顶部
收藏

大学计算机(第5版)


作者:
刘卫国
定价:
40.00元
ISBN:
978-7-04-059124-8
版面字数:
560.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2022-08-29
读者对象:
高等教育
一级分类:
计算机/教育技术类
二级分类:
计算机基础课程
三级分类:
大学计算机基础

本书以计算思维能力培养为切入点,将计算机科学中方法论层面的原理与思维规律贯穿始终,突出新一代信息技术对学科交叉融合的重要支撑作用。全书主要内容有计算与计算思维、基于计算机的问题求解、计算机中数据的表示、计算机系统、操作系统基础、计算机网络基础与应用、数据管理与数据分析、人工智能基础与应用。

本书构建了融合计算思维与新一代信息技术的“大学计算机”课程内容体系,强调学习思路的引领、问题求解的导向、学习兴趣的培养。一是帮助读者建立完整的计算机知识体系;二是通过编排大量的应用案例和程序实例,让读者在实际应用分析中逐步体会计算机问题求解的特点;三是采用问题主线,在解决问题过程中实现知识植入。

本书配有《大学计算机学习与实验指导》(第5版),便于上机操作。本书可以作为高等学校“大学计算机”课程教材,也可供计算机爱好者和专业技术人员阅读参考。

  • 前辅文
  • 第1章 计算与计算思维
    • 1.1 计算与计算工具
      • 1.1.1 计算的含义
      • 1.1.2 早期的计算工具
      • 1.1.3 电子计算机的产生
    • 1.2 计算自动化
      • 1.2.1 图灵机模型
      • 1.2.2 冯·诺依曼体系结构
      • 1.2.3 现代计算机的发展
      • 1.2.4 未来新型计算机
    • 1.3 计算思维及计算思维能力培养
      • 1.3.1 计算思维的概念
      • 1.3.2 计算思维的特征与本质
      • 1.3.3 计算思维能力培养
    • 习题
    • 资料检索
  • 第2章 基于计算机的问题求解
    • 2.1 问题求解的基本步骤
    • 2.2 算法及其描述
      • 2.2.1 算法的概念
      • 2.2.2 算法的特性
      • 2.2.3 算法的描述
    • 2.3 程序设计语言与程序设计方法
      • 2.3.1 程序设计语言的分类
      • 2.3.2 程序设计方法
    • 2.4 程序实现——以Python语言为例
      • 2.4.1 简单的Python程序
      • 2.4.2 实现选择判断
      • 2.4.3 控制重复操作
      • 2.4.4 Matplotlib绘图
    • 2.5 问题求解的常用算法
      • 2.5.1 迭代法
      • 2.5.2 穷举法
      • 2.5.3 递归
      • 2.5.4 排序
      • 2.5.5 查找
    • 2.6 程序中的数据结构
      • 2.6.1 数据结构概述
      • 2.6.2 线性表
      • 2.6.3 栈和队列
      • 2.6.4 树
      • 2.6.5 图
    • 习题
    • 资料检索
  • 第3章 计算机中数据的表示
    • 3.1 数制与二进制运算
      • 3.1.1 数制
      • 3.1.2 数制之间的转换
      • 3.1.3 二进制数的运算
    • 3.2 数值数据在计算机中的表示
      • 3.2.1 机器数与真值
      • 3.2.2 有符号数的表示方法
      • 3.2.3 实数在计算机中的表示
      • 3.2.4 二-十进制码
    • 3.3 字符编码
      • 3.3.1 ASCII码
      • 3.3.2 汉字编码
    • 3.4 多媒体数据编码
      • 3.4.1 音频编码
      • 3.4.2 图像编码
      • 3.4.3 视频编码
    • 3.5 条形码
      • 3.5.1 一维条形码
      • 3.5.2 二维码
    • 习题
    • 资料检索
  • 第4章 计算机系统
    • 4.1 计算机系统的组成
      • 4.1.1 计算机的硬件系统
      • 4.1.2 计算机的软件系统
      • 4.1.3 计算机硬件和软件之间的关系
    • 4.2 计算机的工作原理
      • 4.2.1 指令和程序
      • 4.2.2 指令的执行过程
    • 4.3 微型计算机体系结构
      • 4.3.1 微型计算机的总线结构
      • 4.3.2 微型计算机的组成部件
      • 4.3.3 微型计算机的主要性能指标
    • 习题
