顶部
收藏

计算思维与人工智能基础


作者:
主编 张玉 夏晨星 刘唤唤 副主编 陈科澎 魏昌卿 杨翔宇
定价:
34.00 元
版面字数:
360千字
开本:
16开
装帧形式:
平装
版次:
1
最新版次
印刷时间:
2026年
ISBN:
978-7-04-067975-5
物料号:
67975-00
出版时间:
2026-08-21
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

本书以计算思维培养为核心,融合人工智能前沿知识,采用理工医科(A轨)+人文社科(B轨)双轨并行的内容架构,适配不同学科背景学习者的认知特点与应用需求。

全书共9章,逻辑上遵循“基础思维—技术核心—应用拓展—伦理反思”的脉络展开:第1章夯实计算思维与问题求解的底层逻辑,是跨学科学习的通用基础;第2、3章讲解信息表示、数据思维与算法基础,为人工智能学习搭建技术框架;第4章聚焦信息安全威胁与防护,补足技术应用的安全维度;第5~8章依次深入讲解人工智能基础、机器学习与数据智能、自然语言处理与生成式AI、计算机视觉与多模态智能,结合A轨涉及的工业质检、医疗影像分析等理工医科应用场景,以及B轨涉及的文物修复、人文文本分析等文科应用案例,将抽象技术落地于具体学科实践;第9章探讨AI伦理与未来展望,引导学习者树立负责任的技术应用观,兼具技术深度与人文温度。

本书弱化专业壁垒,通过双轨案例的对比与融合,让理工医科读者理解AI在人文领域的创新应用,也让文科读者掌握计算思维在本学科的实践路径,适合作为开展跨学科人工智能通识教育的教材。

