需要不同的工具及方法,如图3-5所示。选择合适的机器学习算法需要考虑多个因素,下图展示了机器学习算法选择流程图,帮助同学们理解如何根据问题类型选择合适的机器学习算法。01回归、分类与聚类算法简介01你想要什么样的答案?02你的数据是什么样的?03实际考虑因素:04生活中的算法选择例子:监督学习与非监督学习02监督学习与非监督学习02项目前景一、监督学习:有标签的学习什么是监督学习?01监督学习的学习过程02模型训练与评估03过度拟合问题04监督学习的应用0502二、非监督学习:发现数据中的秘密04非监督学习的应用03评估难题01什么是非监督学习?02非监督学习的主要任务监督学习与非监督学习02监督学习与非监督学习三、监督学习与非监督学习的比较通过上述对于监督学习以及非监督学习概念的了解,我们将两种学习的特点进行比较,见表3-1。02监督学习与非监督学习如图3-6所示,直观对比了两种主要学习范式的区别,展示了有标签数据与无标签数据的处理方式。图3-6监督学习与非监督学习比较02监督学习与非监督学习四、其他学习类型简介除了监督学习和非监督学习,还有其他值得了解的学习类型:半监督学习:结合少量有标签数据和大量无标签数据。这种方法在标注数据昂贵或困难的情况下特别有用,如医学图像分析。强化学习:通过尝试和错误来学习最佳行动策略。计算机(或“智能体”)在环境中执行动作,根据获得的奖励或惩罚调整策略。应用于游戏、机器人控制等领域。本章介绍了机器学习的基本概念和主要方法。我们学习了监督学习和非监督学习的区别,以及回归、分类和聚类三类基本算法。机器学习通过从数据中学习模式和规律,使计算机能够执行复杂任务而无须明确编程。02监督学习与非监督学习随着数据量的增长和计算能力的提升,机器学习正在各行各业发挥越来越重要的作用,从智能手机应用到医疗诊断,从金融分析到自动驾驶。理解机器学习的基本原理,不仅有助于了解现代人工智能系统的工作机制,也为进一步学习和应用这一激动人心的技术奠定了基础。感谢欣赏THANKSYOU人工智能通识：新技术与创新实践主编：唐志航，罗雅博神经网络基本原理与结构PART01图像识别的发展与思考PART02目录CONTENTS神经网络基本原理与结构01神经网络基本原理与结构01一、从生物神经元到人工神经网络1.人工神经元模型2.激活函数的作用01神经网络基本原理与结构二、神经网络的层次结构

1.多层神经网络的结构与功能神经网络通常由多层神经元组成,形成层级结构。最简单的神经网络包含三种类型的层:输入层:负责接收原始数据,如图像的像素值、文本的单词、声音的波形等。这一层就像人类的感官,接收外界信息。隐藏层:位于输入层和输出层之间,负责提取和转换特征。隐藏层越多,网络越“深”,能够学习的特征也越复杂。这些层就像人类大脑中处理和理解信息的区域。01神经网络基本原理与结构输出层:产生最终的预测结果,如图像中的物体类别、文本的情感倾向、语音的文字转录等。这一层就像人类做出最终决策的过程。如图4-2所示使用简单的图示展示输入层、隐藏层和输出层。想一想拼图游戏:输入层接收拼图碎片,隐藏层尝试不同的组合方式,输出层呈现完整的拼图图像。神经网络也是逐层构建对数据的理解,从简单到复杂。01神经网络基本原理与结构

2.深度神经网络的特点深度神经网络包含多个隐藏层,能够学习更复杂的模式。为什么深度如此重要?想象学习画画的过程:初学者先学习基本线条和形状(浅层特征),然后学习如何组合这些元素形成物体轮廓(中层特征),最后掌握光影、纹理和整体构图(高层特征)。深度网络也是如此,通过多层次的学习,逐步掌握数据中的各级特征。比如在识别猫的图像时,浅层可能识别边缘和简单纹理,中间层识别眼睛、耳朵等部位,深层则综合判断“这是一只猫”。这种层次化的学习方式是深度学习强大的关键。01神经网络基本原理与结构图4-2多层神经网络结构01神经网络基本原理与结构三、神经网络的学习过程01神经网络如何“学习”02梯度下降:寻找最优解的旅程03训练中的常见挑战01神经网络基本原理与结构四、常见神经网络架构随着研究的深入,科学家们设计了多种专用的神经网络架构来解决特定类型的问题:卷积神经网络(CNN)适合处理图像数据,它模仿人类视觉系统的工作方式,通过滑动的“视野窗口”(卷积核)扫描图像,提取局部特征并逐步组合。CNN广泛应用于人脸识别、物体检测和医学图像分析等领域。循环神经网络(RNN)擅长处理序列数据,如文本、语音和时间序列。它具有“记忆”功能,能够记住之前的信息并影响后续判断,就像你阅读文章时会根据前文理解当前句子一样。RNN及其变体(如LSTM、GRU)广泛应用于语音识别、机器翻译和文本生成等任务。01神经网络基本原理与结构生成对抗网络(GAN)包含两个相互竞争的网络:生成器(尝试创造逼真的数据)和判别器(尝试区分真实数据和生成数据)。通过这种“对抗”过程,生成器能够创造出越来越逼真的内容,如人脸图像、艺术作品等。变换器(Transformer)是近年来自然语言处理的革命性架构,它通过“注意力机制”同时处理序列中的所有元素,克服了RNN的长序列处理困难。ChatGPT等大语言模型正是基于Transformer架构构建的。图像识别的发展与思考02图像识别的发展与思考02项目前景一、图像识别图像识别的基本原理01图像识别的发展历程0202二、日常生活中的图像识别应用图像识别的发展与思考1智能手机中的人脸识别2医学图像辅助诊断3自动驾驶的“眼睛”02三、未来发展与思考