    • 资料检索
  • 第5章 操作系统基础
    • 5.1 操作系统概述
      • 5.1.1 操作系统的概念
      • 5.1.2 操作系统的特征
      • 5.1.3 操作系统的形成与发展
    • 5.2 操作系统的资源管理
      • 5.2.1 处理器管理
      • 5.2.2 存储管理
      • 5.2.3 文件管理
      • 5.2.4 设备管理
    • 5.3 常用操作系统
      • 5.3.1 操作系统的分类
      • 5.3.2 微机操作系统
      • 5.3.3 其他常用操作系统
    • 习题
    • 资料检索
  • 第6章 计算机网络基础与应用
    • 6.1 计算机网络概述
      • 6.1.1 计算机网络的概念
      • 6.1.2 计算机网络的分类
      • 6.1.3 计算机网络的体系结构
    • 6.2 局域网基础
      • 6.2.1 计算机网络的拓扑结构
      • 6.2.2 局域网的组成
      • 6.2.3 常用局域网
    • 6.3 Internet基础
      • 6.3.1 IP地址与域名系统
      • 6.3.2 接入Internet的方式
      • 6.3.3 Internet服务
    • 6.4 网络安全技术
      • 6.4.1 计算机病毒及其防范
      • 6.4.2 计算机木马及其预防
      • 6.4.3 网络攻击及预防
    • 6.5 无线网络和蜂窝移动网络
      • 6.5.1 无线网络技术
      • 6.5.2 蜂窝移动网络
      • 6.5.3 家庭无线网络方案
    • 6.6 云计算服务
      • 6.6.1 云计算的概念
      • 6.6.2 云计算体系结构和服务
      • 6.6.3 典型的云计算平台
    • 6.7 物联网技术
      • 6.7.1 物联网的概念
      • 6.7.2 物联网体系结构
      • 6.7.3 应用案例——智能家居系统
    • 6.8 区块链技术
      • 6.8.1 区块链的概念
      • 6.8.2 区块链的架构模型和相关技术
      • 6.8.3 应用案例——课堂行为管理系统
    • 习题
    • 资料检索
  • 第7章 数据管理与数据分析
    • 7.1 数据管理概述
      • 7.1.1 数据格式的分类
      • 7.1.2 数据管理方式的演变
      • 7.1.3 数据库系统相关概念
      • 7.1.4 数据模型
    • 7.2 关系数据库
      • 7.2.1 关系的数学定义
      • 7.2.2 关系的运算
      • 7.2.3 常用的数据库管理系统
      • 7.2.4 结构化查询语言
    • 7.3 数据分析与处理
      • 7.3.1 数据分析的基本流程
      • 7.3.2 常用数据分析方法
      • 7.3.3 数据可视化
    • 7.4 网络数据处理
      • 7.4.1 网络数据获取
      • 7.4.2 信息提取
      • 7.4.3 应用案例——新闻热词分析
    • 7.5 大数据处理
      • 7.5.1 大数据关键技术
      • 7.5.2 常用大数据框架平台
      • 7.5.3 应用案例——地铁运营大数据系统
    • 7.6 基于R语言的数据处理
      • 7.6.1 R语言基础
      • 7.6.2 数据对象的创建与数据获取
      • 7.6.3 数据预处理
      • 7.6.4 数据统计分析与绘图
      • 7.6.5 应用案例——新生儿低体重危险因素分析
    • 习题
    • 资料检索
  • 第8章 人工智能基础与应用
    • 8.1 人工智能概述
      • 8.1.1 人工智能的起源与定义
      • 8.1.2 人工智能的研究领域
    • 8.2 知识表示与推理
      • 8.2.1 知识表示
      • 8.2.2 知识推理
    • 8.3 机器学习
      • 8.3.1 机器学习概述
      • 8.3.2 机器学习模型与算法
      • 8.3.3 应用案例——二维数据集的聚类
    • 8.4 深度学习
      • 8.4.1 人工神经网络
      • 8.4.2 深度学习模型和算法
      • 8.4.3 应用案例——人脸检测识别
    • 8.5 大语言模型与WPS AI
      • 8.5.1 大语言模型概述
      • 8.5.2 WPS AI
    • 习题
    • 资料检索
  • 参考文献

相关图书