  • 目录
    • 前辅文
      • 第1章 计算思维与问题求解
        • 1.1 案例导入
          • 1.2 计算的本质
            • 1.2.1 演进脉络
              • 1.2.2 社会价值
              • 1.3 计算思维四要素
                • 1.3.1 分解
                  • 1.3.2 模式识别
                    • 1.3.3 抽象
                      • 1.3.4 算法设计
                      • 1.4 跨领域应用
                        • 1.4.1 工程与医疗领域应用
                          • 1.4.2 人文与社会领域应用
                          • 1.5 项目实践
                            • 本章小结
                              • 思考与练习
                              • 第2章 信息表示与数字媒介
                                • 2.1 案例导入
                                  • 2.2 0与1的信息世界
                                    • 2.2.1 认识0与1
                                      • 2.2.2 数制及数制之间的关联与转换
                                        • 2.2.3 0与1的信息表示
                                        • 2.3 计算机硬件系统
                                          • 2.3.1 冯·诺依曼体系结构
                                            • 2.3.2 中央处理器
                                              • 2.3.3 存储系统
                                                • 2.3.4 输入输出系统
                                                • 2.4 计算机软件系统
                                                  • 2.4.1 软件概述
                                                    • 2.4.2 系统软件
                                                      • 2.4.3 应用软件
                                                      • 2.5 项目实践:计算机配置方案
                                                        • 任务一:需求分析与场景识别
                                                          • 任务二:核心参数解读
                                                            • 任务三:选购决策与对比分析
                                                            • 本章小结
                                                              • 思考与练习
                                                              • 第3章 数据思维与算法基础
                                                                • 3.1 案例导入
                                                                  • 3.2 数据获取与表示
                                                                    • 3.2.1 数据作为信息载体
                                                                      • 3.2.2 A轨:数值数据的获取
                                                                        • 3.2.3 B轨:文本数据的获取
                                                                          • 3.2.4 数据伦理基础
                                                                          • 3.3 数据清洗与预处理
                                                                            • 3.3.1 为什么需要清洗?
                                                                              • 3.3.2 识别“脏数据”
                                                                                • 3.3.3 数据转换算法
                                                                                  • 3.3.4 步骤化流程设计
                                                                                  • 3.4 数据分析与建模
                                                                                    • 3.4.1 探索性分析:用数据思维发现模式
                                                                                      • 3.4.2 算法建模:用算法思维形式化求解
                                                                                        • 3.4.3 效率意识:算法复杂度分析
                                                                                          • 3.4.4 结果验证:数据思维的回归与反思
                                                                                          • 3.5 数据可视化原理与Python实践
                                                                                            • 3.5.1 可视化原理
                                                                                              • 3.5.2 工具实践:Python数据可视化基础
                                                                                                • 3.5.3 防误导设计
                                                                                                  • 3.5.4 案例对比:好图vs坏图—单摆实验数据
                                                                                                  • 3.6 自动化与智能处理
                                                                                                    • 3.6.1 自动化思维:从手工操作到系统复用
                                                                                                      • 3.6.2 A轨:Python智能分析系统—单摆实验自动化
                                                                                                        • 3.6.3 B轨:AI辅助分析平台—读书笔记智能处理
                                                                                                          • 3.6.4 人机协作核心:自动化增强人的能力
                                                                                                          • 3.7 项目实践
                                                                                                            • 3.7.1 A轨:智能单摆实验系统开发与实现
                                                                                                              • 3.7.2 B轨:智能读书笔记分析平台搭建与实现
                                                                                                              • 本章小结
                                                                                                                • 思考与练习
                                                                                                                • 第4章 信息安全威胁与防护
                                                                                                                  • 4.1 案例导入
                                                                                                                    • 4.2 计算机网络基础
                                                                                                                      • 4.2.1 网络核心功能与常见类型
                                                                                                                        • 4.2.2 网络通信基本逻辑
                                                                                                                        • 4.3 信息安全威胁与防护
                                                                                                                          • 4.3.1 常见信息安全威胁
                                                                                                                            • 4.3.2 个人账号安全防护方法与信息安全素养
                                                                                                                            • 4.4 人工智能时代的信息安全
                                                                                                                              • 4.4.1 人工智能时代的新型信息安全威胁
                                                                                                                                • 4.4.2 人工智能时代的信息安全防护策略
                                                                                                                                • 4.5 项目实践
                                                                                                                                  • 任务一:账号安全体检与加固(基础必修)
                                                                                                                                    • 任务二:网络环境安全评估(进阶选修)
                                                                                                                                      • 任务三:AI时代安全规范制定(拓展挑战)
                                                                                                                                      • 本章小结
                                                                                                                                        • 思考与练习
                                                                                                                                        • 第5章 人工智能基础
                                                                                                                                          • 5.1 案例导入
                                                                                                                                            • 5.2 人工智能的通俗定义与学科定位
                                                                                                                                              • 5.2.1 定义与内涵
                                                                                                                                                • 5.2.2 研究目标
                                                                                                                                                  • 5.2.3 学科定位与知识框架
                                                                                                                                                    • 5.2.4 与相关学科的关系
                                                                                                                                                      • 5.2.5 文理双轨案例推进
                                                                                                                                                      • 5.3 发展历程与关键节点
                                                                                                                                                        • 5.3.1 人工智能的起源与诞生
                                                                                                                                                          • 5.3.2 发展阶段与关键节点
                                                                                                                                                            • 5.3.3 主要学派与思想差异
                                                                                                                                                              • 5.3.4 发展趋势与技术突破
                                                                                                                                                                • 5.3.5 文理双轨案例推进
                                                                                                                                                                • 5.4 典型应用场景
                                                                                                                                                                  • 5.4.1 感知智能与认知智能
                                                                                                                                                                    • 5.4.2 行业典型应用场景
                                                                                                                                                                      • 5.4.3 核心技术栈构成
                                                                                                                                                                        • 5.4.4 产业生态与发展现状
                                                                                                                                                                          • 5.4.5 文理双轨案例推进
                                                                                                                                                                          • 本章小结
                                                                                                                                                                            • 思考与练习
                                                                                                                                                                            • 第6章 机器学习与数据智能
                                                                                                                                                                              • 6.1 案例导入
                                                                                                                                                                                • 6.2 机器学习基础
                                                                                                                                                                                  • 6.2.1 学习范式
                                                                                                                                                                                    • 6.2.2 模型、训练与评估
                                                                                                                                                                                      • 6.2.3 模型选择
                                                                                                                                                                                      • 6.3 经典算法
                                                                                                                                                                                        • 6.3.1 回归与分类
                                                                                                                                                                                          • 6.3.2 聚类与降维
                                                                                                                                                                                            • 6.3.3 神经网络原理
                                                                                                                                                                                            • 6.4 深度学习与大模型
                                                                                                                                                                                              • 6.4.1 CNN/RNN/Transformer架构特点与场景应用
                                                                                                                                                                                                • 6.4.2 预训练与微调
                                                                                                                                                                                                  • 6.4.3 提示工程基础
                                                                                                                                                                                                  • 6.5 项目实践
                                                                                                                                                                                                    • 本章小结
                                                                                                                                                                                                      • 思考与练习
                                                                                                                                                                                                      • 第7章 自然语言处理与生成式AI
                                                                                                                                                                                                        • 7.1 案例导入
                                                                                                                                                                                                          • 7.2 自然语言处理基础
                                                                                                                                                                                                            • 7.2.1 NLP的定义与核心挑战
                                                                                                                                                                                                              • 7.2.2 词法分析
                                                                                                                                                                                                                • 7.2.3 句法与语义分析
                                                                                                                                                                                                                  • 7.2.4 NLP典型应用任务
                                                                                                                                                                                                                    • 7.2.5 NLP技术演进脉络
                                                                                                                                                                                                                    • 7.3 预训练语言模型