1.图像生成与创意应用近年来,深度学习不仅能“看懂”图像,还能“创造”图像。基于扩散模型的文本到图像生成技术(如DALL-E、StableDiffusion)允许用户通过文字描述生成各种逼真的图像,从风景到人物,从写实到抽象,展现了惊人的创造力。这些技术正在改变设计、艺术创作和媒体制作的方式。设计师可以快速生成概念草图;电影制作人可以创建概念艺术和场景可视化;普通用户也能将自己的创意想法转化为视觉作品。图像识别的发展与思考02图像识别的发展与思考

2.媒体鉴别能力与信息素养随着AI生成内容越来越逼真,区分真实与人工生成的内容变得日益困难。这带来了新的挑战:如何防止虚假信息传播?如何保护知识产权?如何培养公众的媒体鉴别能力?作为数字时代的公民,我们需要培养批判性思维和媒体素养,学会辨别真实与虚构内容。同时,技术和政策层面也需要发展相应的工具和规范,如数字水印、内容验证和道德准则,确保AI技术的负责任发展和使用。深度学习与神经网络正在改变我们与视觉世界互动的方式。从智能手机里的照片分类到医生诊断辅助,从安防监控到自动驾驶,这些技术正在提升效率、扩展能力、创造新的可能性。然而,技术本身并非目的,而是服务人类的工具。最理想的未来不是AI取代人类,而是人机协作,AI处理重复性任务和大规模数据分析,人类则专注于创造性工作、道德判断和情感连接。当我们学习和应用这些技术时,也应思考如何让它们更好地服务人类需求和价值观。感谢欣赏THANKSYOU人工智能通识：新技术与创新实践主编：唐志航，罗雅博自然语言处理基础PART01大语言模型的基本原理PART02目录CONTENTS自然语言处理基础01自然语言处理基础01一、文本处理的基础:让计算机理解人类语言人类语言丰富而复杂,充满了微妙的含义和文化背景。对于我们来说,理解一句话似乎轻而易举,但对计算机而言,这是一项需要多个步骤才能完成的挑战。想象一下,当我们说“今天天气真好,适合去公园散步”这样简单的句子时,计算机需要如何处理才能理解其含义?01自然语言处理基础

1.文本分词:切分语言的基本单元文本分词是自然语言处理的第一步,就像解剖一篇文章需要先将其分解为句子和词语。不同语言的分词方式有很大差异:英语等拉丁语系语言通常以空格为天然分隔符;而汉语、日语等语言则需要更复杂的算法来确定词的边界。如图5-1所示展示了从原始文本到分词结果的过程,可以使用中文句子示例,突出显示不同分词方法的结果差异。以汉语为例,“我爱北京天安门”这句话没有明显的分隔符,计算机需要通过算法将其切分为“我/爱/北京/天安门”。这个过程看似简单,实则暗藏玄机。比如“天安门”一词,可以切分为“天安/门”或者保持“天安门”作为一个整体,取决于上下文含义。优秀的分词系统需要考虑词频统计、上下文信息甚至专业领域知识来实现准确切分。分词技术主要有三类方法:01自然语言处理基础图5-1文本分词示意图01自然语言处理基础基于规则的方法:依靠语言学专家制定的词典和规则进行切分,就像我们使用字典查找单词一样。这种方法对于常见表达很有效,但面对新词和歧义时容易失效。基于统计的方法:通过大量文本学习词语的出现概率和上下文关系,类似于通过大量阅读积累的语感。这种方法能够处理更复杂的情况,但需要大量标注数据。基于深度学习的方法:利用神经网络自动学习语言特征,能够捕捉到更深层次的语义关系,如今已成为主流方法。01自然语言处理基础【实践案例:体验中文分词】让我们通过一个简单的例子来理解分词的重要性:(1)原始文本:“北京大学生活动中心”(2)不同分词结果:•分词结果1:北京大学/生活/动中心•分词结果2:北京/大学生/活动/中心•分词结果3:北京大学生/活动中心你能看出哪种分词结果更合理吗?这个例子说明了分词的挑战性———同一个句子可能有多种理解方式,而正确的分词对后续的语义理解至关重要。01自然语言处理基础(3)动手尝试:请尝试为以下句子进行分词,并思考可能出现的歧义:•“这是一个苹果手机壳”•“他说得确实在理”•“美国会通过这项法案”01自然语言处理基础

