顶部
收藏

计算思维与人工智能(第5版)


作者:
郝兴伟 主编
定价:
55.00元
ISBN:
978-7-04-065079-2
版面字数:
600.00千字
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:
2025-07-09
物料号:
65079-00
读者对象:
高等教育

本书定位计算机与人工智能通识教育,教学目标为培养学生计算思维和人工智能应用能力,为各学科与计算技术及人工智能的交叉融合提供计算机学科及人工智能基础知识。以“领域问题+计算”的计算思维培养模式为主线,全面讲解问题求解的传统算法和人工智能思想。从技术和应用的视角对计算机技术、人工智能技术、应用与科技伦理进行了深入浅出的讲解。

全书共分为8章,分别是:第1章绪论,介绍知识、学习、认知、思维和逻辑等跨学科范畴的通识性知识,阐明计算在科学研究和知识创新中的重要性。第2章计算与计算机,讲解现代电子计算机的发明,数据进制、字符编码,计算机硬件组成,计算机操作系统,计算机网络及物联网。第3章问题求解与算法,从方法论的视角介绍问题及问题求解策略与基本过程,讲解计算机问题求解的基本过程,算法及复杂性,以及传统的问题求解算法。第4章数据与数据结构,讲解数据结构的概念,数据结构在软件编程中的重要性,讲解线性表、树和图结构的逻辑结构、物理存储结构及常用操作算法。第5章计算机程序,讲解计算机程序的概念,编程思想,以及软件开发的基本过程。以Python语言为例,讲解程序设计语言的基本构成及面向对象技术。第6章人工智能,从技术的视角全面介绍人工智能的核心技术,包括人工智能的产生与发展,神经网络,机器学习,深度学习,生成式人工智能等。第7章人工智能应用,从应用的视角讲解自然语言处理、语音技术、计算机视觉、生成式人工智能。第8章社会发展与科技伦理,讲解信息安全、数据隐私和科技论理问题。

