- 中国铁道出版社
- 9787113330101
- 1-1
- 2026-03
- 工学
- 计算机类
- 电子与信息大类
- 计算机类
- 本科
作者简介
内容简介
本书从人工智能应用视角系统阐释计算科学的核心知识，其内容组织既符合当前大学计算机教育的实际，又能满足高等学校人工智能通识课程的基本要求。全书分为八章，分别是计算与人工智能概述、人工智能计算平台、人工智能编程语言——Python语言、人工智能的数据要素、机器学习、深度学习、大模型技术、人工智能伦理与安全。
本书以通俗易懂的语言介绍计算与人工智能的基本概念和技术框架，遵循应用导向、问题驱动的编写理念，以实际案例说明概念、算法和基本原理。通过丰富的案例分析和项目实践，引导读者应用人工智能方法与技术去解决实际问题，培养解决复杂问题的能力以及学科交叉融合与应用能力。
本书适合作为高等学校“人工智能通识”课程或“大学计算机”课程的教材，也可供计算机科学或人工智能爱好者和专业技术人员阅读参考。
本书以通俗易懂的语言介绍计算与人工智能的基本概念和技术框架，遵循应用导向、问题驱动的编写理念，以实际案例说明概念、算法和基本原理。通过丰富的案例分析和项目实践，引导读者应用人工智能方法与技术去解决实际问题，培养解决复杂问题的能力以及学科交叉融合与应用能力。
本书适合作为高等学校“人工智能通识”课程或“大学计算机”课程的教材，也可供计算机科学或人工智能爱好者和专业技术人员阅读参考。
目录
1.1计算与计算思维
1.1.1计算的含义
1.1.2图灵机
1.1.3计算思维
1.2人工智能的起源与概念
1.2.1人工智能的起源
1.2.2人工智能的三大学派
1.2.3人工智能的概念
1.3人工智能的发展历程与趋势
1.3.1人工智能的发展阶段
1.3.2人工智能的发展趋势
1.4人工智能的研究内容与主要技术
1.4.1人工智能的研究内容
1.4.2人工智能主要技术
习题与实验
第2章人工智能计算平台
2.1单机系统
2.1.1计算机系统的组成
2.1.2计算机的工作原理
2.1.3人工智能计算架构
2.2计算机中数据的表示
2.2.1数制与二进制运算
2.2.2数值数据的表示
2.2.3字符编码
2.2.4声音和图像编码
2.3网络系统
2.3.1计算机网络概述
2.3.2局域网基础
2.3.3Internet基础
2.4云计算服务
2.4.1云计算的概念
2.4.2云计算服务模式
2.4.3典型的云计算平台
2.5物联网技术
2.5.1物联网的概念
2.5.2物联网体系架构
2.5.3物联网关键技术
习题与实验
第3章人工智能编程语言——Python语言
3.1Python与人工智能应用
3.1.1Python语言的特点与编程规则
3.1.2Python问题求解范式
3.1.3Python在人工智能中的应用
3.2Python的数据描述
3.2.1Python对象及其引用
3.2.2Python数据类型
3.2.3常用系统函数
3.2.4基本运算与表达式
3.3Python程序流程控制
3.3.2实现选择判断
3.3.3控制重复操作
3.4函数
3.4.1函数的定义与调用
3.4.2匿名函数和递归函数
3.5文件操作
3.5.1文件的打开与关闭
3.5.2文本文件的操作
3.6Python人工智能应用生态
3.6.1NumPy库的应用
3.6.2Matplotlib绘图
3.6.3SciPy库的应用
习题与实验
第4章人工智能的数据要素
4.1数据的价值与类型
4.1.1数据的价值
4.1.2数据的类型
4.2数据分析
4.2.1数据分析的基本流程
4.2.2常用数据分析方法
4.2.3数据可视化
4.2.4数据分析应用案例