2.词向量:为语言赋予数学表达计算机只能处理数字,因此需要将文本转换为数值形式。词向量技术(WordEm-bedding)正是解决这一问题的关键,它将每个词映射到一个多维空间中的点,用数字向量表示词语的含义。早期的方法如“独热编码”(One-HotEncoding)将每个词表示为一个只有一个位置是1,其余都是0的向量,但这种表示法忽略了词与词之间的语义关系。现代词向量技术如Word2Vec、GloVe和BERT则能够捕捉词语之间的语义相似性和关系。通过词向量,“国王”—“男人”—“女人”会接近“王后”的向量,这种奇妙的数学关系展示了计算机对语言语义的一定程度理解。更重要的是,语义相近的词在向量空间中的距离也较近,为后续的文本分析奠定了基础。01自然语言处理基础【实践案例2:理解词向量的神奇】想象我们有以下词语,它们在向量空间中的关系:(1)相似词语聚集:•动物类:猫、狗、鸟(在向量空间中距离较近)•颜色类:红色、蓝色、绿色(在向量空间中距离较近)•情感类:开心、快乐、高兴(在向量空间中距离较近)(2)类比关系:•北京∶中国=东京∶日本•男人∶国王=女人∶王后这种数学关系使得计算机能够理解词语间的复杂关系,为后续的文本处理打下基础01自然语言处理基础

3.情感分析:读懂文字背后的情绪情感分析(SentimentAnalysis)是自然语言处理的重要应用,旨在识别和提取文本中表达的情感态度。从最简单的积极和消极二分类,到细粒度的情感强度识别,再到多种情绪(如喜悦、愤怒、悲伤、恐惧等)的复合分析,情感分析技术正变得越来越精细。情感分析的基本过程通常包括:

•文本预处理:清洗文本中的无关信息(如特殊符号、停用词等),并进行分词和词性标注。

•特征提取:将处理后的文本转换为计算机可处理的特征,如词袋模型、TF-IDF或词向量。

•情感判断:使用机器学习模型对文本情感进行分类或评分。这可以是基于规则的方法(如情感词典),也可以是基于机器学习的方法(如支持向量机、朴素贝叶斯等),现在更多使用深度学习模型(如卷积神经网络、递归神经网络等)。01自然语言处理基础让我们通过一个例子来理解情感分析的工作方式:假设有一条餐厅评论“菜品很美味,但服务态度让人失望”。情感分析系统会识别出“美味”是正面词汇,“失望”是负面词汇,同时考虑连接词“但”表示转折关系,最终可能给出中性或轻微负面的整体情感评价。情感分析在许多领域有广泛应用:企业通过分析社交媒体和评论了解产品口碑;政府机构监测公众对政策的反应;金融机构分析市场情绪预测股价走势;电商平台根据用户评价优化推荐系统。

【实践案例3:餐厅评价情感分析】让我们通过分析餐厅评价来理解情感分析的工作方式:

(1)评价文本:“菜品很美味,但服务态度让人失望,价格还算合理。”01自然语言处理基础(2)分析过程:•分词结果:菜品/很/美味/但/服务/态度/让人/失望/价格/还算/合理•情感词识别:(a)正面词:美味(+2)、合理(+1)(b)负面词:失望(-2)(c)转折词:但(表示前后语义对比)(3)综合判断:整体情感倾向为中性偏负面(4)更多实践例子见表5-1。01自然语言处理基础01自然语言处理基础【实践案例4:社交媒体情感监测】假设我们要分析某品牌手机发布后的网络反响:(1)收集到的微博评论:•评论1:“新手机拍照效果真的很棒,值得入手!•评论2:“价格太贵了,性价比不高,还是算了吧。”•评论3:“外观设计很漂亮,但电池续航一般。”•评论4:“等了好久终于发布了,激动!准备熬夜抢购。”•评论5:“和上一代相比没什么大的改进,有点失望。”(2)情感分析结果统计:•积极情感:40%(评论1、4)•消极情感:40%(评论2、5)•中性情感:20%(评论3)01自然语言处理基础(3)具体分析:•价格敏感:多条评论提到价格问题。•功能关注点:拍照、电池续航、外观设计。•期待vs现实:部分用户期待很高但实际体验有落差。01自然语言处理基础

4.文本分类的广阔应用文本分类是自然语言处理的另一个基础任务,目标是将文本自动归类到预定义的类别中。它的应用极为广泛:

•新闻分类:将新闻文章自动分类到体育、政治、科技、娱乐等不同版块。

•垃圾邮件过滤:识别并过滤掉垃圾邮件,保护用户邮箱。

•客户反馈分类:自动将客户反馈归类为产品质量、服务体验、价格建议等类别,帮助企业快速响应。

•疾病诊断辅助:通过分析病历文本,辅助医生初步判断可能的疾病类型。文本分类的基本流程与情感分析类似,包括文本预处理、特征提取和分类决策。随着深度学习技术的发展,现代文本分类系统已经能够处理长文本、多标签分类和跨语言分类等复杂任务。如图5-2所示直观展示了情感分析的流程和在不同场景的应用,如社交媒体监测、产品评价分析等。01自然语言处理基础图5-2情感分析的流程和不同场景的应用示意图01自然语言处理基础【实践案例5:新闻自动分类】假设我们要为新闻网站开发自动分类系统:输入新闻标题和内容:•新闻1:“央行宣布降准0.5个百分点,释放资金约1万亿元”•新闻2:“科学家发现新型材料,可将太阳能电池效率提升30%”•新闻3:“国足1∶2不敌日本队,世界杯预选赛出线形势严峻”分类结果:•新闻1→财经类(关键词:央行、降准、资金)•新闻2→科技类(关键词:科学家、新型材料、太阳能)•新闻3→体育类(关键词:国足、世界杯、预选赛)01自然语言处理基础【实践案例6:客户服务智能分流】某电商平台的客服系统需要将用户咨询自动分类:(1)用户咨询示例:•咨询1:“我的订单什么时候能到?物流信息显示已发货3天了∶”•咨询2:“这个商品可以退货吗?我不太满意质量∶”•咨询3:“支付时显示失败,但钱已经扣了,怎么办?”•咨询4:“账户被冻结了,提示说是异常登录,如何解冻?”01自然语言处理基础(2)自动分类结果:•咨询1→物流查询类→转接物流客服•咨询2→售后服务类→转接售后客服•咨询3→支付问题类→转接财务客服•咨询4→账户安全类→转接安全客服这种自动分类可以大大提高客服效率,让专业客服处理对应领域的问题。01自然语言处理基础二、自然语言处理的现代挑战与突破自然语言处理面临诸多挑战:语言的模糊性(一词多义现象)、语境依赖(相同词语在不同上下文中含义不同)、文化背景差异等。例如,“苹果”一词可能指水果,也可能指科技公司;“我等不及了”可能表示急不可耐,也可能表示拒绝等待。近年来,深度学习特别是基于注意力机制的模型,在解决这些挑战方面取得了显著进展。以往的模型往往将词语孤立处理,而现代模型能够考虑更广泛的上下文信息,甚至能捕捉到长文档中的远距离依赖关系。01自然语言处理基础注意力机制(AttentionMechanism)允许模型在处理每个词时,关注输入序列中最相关的部分,而不是机械地按顺序处理。这就像人类阅读时会重点关注关键信息一样,大大提高了模型理解复杂语言的能力。基于这一突破,诞生了如BERT、GPT系列等预训练语言模型,它们通过在海量文本上预先学习语言知识,再针对特定任务微调,实现了自然语言处理能力的质的飞跃。这些模型可以同时处理多种NLP任务,如问答系统、机器翻译、文本摘要等,为大语言模型时代铺平了道路。大语言模型的基本原理02大语言模型的基本原理02项目前景一、大语言模型大语言模型(LargeLanguageModels,LLM)是近年来人工智能领域最引人注目的技术突破之一,是AI时代的“思想引擎”。它们通过学习海量文本数据,掌握了人类语言的规律和知识,能够生成连贯、流畅且富有信息量的文本,理解复杂指令,甚至展现出类似推理和创造力的能力。从ChatGPT到Claude,从文心一言到DeepSeek,这些模型正在改变我们与AI交互的方式,开创了“与机器对话”的新时代。02大语言模型的基本原理大语言模型的起源与发展01大语言模型如何工作02大语言模型的核心架构03大语言模型的训练过程0402二、大语言模型的能力与局限

1.大语言模型的惊人能力大语言模型展现出的能力远超预期,包括:语言理解与生成:能够理解复杂指令,生成连贯、流畅且符合上下文的文本,适应各种文体和风格。知识库功能:在训练过程中吸收了大量世界知识,能够回答历史、科学、文化、时事等广泛领域的问题。上下文学习:能够从对话中学习并保持一致性,记住前面提到的信息并在后续回答中参考。逻辑推理:展现出一定的推理能力,能够解决简单的逻辑问题和数学题。创造性写作:能够创作诗歌、故事、剧本等创意内容,甚至模仿特定作家风格。多语言能力:支持多种语言的理解和生成,有些模型甚至能进行跨语言交流。代码理解与生成:掌握多种编程语言,能够理解、解释、生成和调试代码。多模态延伸:通过与其他AI系统结合,如与图像生成模型合作,实现跨多种模态的交互。大语言模型的基本原理02大语言模型的基本原理