                                                                                                                                                                                                                      • 7.3.1 预训练范式的革命
                                                                                                                                                                                                                        • 7.3.2 Transformer架构基础
                                                                                                                                                                                                                          • 7.3.3 BERT与GPT架构对比
                                                                                                                                                                                                                            • 7.3.4 国产大模型技术
                                                                                                                                                                                                                              • 7.3.5 预训练模型的局限
                                                                                                                                                                                                                              • 7.4 生成式AI与可控性
                                                                                                                                                                                                                                • 7.4.1 生成式AI的原理与能力
                                                                                                                                                                                                                                  • 7.4.2 提示词工程
                                                                                                                                                                                                                                    • 7.4.3 可控性与安全性
                                                                                                                                                                                                                                      • 7.4.4 国产平台的安全优势
                                                                                                                                                                                                                                      • 7.5 AI辅助知识工作
                                                                                                                                                                                                                                        • 7.5.1 A轨:技术文档智能处理
                                                                                                                                                                                                                                          • 7.5.2 B轨:学术语言服务
                                                                                                                                                                                                                                            • 7.5.3 人机协作的最佳实践
                                                                                                                                                                                                                                            • 7.6 项目实践
                                                                                                                                                                                                                                              • 7.6.1 A轨:工程文献智能处理工作流
                                                                                                                                                                                                                                                • 7.6.2 B轨:中文学术论文英译与润色方案
                                                                                                                                                                                                                                                  • 7.6.3 共同要求
                                                                                                                                                                                                                                                  • 本章小结
                                                                                                                                                                                                                                                    • 思考与练习
                                                                                                                                                                                                                                                    • 第8章 计算机视觉与多模态智能
                                                                                                                                                                                                                                                      • 8.1 案例导入
                                                                                                                                                                                                                                                        • 8.2 计算机视觉基础
                                                                                                                                                                                                                                                          • 8.2.1 图像表示
                                                                                                                                                                                                                                                            • 8.2.2 传统图像处理
                                                                                                                                                                                                                                                              • 8.2.3 深度学习与卷积神经网络
                                                                                                                                                                                                                                                              • 8.3 目标检测与分割
                                                                                                                                                                                                                                                                • 8.3.1 目标检测
                                                                                                                                                                                                                                                                  • 8.3.2 图像分割
                                                                                                                                                                                                                                                                  • 8.4 多模态智能
                                                                                                                                                                                                                                                                    • 8.4.1 视觉-语言模型
                                                                                                                                                                                                                                                                      • 8.4.2 跨模态生成(文生图、图生文、视频生成)
                                                                                                                                                                                                                                                                      • 8.5 项目实践
                                                                                                                                                                                                                                                                        • 本章小结
                                                                                                                                                                                                                                                                          • 思考与练习
                                                                                                                                                                                                                                                                          • 第9章 AI伦理与未来展望
                                                                                                                                                                                                                                                                            • 9.1 AI伦理与安全风险
                                                                                                                                                                                                                                                                              • 9.1.1 算法偏见与数据隐私
                                                                                                                                                                                                                                                                                • 9.1.2 模型安全与深度伪造
                                                                                                                                                                                                                                                                                  • 9.1.3 责任归属与学术诚信
                                                                                                                                                                                                                                                                                    • 9.1.4 全球AI治理与中国方案
                                                                                                                                                                                                                                                                                    • 9.2 AI与人类的关系
                                                                                                                                                                                                                                                                                      • 9.2.1 从“替代焦虑”到“辅助共生”
                                                                                                                                                                                                                                                                                        • 9.2.2 明确工具价值与能力边界
                                                                                                                                                                                                                                                                                          • 9.2.3 人机协作的新范式
                                                                                                                                                                                                                                                                                            • 9.2.4 守护人的主体性
                                                                                                                                                                                                                                                                                            • 9.3 未来趋势与AI素养
                                                                                                                                                                                                                                                                                              • 9.3.1 技术演进:从专用智能到通用智能
                                                                                                                                                                                                                                                                                                • 9.3.2 社会变革与可持续发展
                                                                                                                                                                                                                                                                                                  • 9.3.3 AI素养:未来公民的必备能力
                                                                                                                                                                                                                                                                                                    • 9.3.4 中国机遇与青年担当
                                                                                                                                                                                                                                                                                                      • 9.3.5 构建可持续的AI未来
                                                                                                                                                                                                                                                                                                      • 9.4 项目实践
                                                                                                                                                                                                                                                                                                        • 任务一:AI使用安全与伦理体检(基础必修)
                                                                                                                                                                                                                                                                                                          • 任务二:AI伦理与风险识别实践(进阶选修)
                                                                                                                                                                                                                                                                                                            • 任务三:AI时代规范制定与人机协作设计(拓展挑战)
                                                                                                                                                                                                                                                                                                            • 本章小结
                                                                                                                                                                                                                                                                                                              • 思考与练习
                                                                                                                                                                                                                                                                                                              • 参考文献

                                                                                                                                                                                                                                                                                                              相关图书