4.3网络数据采集与信息提取
4.3.1网络数据采集
4.3.2信息提取
4.3.3网络数据分析应用案例
4.4大数据处理
4.4.1大数据关键技术
4.4.2常用大数据框架
4.4.3大数据与人工智能的关系
4.5数据安全
4.5.1数据加密技术
4.5.2区块链技术
习题与实验
第5章机器学习
5.1机器学习概述
5.1.1机器学习的概念
5.1.2机器学习与人工智能的关系
5.1.3机器学习的应用领域
5.2机器学习基础
5.2.1机器学习的类型
5.2.2机器学习的基本流程
5.2.3机器学习的性能评估指标
5.3机器学习算法
5.3.1回归算法
5.3.2分类算法
5.3.3聚类算法
5.4强化学习
5.4.1强化学习原理
5.4.2Q学习算法
5.4.3强化学习应用案例
习题与实验
第6章深度学习
6.1深度学习概述
6.1.1深度学习的概念与基本特征
6.1.2深度学习的发展历程
6.1.3深度学习与传统机器学习的区别
6.2神经元与神经网络
6.2.1人工神经元
6.2.2人工神经网络
6.2.3反向传播算法
6.2.4神经网络应用案例
6.3深度学习模型
6.3.1卷积神经网络
6.3.2循环神经网络
6.3.3生成对抗网络
6.4用PyTorch实现MNIST手写数字识别
6.4.1常用深度学习框架
6.4.2PyTorch框架的应用
6.4.3MNIST手写数字识别的实现
习题与实验
第7章大模型技术
7.1大模型概述
7.1.1大模型的概念
7.1.2大语言模型
7.1.3常见的大模型
7.2大模型的架构与技术
7.2.1Transformer架构
7.2.2自注意力机制
7.2.3编码器和解码器的作用原理
7.3模型优化与压缩技术
7.3.1知识蒸馏
7.3.2模型剪枝与量化
7.3.3稀疏化与低秩分解
7.4DeepSeek的技术原理与应用
7.4.1DeepSeek的技术原理
7.4.2DeepSeek的应用
7.5WPSAI智能办公应用
7.5.1智能文档处理
7.5.2智能数据分析
7.5.3智能演示文稿制作
习题与实验
第8章人工智能伦理与安全
8.1人工智能伦理概述
8.1.1人工智能伦理的概念和发展
8.1.2数据隐私与伦理问题
8.1.3算法偏见与公平
8.2人工智能的安全挑战
8.2.1对抗攻击与模型的鲁棒性
8.2.2人工智能在安全系统中的应用与风险
8.2.3人工智能失控的可能性
8.3典型案例分析
8.3.1面部识别滥用与伦理问题
8.3.2自动驾驶技术与伦理问题
8.3.3深度伪造技术与伦理问题
习题与实验
参考文献
1.1.1计算的含义
1.1.2图灵机
1.1.3计算思维
1.2人工智能的起源与概念
1.2.1人工智能的起源
1.2.2人工智能的三大学派
1.2.3人工智能的概念
1.3人工智能的发展历程与趋势
1.3.1人工智能的发展阶段
1.3.2人工智能的发展趋势
1.4人工智能的研究内容与主要技术
1.4.1人工智能的研究内容
1.4.2人工智能主要技术
习题与实验
第2章人工智能计算平台
2.1单机系统
2.1.1计算机系统的组成
2.1.2计算机的工作原理
2.1.3人工智能计算架构
2.2计算机中数据的表示
2.2.1数制与二进制运算
2.2.2数值数据的表示
2.2.3字符编码
2.2.4声音和图像编码
2.3网络系统
2.3.1计算机网络概述
2.3.2局域网基础
2.3.3Internet基础
2.4云计算服务
2.4.1云计算的概念
2.4.2云计算服务模式
2.4.3典型的云计算平台
2.5物联网技术
2.5.1物联网的概念
2.5.2物联网体系架构
2.5.3物联网关键技术
习题与实验