2.大语言模型的局限性与挑战尽管能力惊人,大语言模型仍存在明显局限。幻觉问题:模型可能生成看似可信但实际错误的信息,尤其是在处理事实性问题时。这被称为“幻觉(Hallucination)”,是当前大语言模型的主要缺陷之一。知识截止问题:模型知识受训练数据时间限制,无法了解训练后发生的事件。虽然可以通过搜索工具解决,但实时信息获取仍是挑战。上下文窗口有限:模型一次能处理的文本长度有限(通常为数千到数万个词),限制了对超长文档的处理能力。因果推理能力弱:模型擅长相关性分析,但对因果关系的理解有限,难以深入解释“为什么”某事发生。02大语言模型的基本原理缺乏真正理解:尽管表现出理解能力,但模型实际上是基于统计模式预测而非真正“理解”内容的含义和背景。数据偏见风险:模型可能从训练数据中继承偏见和刻板印象,输出有偏见或不公平的内容。安全与伦理问题:可能被滥用生成有害内容,如虚假信息、歧视性言论或危险指导。能耗与环境影响:大模型训练和运行需要大量计算资源,能耗巨大,引发环境可持续性担忧。针对这些挑战,研究者正在探索多种解决方案,如通过检索增强生成(RetnevalAug-mentedGeneration,RAG)提供最新信息,通过人类反馈优化输出质量,通过安全对齐技术减少有害内容等。大语言模型的发展是一个持续演进的过程,每一代模型都在努力克服前代的局限,变得更加准确、可靠和安全。02三、大语言模型:从技术到应用大语言模型的基本原理大语言模型的典型应用场景1大语言模型的演进趋势2伦理与社会影响思考3感谢欣赏THANKSYOU人工智能通识：新技术与创新实践主编：唐志航，罗雅博计算机硬件组成与工作原理PART01软件分类与操作系统基础PART02网络与信息安全基础PART03目录CONTENTS计算机硬件组成与工作原理01计算机硬件组成与工作原理01现代计算机系统由五大核心部件构成,每个部件各司其职,又相互配合,共同构建起完整的计算生态:一、计算机的“五大金刚”01计算机硬件组成与工作原理中央处理器(CPU):计算机的“大脑”PART1内存(Memory):计算机的“工作台”PART2存储设备:计算机的“仓库”PART3输入设备:计算机的“耳朵和眼睛”PART4输出设备:计算机的“嘴和手”PART501计算机的工作过程可以简化为以下几个步骤:

•启动过程:按下电源键后,计算机首先加载基本输入/输出系统(BIOS或UEFI),进行硬件检测和初始化,然后从指定存储设备加载操作系统。

•程序执行:操作系统启动后,用户可以运行各种应用程序。当启动一个程序时,该程序从存储设备加载到内存中,CPU开始执行程序指令。

•数据处理:程序执行过程中,CPU不断从内存读取指令和数据,经过处理后,将结果写回内存或通过输出设备呈现给用户。

•存储与共享:处理完成的数据可以保存到存储设备中,或通过网络发送给其他设备。整个过程中,计算机遵循“冯·诺依曼架构”的基本原则———程序和数据都存储在内存中,CPU按照程序指令顺序执行操作。这种设计看似简单,却使计算机成为了通用的信息处理工具,能够适应几乎所有计算任务。二、计算机的工作原理:从开机到运行计算机硬件组成与工作原理01计算机硬件组成与工作原理图6-2计算机硬件组件协作软件分类与操作系统基础02软件分类与操作系统基础02项目前景软件通常分为两大类,各自承担不同的角色:一、软件的分类:系统软件与应用软件2.应用软件:计算机的“能手”1.系统软件:计算机的“管家”02二、操作系统:计算机的“大管家”软件分类与操作系统基础01操作系统的核心功能02主流操作系统简介03操作系统的工作原理网络与信息安全基础03网络与信息安全基础03一、计算机网络:互联世界的基础网络的分类与结构互联网:全球最大的网络网络基础概念详解网络应用实例二维码:连接物理与数字世界的桥梁010203040503二、网络安全:数字世界的防护盾网络与信息安全基础1.常见的网络安全威胁2.基本的安全防护措施3.信息安全的三大目标:CIA原则03三、数字素养与安全意识网络与信息安全基础除了技术措施,个人的数字素养和安全意识也至关重要。良好的习惯包括:

•保持警惕:对在线请求和信息持批判态度,特别是涉及个人或财务信息时。

•尊重隐私:理解个人数据的价值,谨慎分享信息。

•持续学习:了解最新的安全威胁和防护措施。

•负责任地使用技术:不参与侵犯他人隐私或破坏系统的活动。在互联网时代,网络和信息安全不再只是IT专业人员的责任,而是每个网络用户都应具备的基本素养。通过理解网络原理和采取适当的安全措施,我们可以更安全、更有效地享受数字时代带来的便利和机遇。感谢欣赏THANKSYOU人工智能通识：新技术与创新实践主编：唐志航，罗雅博字符编码PART01二进制、十进制、十六进制及其转换PART02图像、音频的数字化表示PART03目录CONTENTS字符编码01字符编码01字符编码是一套规则,定义了如何将字符(如字母、数字、标点符号和特殊符号)转换为计算机可以存储和处理的数字。简单来说,编码就是给每个字符分配一个唯一的数字“代码”。想象一下,如果你和朋友创建了一个秘密语言:A=1,B=2,C=3……这就是一种简单的编码系统。计算机的字符编码系统也遵循类似的原理,但更加复杂和系统化。一、字符编码:从符号到数字的桥梁01字符编码二、ASCII:最早的通用字符编码美国信息交换标准代码(AmericanStandardCodeforInformationInterchange,ASCII)是最早的广泛使用的字符编码标准之一,诞生于20世纪60年代。