本书可作为高等学校非计算机类专业学生的计算机基础和人工智能通识教育教材。

  • 前辅文
  • 第1章 绪论
    • 1.1 信息社会与信息素养
      • 1.1.1 计算机与信息社会
      • 1.1.2 信息社会的特征
      • 1.1.3 个人素质与信息素养
    • 1.2 人类思维与逻辑学
      • 1.2.1 知识与科学研究
      • 1.2.2 人类的思维活动
      • 1.2.3 逻辑学
    • 1.3 计算科学与计算思维
      • 1.3.1 计算与计算科学
      • 1.3.2 计算思维
    • 1.4 学科交叉与融合
      • 1.4.1 物联网与社会数字化
      • 1.4.2 无处不在的计算
      • 1.4.3 学习与知识创新
    • 1.5 思想的力量与启示
    • 本章小结
    • 思考题
  • 第2章 计算与计算机
    • 2.1 数与计算问题
      • 2.1.1 数的起源
      • 2.1.2 计算工具
    • 2.2 计算机的产生和发展
      • 2.2.1 电子计算机诞生的前夜
      • 2.2.2 计算机的理论基础
      • 2.2.3 计算模型与图灵机
      • 2.2.4 电子计算机的诞生
      • 2.2.5 计算机的发展
    • 2.3 计算机系统结构
      • 2.3.1 计算机体系结构
      • 2.3.2 计算机系统组成
      • 2.3.3 微型计算机举例
    • 2.4 数值表示与字符编码
      • 2.4.1 数与进制
      • 2.4.2 数的原码、反码与补码
      • 2.4.3 数的定点存储和浮点存储
      • 2.4.4 字符数据与字符编码
      • 2.4.5 数据存储单位
    • 2.5 计算机系统管理
      • 2.5.1 计算机操作系统
      • 2.5.2 处理器管理
      • 2.5.3 存储器管理
      • 2.5.4 文件与外存管理
      • 2.5.5 设备管理
      • 2.5.6 人机界面
    • 2.6 计算机网络
      • 2.6.1 计算机网络技术
      • 2.6.2 互联网与网络服务
      • 2.6.3 物联网
    • 本章小结
    • 思考题
  • 第3章 问题求解与算法
    • 3.1 问题与问题求解
      • 3.1.1 领域问题及形式化描述
      • 3.1.2 问题抽象与数学建模
      • 3.1.3 计算机求解问题模型
    • 3.2 算法与算法分析
      • 3.2.1 算法及其描述
      • 3.2.2 算法复杂性分析
    • 3.3 算法设计及算法分类
      • 3.3.1 算法设计
      • 3.3.2 穷举法
      • 3.3.3 递推法
      • 3.3.4 递归法
      • 3.3.5 回溯法
      • 3.3.6 迭代法
      • 3.3.7 分治法
      • 3.3.8 贪心法
      • 3.3.9 其他算法
    • 3.4 搜索问题与查找算法
      • 3.4.1 搜索问题
      • 3.4.2 顺序查找
      • 3.4.3 折半查找
    • 3.5 排序问题及排序算法
      • 3.5.1 排序问题
      • 3.5.2 选择排序
      • 3.5.3 交换排序
      • 3.5.4 插入排序
      • 3.5.5 归并排序
      • 3.5.6 基数排序
    • 3.6 网络搜索问题
      • 3.6.1 搜索引擎及其工作原理
      • 3.6.2 PageRank排序算法
      • 3.6.3 搜索引擎的启示
    • 本章小结
    • 思考题
  • 第4章 数据与数据结构
    • 4.1 数、数据及数据结构
      • 4.1.1 数与数据的概念
      • 4.1.2 数据抽象与数据类型
      • 4.1.3 数据结构
    • 4.2 线性结构
      • 4.2.1 排队问题
      • 4.2.2 线性表
      • 4.2.3 堆栈与队列
    • 4.3 树形结构
      • 4.3.1 博弈与决策问题
      • 4.3.2 树形结构
      • 4.3.3 二叉树
      • 4.3.4 常用操作及应用
    • 4.4 图结构
      • 4.4.1 图的概念
      • 4.4.2 图的存储
      • 4.4.3 图的遍历
      • 4.4.4 生成树和最小生成树
    • 4.5 应用举例
      • 4.5.1 网络与最短通路问题
      • 4.5.2 工程拓扑排序问题
      • 4.5.3 工程关键路径问题
    • 本章小结
    • 思考题
  • 第5章 计算机程序
    • 5.1 计算机程序概述
      • 5.1.1 自然语言与形式语言
      • 5.1.2 抽象与计算机程序设计语言
      • 5.1.3 计算机程序及其分类
      • 5.1.4 问题约简与结构化编程
      • 5.1.5 计算机软件系统开发
    • 5.2 Python程序设计语言
      • 5.2.1 Python简介
      • 5.2.2 Python环境安装与配置
      • 5.2.3 Python库
    • 5.3 Python编程基础
      • 5.3.1 Python语言基本符号
      • 5.3.2 Python程序结构
      • 5.3.3 数据、运算与表达式
      • 5.3.4 流程控制语句
      • 5.3.5 复杂数据结构
      • 5.3.6 正则表达式
    • 5.4 函数式编程
      • 5.4.1 函数的定义
      • 5.4.2 匿名函数
      • 5.4.3 高阶函数
      • 5.4.4 装饰器
      • 5.4.5 模块与包
    • 5.5 面向对象编程
      • 5.5.1 类与对象
      • 5.5.2 继承与派生
      • 5.5.3 多态
    • 5.6 文件操作
      • 5.6.1 文件及其分类
      • 5.6.2 文件读写
      • 5.6.3 异常处理
    • 5.7 应用编程
      • 5.7.1 数据分析与处理
      • 5.7.2 图形用户界面编程
      • 5.7.3 Web与网络编程
    • 本章小结
    • 思考题
  • 第6章 人工智能
    • 6.1 人工智能的起源和发展
      • 6.1.1 人工智能的萌芽
      • 6.1.2 达特茅斯会议
      • 6.1.3 人工智能的发展
    • 6.2 人工智能的分类
      • 6.2.1 弱人工智能
      • 6.2.2 强人工智能
      • 6.2.3 超人工智能
    • 6.3 人工神经网络
      • 6.3.1 神经网络及其发展
      • 6.3.2 神经网络的基本原理
      • 6.3.3 神经元激活函数
      • 6.3.4 神经网络优化与训练
      • 6.3.5 深度神经网络
      • 6.3.6 经典神经网络结构
    • 6.4 机器学习
      • 6.4.1 人工智能研究的转变
      • 6.4.2 监督学习
      • 6.4.3 无监督学习
      • 6.4.4 强化学习
    • 6.5 深度学习
      • 6.5.1 深度学习的概念
      • 6.5.2 深度学习网络结构
      • 6.5.3 深度学习框架
    • 6.6 生成式人工智能
      • 6.6.1 基本概念
      • 6.6.2 大语言模型
      • 6.6.3 多模态生成
    • 本章小结
    • 思考题
  • 第7章 人工智能应用
    • 7.1 自然语言处理
      • 7.1.1 基础知识
      • 7.1.2 相关技术
      • 7.1.3 使用大语言模型
    • 7.2 语音与音频处理
      • 7.2.1 语音技术的发展
      • 7.2.2 相关技术
      • 7.2.3 工具软件
      • 7.2.4 Python编程
    • 7.3 计算机视觉
      • 7.3.1 计算机视觉的发展
      • 7.3.2 相关技术
      • 7.3.3 应用举例
    • 7.4 AIGC及其应用
      • 7.4.1 AIGC的产生与发展
      • 7.4.2 文本生成
      • 7.4.3 图像生成
      • 7.4.4 多模态生成
    • 7.5 人工智能行业应用
    • 本章小结
    • 思考题
  • 第8章 社会发展与科技伦理
    • 8.1 数据隐私与信息安全
      • 8.1.1 数字化社会
      • 8.1.2 数据隐私
      • 8.1.3 网络与信息安全
      • 8.1.4 数据加密技术
      • 8.1.5 病毒、木马及其防范
    • 8.2 科技伦理问题
      • 8.2.1 人工智能的伦理问题
      • 8.2.2 基因编辑的伦理界限
      • 8.2.3 科技伦理的哲学视角
    • 8.3 科技伦理问题监管
      • 8.3.1 科技伦理监管重点领域
      • 8.3.2 中国科技伦理监管
      • 8.3.3 欧盟AI法案
      • 8.3.4 美国AI监管
    • 8.4 科技发展与人类未来
      • 8.4.1 科技发展对社会的影响
      • 8.4.2 超级智能与人类未来
    • 本章小结
    • 思考题
  • 参考文献

相关图书


相关数字化产品