第3章人工智能编程语言——Python语言
3.1Python与人工智能应用
3.1.1Python语言的特点与编程规则
3.1.2Python问题求解范式
3.1.3Python在人工智能中的应用
3.2Python的数据描述
3.2.1Python对象及其引用
3.2.2Python数据类型
3.2.3常用系统函数
3.2.4基本运算与表达式
3.3Python程序流程控制
3.3.2实现选择判断
3.3.3控制重复操作
3.4函数
3.4.1函数的定义与调用
3.4.2匿名函数和递归函数
3.5文件操作
3.5.1文件的打开与关闭
3.5.2文本文件的操作
3.6Python人工智能应用生态
3.6.1NumPy库的应用
3.6.2Matplotlib绘图
3.6.3SciPy库的应用
习题与实验
第4章人工智能的数据要素
4.1数据的价值与类型
4.1.1数据的价值
4.1.2数据的类型
4.2数据分析
4.2.1数据分析的基本流程
4.2.2常用数据分析方法
4.2.3数据可视化
4.2.4数据分析应用案例
4.3网络数据采集与信息提取
4.3.1网络数据采集
4.3.2信息提取
4.3.3网络数据分析应用案例
4.4大数据处理
4.4.1大数据关键技术
4.4.2常用大数据框架
4.4.3大数据与人工智能的关系
4.5数据安全
4.5.1数据加密技术
4.5.2区块链技术
习题与实验
第5章机器学习
5.1机器学习概述
5.1.1机器学习的概念
5.1.2机器学习与人工智能的关系
5.1.3机器学习的应用领域
5.2机器学习基础
5.2.1机器学习的类型
5.2.2机器学习的基本流程
5.2.3机器学习的性能评估指标
5.3机器学习算法
5.3.1回归算法
5.3.2分类算法
5.3.3聚类算法
5.4强化学习
5.4.1强化学习原理
5.4.2Q学习算法
5.4.3强化学习应用案例
习题与实验
第6章深度学习
6.1深度学习概述
6.1.1深度学习的概念与基本特征
6.1.2深度学习的发展历程
6.1.3深度学习与传统机器学习的区别
6.2神经元与神经网络
6.2.1人工神经元
6.2.2人工神经网络
6.2.3反向传播算法
6.2.4神经网络应用案例
6.3深度学习模型
6.3.1卷积神经网络
6.3.2循环神经网络
6.3.3生成对抗网络
6.4用PyTorch实现MNIST手写数字识别
6.4.1常用深度学习框架
6.4.2PyTorch框架的应用
6.4.3MNIST手写数字识别的实现
习题与实验
第7章大模型技术
7.1大模型概述
7.1.1大模型的概念
7.1.2大语言模型
7.1.3常见的大模型
7.2大模型的架构与技术
7.2.1Transformer架构
7.2.2自注意力机制
7.2.3编码器和解码器的作用原理
7.3模型优化与压缩技术
7.3.1知识蒸馏
7.3.2模型剪枝与量化
7.3.3稀疏化与低秩分解
7.4DeepSeek的技术原理与应用
7.4.1DeepSeek的技术原理
7.4.2DeepSeek的应用
7.5WPSAI智能办公应用
7.5.1智能文档处理
7.5.2智能数据分析
7.5.3智能演示文稿制作
习题与实验
第8章人工智能伦理与安全
8.1人工智能伦理概述
8.1.1人工智能伦理的概念和发展
8.1.2数据隐私与伦理问题
8.1.3算法偏见与公平
8.2人工智能的安全挑战
8.2.1对抗攻击与模型的鲁棒性
8.2.2人工智能在安全系统中的应用与风险
8.2.3人工智能失控的可能性
8.3典型案例分析
8.3.1面部识别滥用与伦理问题
8.3.2自动驾驶技术与伦理问题
8.3.3深度伪造技术与伦理问题
习题与实验
参考文献
