顶部
收藏

大学计算机与人工智能


作者:
主编 袁 方 李海峰 编著 肖艳芹 安海宁 黄炜 牛齐明 娄健 肖胜刚
定价:
49.90元
ISBN:
978-7-04-065657-2
版面字数:
410.00千字
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:
2025-09-08
物料号:
65657-00
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

本书是一本学习计算机与人工智能知识的入门教材,由两大部分构成:第一部分是人工智能基础,包括人工智能与数智社会、计算机中的数据表示、计算机与高性能计算、程序与算法设计、互联网与大数据等内容;第二部分是人工智能方法与应用,包括人工智能概述、人工智能的实现方法、人工智能应用、人工智能的未来发展等内容。通过本书的学习,学习者可以了解人工智能的发展基础、实现方法与应用场景,了解生成式人工智能与大模型应用,了解人工智能的发展趋势及带来的机遇和挑战,培养计算思维、人工智能思维、数字素养与技能,初步具备利用计算机技术、人工智能技术分析并解决实际问题的能力。

本书全面系统地介绍计算机与人工智能知识,内容新颖、通俗易懂、启迪创新,可作为高等学校非计算机专业本科生“大学计算机”“人工智能通识课”等课程的教材,也可作为计算机爱好者学习了解计算机与人工智能知识的参考读物。