ASCII的特点:

•使用7位二进制数,可以表示128个不同的字符(27=128)。

•包含基本的拉丁字母(A~Z,a~z)、数字(0~9)、标点符号和控制字符(如Enter、换行等)

•不包含非英语字符,如重音字母(é,ñ等)和非拉丁字符(如中文、日文、阿拉伯文等)

ASCII表中的一些常见对应关系:

•'A'=65(二进制:1000001)

•'a'=97(二进制:1100001)

•'0'=48(二进制:0110000)

•空格=32(二进制:0100000)01字符编码虽然ASCII在英语环境中足够使用,但随着计算机在全球的普及,这种仅限于拉丁字母的编码方案明显不足以表示世界上所有语言的字符。这导致了扩展ASCII(使用8位,可表示256个字符)的出现,以及后来更加全面的Unicode编码标准的发展。01字符编码三、Unicode:走向全球化的字符编码

Unicode是一个旨在包含世界上所有书写系统字符的编码标准。它始于20世纪80年代末,现已成为全球通用的字符编码标准。

1.Unicode的特点:

•不仅是一种编码方式,还是一种字符集标准,为世界上每个字符分配唯一的编码点(CodePoint)

•支持超过140种语言的文字系统。

•目前包含超过140000个字符,并持续增长。

•兼容ASCII(Unicode的前128个字符与ASCII完全相同)。

•支持多种编码实现方式,如UTF-8、UTF-16和UTF-32。01字符编码

2.UTF-8:Unicode的通用编码形式

UTF-8(8位Unicode转换格式)是实现Unicode标准最常用的编码方式,特别是在互联网上:

•变长编码:常用字符(如ASCII范围内的)使用1个字节,不常用字符使用2~4个字节。

•向后兼容ASCII:ASCII字符(0~127)在UTF-8中编码完全相同。

•节省空间:对于英语和西欧语言文本非常高效。

•自同步:编码设计使得字符边界易于识别,即使在数据损坏的情况下。例如,在UTF-8中:英文字母'A'仍然是单字节:01000001;汉字“你”需要三个字节:111001001011110110100000如图7-1所示针对ASCII和Unicode两种字符编码方式进行比较,对比编码不同语言字符的区别。01字符编码四、字符编码的重要性字符编码对我们日常使用计算机可能看起来很“隐形”,但它实际上影响着我们的很多电子交流:

•网页显示:错误的编码设置会导致网页显示乱码(特别是包含非英语字符时)。

•文件传输:在不同系统间传输文件时,编码不匹配可能导致内容损坏。

•国际化软件:支持多语言的软件产品必须正确处理不同的字符编码。

•数据安全:某些安全漏洞(如“字符注入”攻击)与编码处理不当有关。01字符编码01字符编码五、编码发展历程与影响字符编码的演变反映了计算机技术从区域性向全球化的发展过程。早期计算机主要在英语环境中使用,ASCII足以满足需求。随着计算机在全球普及,各国开始开发自己的编码标准:

•中国开发了GB2312、GBK和GB18030

•日本使用Shift-JIS

•韩国采用EUC-KR

•欧洲各国也有不同的ISO标准这种“各自为政”的局面导致了严重的兼容性问题———同一个二进制序列在不同编码下可能表示完全不同的字符。Unicode的出现及普及,特别是UTF-8的广泛采用,极大地缓解了这一问题,推动了互联网的全球化发展。如今,绝大多数新创建的计算机文档、网页和应用程序都使用Unicode(通常是UTF-8),这使得不同语言、文化背景的人能够在同一平台上无障碍地交流,真正实现了信息的全球共享。二进制、十进制、十六进制及其转换02二进制、十进制、十六进制及其转换02项目前景在数字世界的深处,存在着一种看似简单却极其强大的语言———二进制。这种只由0和1组成的数字系统,是计算机理解和处理信息的基础。为什么计算机选择了二进制而非我们日常使用的十进制?这背后有着深刻的技术原因和历史渊源。02一、数制的本质:不同的计数方式01从位到字节:数据存储的基本单位02整数的编码表示03浮点数的表示二进制、十进制、十六进制及其转换02二、为什么计算机使用二进制?二进制、十进制、十六进制及其转换计算机采用二进制有几个关键原因:

1.技术简单性:电子元件最容易实现两种稳定状态———通电(1)和断电(0),这与二进制的两个数字完美对应。

2.抗干扰能力:只有两个状态,使得系统抗电噪声和干扰能力更强,错误率更低。

3.布尔逻辑适配性:二进制与布尔代数(逻辑运算)高度兼容,简化了逻辑电路设计。

4.存储效率:虽然二进制表示同一数值需要更多位数,但每位只需要很小的物理空间,整体上更节省资源。02二进制、十进制、十六进制及其转换想象一下,如果使用十进制,每个位置需要能够表示10个不同状态的物理元件,这在电路设计上将复杂得多。通过如图7-2所示展示的简单二进制数字与电路开关对应的关系图,让大家理解为什么二进制的简单性是数字计算机发展的关键因素之一。图7-2二进制与电路开关对应关系02三、数制之间的转换二进制、十进制、十六进制及其转换不同数制之间的转换是理解计算机数据表示的基础。我们来了解几种常见的转换方法:

1.十进制转二进制:使用“除2取余法”,即不断除以2,记录余数,最后倒序排列所有余数。例如,将十进制的25转换为二进制:

•25÷2=12余1

•12÷2=6余0

•6÷2=3余0

•3÷2=1余1

•1÷2=0余1从下往上读余数:11001,所以十进制的25等于二进制的11001。02二进制、十进制、十六进制及其转换

2.二进制转十进制:将每一位的值乘以对应位权(2的幂),然后求和。例如,将二进制的10110转换为十进制:

•1×24+0×23+1×22+1×21+0×20

•=16+0+4+2+0

•=22所以二进制的10110等于十进制的22。

3.十进制转十六进制:原理与转二进制类似,但除数是16而非2。也可以先转二进制,再将二进制每4位分组转为一个十六进制位。02二进制、十进制、十六进制及其转换

4.十六进制转二进制:将每个十六进制位转换为对应的4位二进制数,然后连接起来。例如,十六进制的A3转换为二进制:

•A(十进制值为10)→1010(二进制)

•3→0011

•连接起来:10100011

5.二进制转十六进制:将二进制数从右向左每4位分为一组,不足4位的在最左边补0,然后将每组转换为对应的十六进制位。例如,二进制的1011011010转换为十六进制:

•分组:001011011010

•转换:2DA

•结果:2DA数制转换关系如图7-3所示具体展示了二进制、十进制、十六进制之间的转换方法和路径以及举例,帮助大家加深了解。02四、在计算机科学中的应用二进制、十进制、十六进制及其转换不同的数制在计算机科学和编程中有各自的应用场景:图7-3数制转换关系02二进制、十进制、十六进制及其转换

1.二进制:是计算机内部数据表示和操作的基础,但由于全是0和1,较长的二进制数对人类不友好。

2.十六进制:常用于表示二进制数据的简洁形式,因为每个十六进制位正好对应4位二进制数。在编程中,用于表示内存地址、颜色值(如网页中的颜色代码#FF5733)和二进制文件内容。

3.十进制:人类最习惯的计数系统,用于与用户交互的界面和输出结果。了解这些数制及其转换方法,不仅有助于我们理解计算机的工作原理,也是学习编程和其他计算机相关知识的基础。在数字世界中,数制就像不同的语言,而学会它们之间的“翻译”,能让我们更深入地探索这个由0和1构建的奇妙宇宙。图像、音频的数字化表示03图像、音频的数字化表示03一、图像的数字化表示1.像素:图像的基本单位2.颜色编码:从光线到数字3.图像编码示例4.图像文件格式与压缩03二、音频的数字化表示图像、音频的数字化表示1从模拟到数字:声音的采样2声道:空间音频感知3音频文件格式与压缩03三、多媒体数据的数字化意义文本、图像、音频和视频的数字化表示,彻底改变了信息的创建、存储、处理和分享方式。数字化带来的主要优势包括:

•存储便捷性:大量信息可以存储在小型物理媒介中。

•处理灵活性:数字信息可以被无限次复制而不损失质量,易于编辑和处理。

•传输高效性:通过网络可以快速传输大量数据,实现即时共享。

•整合可能性:不同类型的数据可以在同一设备上创建、处理和呈现。

图像、音频的数字化表示03三、多媒体数据的数字化意义多媒体数据的数字化是当代信息社会的基础。理解这些数据如何在计算机中表示,不仅有助于我们更好地使用数字工具,也有助于理解人工智能如何“感知”和“理解”这个世界———AI系统处理的正是这些数字化的图像、声音和文本,而非我们人类直接感知的物理世界。图像、音频的数字化表示感谢欣赏THANKSYOU人工智能通识：新技术与创新实践文件系统基础:数字世界的组织方式PART01WPS文字:排版技巧与自动化模板设计PART02WPS表格:公式函数、数据统计与图表生成PART03目录CONTENTSWPS演示:排版与动态效果设计PART03实践:综合文档处理与数据分析报告制作PART03文件系统基础：数字世界的组织方式01文件系统基础：数字世界的组织方式01文件的基本概念01文件夹的组织结构02文件管理的最佳实践03办公软件中的文件操作04WPS文字：排版技巧与自动化模板设计02WPS文字：排版技巧与自动化模板设计02项目前景优秀的文档排版不仅美观大方,更能提高阅读效率和理解程度。在开始排版之前,了解一些基本原则非常重要。一、文档排版基础与规范02WPS文字：排版技巧与自动化模板设计