  • 前辅文
  • 第1章 人工智能与数智社会
    • 1.1 为什么要学习人工智能知识
    • 1.2 应该学习哪些人工智能知识
    • 1.3 人工智能与各专业的关系
    • 1.4 本章小结
    • 拓展阅读:图灵与图灵奖
    • 习题1
  • 第2章 计算机中的数据表示
    • 2.1 计算机中的进制
      • 2.1.1 进位记数制
      • 2.1.2 不同进制数据的区分
      • 2.1.3 计算机存储数据的常用单位
    • 2.2 不同进制数的相互转换
      • 2.2.1 二进制数与十进制数的相互转换
      • 2.2.2 二进制数与十六进制数的相互转换
      • 2.2.3 二进制数与八进制数的相互转换
    • 2.3 数值型数据的表示
      • 2.3.1 机器数的符号
      • 2.3.2 机器数的编码
      • 2.3.3 机器数的表示范围
      • 2.3.4 机器数中小数点的位置
    • 2.4 字符型数据的编码表示
      • 2.4.1 英文字符的编码表示
      • 2.4.2 汉字的编码表示
    • 2.5 图像与声音数据的采集与表示
      • 2.5.1 图像数据的采集与表示
      • 2.5.2 声音数据的采集与表示
    • 2.6 本章小结
    • 拓展阅读:冯·诺依曼与冯·诺依曼计算机
    • 习题2
  • 第3章 计算机与高性能计算
    • 3.1 计算机硬件系统构成
    • 3.2 中央处理器(CPU)
      • 3.2.1 CPU的基本组成和功能
      • 3.2.2 CPU的主要技术指标
    • 3.3 存储器
      • 3.3.1 高速缓存
      • 3.3.2 内存
      • 3.3.3 外存
    • 3.4 输入输出设备
      • 3.4.1 输入设备
      • 3.4.2 输出设备
    • 3.5 总线与主板
      • 3.5.1 总线
      • 3.5.2 主板
    • 3.6 计算机系统结构的发展
      • 3.6.1 流水线技术
      • 3.6.2 并行处理技术
    • 3.7 如何选购一台符合自己需要的计算机
      • 3.7.1 明确需求
      • 3.7.2 确认配置
      • 3.7.3 典型配置介绍
    • 3.8 本章小结
    • 拓展阅读:Intel公司与CPU
    • 习题3
  • 第4章 程序与算法设计
    • 4.1 程序设计语言
      • 4.1.1 机器语言
      • 4.1.2 汇编语言
      • 4.1.3 早期高级语言
      • 4.1.4 结构化程序设计语言
      • 4.1.5 面向对象程序设计语言
      • 4.1.6 Python语言的特点
    • 4.2 算法设计
      • 4.2.1 算法的作用
      • 4.2.2 算法的特性
      • 4.2.3 算法的评价标准
    • 4.3 计算机软件
      • 4.3.1 计算机软件的概念
      • 4.3.2 计算机软件的分类
    • 4.4 操作系统
      • 4.4.1 操作系统的定义
      • 4.4.2 操作系统中的文件管理
      • 4.4.3 操作系统实例
    • 4.5 本章小结
    • 拓展阅读:王选与汉字激光照排
    • 习题4
  • 第5章 互联网与大数据
    • 5.1 计算机网络概述
      • 5.1.1 计算机网络的概念
      • 5.1.2 计算机网络的分类
      • 5.1.3 计算机网络的拓扑结构
      • 5.1.4 计算机网络的体系结构
      • 5.1.5 计算机网络的连接设备
    • 5.2 局域网技术
      • 5.2.1 有线局域网组网技术
      • 5.2.2 无线局域网组网技术
    • 5.3 互联网技术
      • 5.3.1 互联网接入方式
      • 5.3.2 互联网协议和IP地址
    • 5.4 互联网服务
      • 5.4.1 万维网和浏览器
      • 5.4.2 信息检索与搜索引擎
      • 5.4.3 电子邮件
    • 5.5 网络安全
      • 5.5.1 计算机病毒的防治
      • 5.5.2 黑客的攻击与防范
      • 5.5.3 防火墙技术
      • 5.5.4 数据加密与认证技术
      • 5.5.5 身份认证技术
    • 5.6 网络素养
      • 5.6.1 网络素养的内涵
      • 5.6.2 网络安全法律
      • 5.6.3 网络安全个人素养
    • 5.7 物联网
      • 5.7.1 物联网体系结构
      • 5.7.2 物联网关键技术
      • 5.7.3 物联网应用
    • 5.8 大数据
      • 5.8.1 大数据的特征
      • 5.8.2 大数据技术
      • 5.8.3 大数据应用
    • 5.9 本章小结
    • 拓展阅读:金怡濂与高性能计算机
    • 习题5
  • 第6章 人工智能概述
    • 6.1 人工智能的定义
    • 6.2 人工智能的研究目标
      • 6.2.1 专用人工智能
      • 6.2.2 通用人工智能
    • 6.3 人工智能研究的不同学派
      • 6.3.1 符号主义学派
      • 6.3.2 连接主义学派
      • 6.3.3 行为主义学派
    • 6.4 人工智能的发展历程
      • 6.4.1 推理期
      • 6.4.2 知识期
      • 6.4.3 学习期
    • 6.5 本章小结
    • 拓展阅读:吴文俊和定理自动证明
    • 习题6
  • 第7章 人工智能的实现方法
    • 7.1 知识表示与推理
      • 7.1.1 知识表示方法
      • 7.1.2 命题逻辑与谓词逻辑
      • 7.1.3 知识图谱
      • 7.1.4 逻辑推理
    • 7.2 搜索与问题求解
    • 7.3 机器学习
      • 7.3.1 机器学习的定义
      • 7.3.2 分类方法
      • 7.3.3 聚类方法
    • 7.4 人工神经网络方法
      • 7.4.1 最早的神经网络——M-P模型
      • 7.4.2 赫布学习规则
      • 7.4.3 感知机模型
      • 7.4.4 霍普菲尔德神经网络
      • 7.4.5 BP神经网络
    • 7.5 深度神经网络
      • 7.5.1 深度学习方法
      • 7.5.2 深度神经网络的发展
    • 7.6 本章小结
    • 拓展阅读:IBM公司与计算机
    • 习题7
  • 第8章 人工智能应用
    • 8.1 自然语言处理
      • 8.1.1 自然语言处理的发展
      • 8.1.2 自然语言处理的语言学基础
      • 8.1.3 自然语言处理技术
      • 8.1.4 自然语言处理的应用领域
      • 8.1.5 自然语言处理常用工具
    • 8.2 语音处理
      • 8.2.1 语音处理技术的发展
      • 8.2.2 语音识别技术
      • 8.2.3 语音合成技术
      • 8.2.4 语音处理技术的应用领域
    • 8.3 计算机视觉
      • 8.3.1 计算机视觉的任务
      • 8.3.2 卷积神经网络概述
      • 8.3.3 卷积神经网络的基本结构
      • 8.3.4 典型的卷积神经网络模型
      • 8.3.5 基于卷积神经网络的手写数字识别
    • 8.4 智能机器人
      • 8.4.1 机器人的发展
      • 8.4.2 机器人的分类
      • 8.4.3 我国的机器人产业规划
    • 8.5 生成式人工智能与大模型应用
      • 8.5.1 生成式人工智能
      • 8.5.2 大模型应用
    • 8.6 本章小结
    • 拓展阅读:比尔·盖茨与微软公司
    • 习题8
  • 第9章 人工智能的未来发展
    • 9.1 人工智能与经济社会发展
    • 9.2 人工智能发展带来的挑战
    • 9.3 人工智能伦理
    • 9.4 人工智能的未来发展
    • 9.5 本章小结
    • 拓展阅读:全球人工智能治理倡议
    • 习题9
  • 附录A 计算机发展简史
    • A.1 电子计算机的诞生
    • A.2 电子计算机的发展
      • A.2.1 第一代计算机
      • A.2.2 第二代计算机
      • A.2.3 第三代计算机
      • A.2.4 第四代计算机
    • A.3 量子计算机
    • A.4 中国计算机发展简史
  • 参考文献

相关图书