1.文档结构与层次一个条理清晰的文档应该有明确的结构层次。WPS文字提供了多级标题功能,可以轻松创建层次分明的文档结构:

•使用“开始”选项卡中的“标题1”“标题2”等样式,为文档建立清晰的层级关系,注意合理使用标题级别,一般不超过三级,避免结构过于复杂,如图8-1所示。图8-1“开始”选项卡02WPS文字：排版技巧与自动化模板设计

•利用“视图”选项卡中的“大纲”功能,可以整体把握文档结构并快速调整。标题样式的使用不仅能美化文档外观,更为自动生成目录、导航和交叉引用奠定基础,如图8-2所示。图8-2“视图”选项卡02WPS文字：排版技巧与自动化模板设计

2.段落格式与对齐方式段落格式直接影响文档的整体美观和可读性,如图8-3所示:

•正文段落通常采用首行缩进2个汉字,行间距设置为1.5倍或固定值(如23磅)。

•标题段落可设置居中或左对齐,并适当增加段前段后间距。

•不同类型内容采用不同对齐方式:正文通常两端对齐,表格标题居中,图片标题居中。02WPS文字：排版技巧与自动化模板设计

3.字体与字号的选择字体与字号的选择应考虑专业性、可读性和一致性,如图8-4所示:

•正式文档中,中文部分可选用宋体、黑体、楷体等,英文和数字部分可选用TimesNewRoman、Arial等。

•标题与正文字号要有明显区别,例如正文小四,一级标题小二加粗。

•在同一文档中,同类元素保持字体字号一致,避免杂乱无章。02WPS文字：排版技巧与自动化模板设计掌握一些高级排版技巧,可以使文档更加专业美观,提升工作效率。二、高级排版技巧01页面设置与分节控制02样式与格式刷的高效应用03自动化目录生成与更新02WPS文字：排版技巧与自动化模板设计表格和图片是文档中常用的信息呈现方式,掌握其排版技巧至关重要。三、表格与图文混排专业表格设计应用表格样式调整表格结构设置对齐方式图文混排技巧010203040502WPS文字：排版技巧与自动化模板设计模板是提高文档制作效率的关键工具,能够确保文档风格的一致性和专业性。四、自动化模板设计与应用模板设计基础1创建与保存模板2自动化元素设置3模板的应用与管理402WPS文字：排版技巧与自动化模板设计除了基本的排版功能,WPS文字还提供了多种提高工作效率的实用工具。五、实用功能与效率技巧1.批注与修订功能2.查找替换与格式统一3.文档保护与安全设置WPS表格：公式函数、数据统计与图表生成0303数据是表格应用的基础,高效的数据输入与精确的格式设置是后续分析的重要前提。一、数据录入与格式设置WPS表格：公式函数、数据统计与图表生成数据录入技巧1单元格格式设置2表格样式与美化303WPS表格：公式函数、数据统计与图表生成公式是由运算符、数据、单元格引用位置、函数等组成的。公式必须以“=”开头,系统将“=”后面的字符串识别为公式。在WPS表格中,我们常说的“公式”不仅仅是函数调用,它还可以是各种表达式的组合。公式的本质是一个运算表达式,由等号开头,用于计算并返回一个值。例如:

•简单数值运算表达式:=A1+B1-C1,表示将A1和B1相加后再减去C1。

•包含函数的表达式:=SUM(A1:A5)/5,表示将A1到A5单元格相加并除以5。

•函数与逻辑判断组合表达式:=IF(SUM(A1:A5)>300,“优秀”,“达标”),用于根据总分判断等级。这类表达式综合使用了常量、运算符、函数调用与单元格引用,是我们日常编制表格逻辑的基础工具。函数是WPS表格的核心功能,掌握常用函数能够实现复杂的数据计算与处理。二、应用公式和函数03WPS表格：公式函数、数据统计与图表生成01基本计算函数02条件函数03查找引用函数04单元格引用方式03WPS表格：公式函数、数据统计与图表生成

WPS表格提供了丰富的数据分析工具,帮助用户深入挖掘数据价值。三、数据分析与统计1数据排序与筛选2高级筛选3数据透视表03WPS表格：公式函数、数据统计与图表生成图表是表格数据的视觉表达,能够直观展示数据特征和趋势,增强沟通效果。四、图表制作与数据可视化基本图表类型01高级图表功能03图表创建与编辑0203WPS表格：公式函数、数据统计与图表生成掌握一些高级技巧和功能,可以进一步提升WPS表格的应用效率。

1.模板与工作表管理

•创建并保