大学计算机：计算思维与人工智能（第6版）
定价：￥49.80
作者： 刘卫国
出版社：高等教育出版社
- 高等教育出版社
- 9787040679267
- 6版
- 16开
内容简介
本书立足人工智能时代人才培养需求，以计算思维能力培养与人工智能应用素养提升为切入点，突出新一代信息技术对学科交叉融合的支撑作用。本书内容涵盖从自动计算到智能计算、数据表示与信息编码、问题求解与智能编程、数据结构与算法、计算机网络与网络安全、数据管理与数据分析、、语言数据分析基础与应用、机器学习与深度学习、大模型技术与应用，构建了从计算基础到人工智能通识的完整知识体系。
本书以思维主线贯穿始终，系统融入计算机科学的方法论与思维规律，帮助读者筑牢知识根基；以智能融合驱动为重点，引入前沿技术成果，助力读者把握新技术、新业态与新模式；以实践应用为落脚点，结合典型案例与程序实例，引导读者在问题求解中深化理解，培养运用计算与智能技术解决复杂任务的能力，提升自主学习与可持续发展能力。
本书配有实践教材《大学计算机实践：计算思维与人工智能》（第6版），方便教师教学和学生自学。
本书既可作为高等学校“大学计算机”或“人工智能通识”课程的教材，也可供计算机专业技术人员阅读参考。
目录
目录
前辅文
第1章 从自动计算到智能计算
1.1 计算与自动计算
1.1.1 计算的含义
1.1.2 计算自动化
1.2 智能计算的兴起
1.2.1 智能计算的内涵
1.2.2 人工智能的概念
1.2.3 生成式人工智能应用体验
1.3 计算机系统
1.3.1 计算机系统的组成
1.3.2 计算机的工作原理
1.4 云计算
1.4.1 云计算的概念
1.4.2 云计算服务模式
1.5 计算思维及其在智能时代的发展
1.5.1 计算思维概述
1.5.2 “人工智能+”思维
习题
第2章 数据表示与信息编码
2.1 数制与二进制运算
2.1.1 数制
2.1.2 数制之间的转换
2.2 数值数据在计算机中的表示
2.2.1 机器数与真值
2.2.2 有符号数的表示方法
2.2.3 实数的表示方法
2.3 字符编码
2.3.1 ASCII码
2.3.2 汉字编码
2.4 多媒体数据编码
2.4.1 声音编码
2.4.2 图像编码
习题
第3章 问题求解与智能编程
3.1 问题求解工具
3.1.1 Python语言简介
3.1.2 Python问题求解范式
3.2 数据对象与数据描述
3.2.1 数据对象及其引用
3.2.2 Python数据类型
3.2.3 系统函数与表达式
3.3 流程控制与函数
3.3.1 简单程序
3.3.2 实现选择判断
3.3.3 控制重复操作
3.3.4 函数的定义与调用
3.4 类与对象
3.4.1 类与对象的概念
3.4.2 类的定义与对象的创建
3.5 Python生态应用
3.5.1 NumPy库的应用
3.5.2 Matplotlib绘图
3.5.3 SciPy库的应用
3.6 人机协同的智能编程
3.6.1 智能编程的步骤与工具
3.6.2 代码生成与代码分析
习题
第4章 数据结构与算法
4.1 数据结构与算法概述
4.1.1 数据结构的概念
4.1.2 算法及其描述
4.1.3 算法复杂度分析
4.2 线性结构
4.2.1 线性表
4.2.2 栈
4.2.3 队列
4.3 树结构
4.3.1 树的基本概念
4.3.2 二叉树
4.4 图结构
4.4.1 图的基本概念
4.4.2 图的存储结构
4.4.3 图的遍历
4.5 排序
4.5.1 选择排序
4.5.2 冒泡排序
4.6 查找
4.6.1 顺序查找
4.6.2 二分查找
习题
第5章 计算机网络与网络安全
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 计算机网络体系结构
5.2 局域网基础
5.2.1 计算机网络的拓扑结构
5.2.2 局域网的组成
5.2.3 常用局域网
5.3 Internet基础
5.3.1 IP地址与域名系统
5.3.2 Internet服务
5.4 物联网技术
5.4.1 物联网的概念
5.4.2 物联网的体系架构与关键技术
5.4.3 应用案例——智能家居系统
5.5 网络安全技术
5.5.1 网络攻击及防范
5.5.2 数据加密技术
5.6 区块链技术
5.6.1 区块链的概念
5.6.2 区块链的架构模型与关键技术
5.6.3 应用案例——课堂行为管理系统
习题
第6章 数据管理与数据分析
6.1 数据管理概述
6.1.1 数据的分类与管理方式
6.1.2 数据库系统基本概念
6.1.3 数据模型
6.2 关系数据库
6.2.1 关系的数学定义
6.2.2 关系的运算
6.2.3 常用的数据库管理系统
6.2.4 结构化查询语言
6.3 数据分析基础
6.3.1 数据分析的基本流程
6.3.2 常用数据分析方法
6.3.3 数据可视化
6.4 网络数据分析
6.4.1 网络数据获取
6.4.2 信息提取
6.4.3 应用案例——新闻热词分析
6.5 大数据分析
6.5.1 大数据关键技术
6.5.2 常用大数据框架平台
6.5.3 应用案例——地铁运营大数据系统
习题
第7章 R语言数据分析基础与应用
7.1 R语言概述
7.1.1 R语言简介
7.1.2 R语言开发环境
7.2 数据对象的创建与数据获取
7.2.1 数据对象的创建
7.2.2 数据的获取
7.3 数据预处理
7.3.1 数据清洗
7.3.2 数据合并
7.3.3 数据选取
7.4 数据统计分析与建模
7.4.1 数据统计
7.4.2 线性回归
7.4.3 逻辑斯谛回归
7.5 R语言数据可视化
7.5.1 R基础绘图
7.5.2 R包绘图
7.6 应用案例——新生儿低体重危险因素分析
习题
第8章 机器学习与深度学习
8.1 人工智能涉及的主要领域
8.1.1 人工智能的研究内容
8.1.2 人工智能的主要技术
8.1.3 人工智能的发展趋势
8.2 机器学习概述
8.2.1 机器学习的概念
8.2.2 机器学习的类型
8.3 机器学习算法
8.3.1 监督学习算法：回归问题
8.3.2 监督学习算法：分类问题
8.3.3 无监督学习算法：聚类问题
8.3.4 应用案例——二维数据集聚类
8.4 神经网络
8.4.1 人工神经网络
8.4.2 反向传播算法
8.4.3 应用案例——使用神经网络实现鸢尾花分类
8.5 深度学习模型
8.5.1 卷积神经网络
8.5.2 常用深度学习框架
8.5.3 应用案例——用Keras实现CIFAR-10图像分类
习题
第9章 大模型技术与应用
9.1 大模型概述
9.1.1 大模型的概念
9.1.2 大语言模型
9.1.3 常见的大模型
9.2 大模型的架构与技术
9.2.1 Transformer架构
9.2.2 自注意力机制
9.2.3 编码器和解码器的作用原理
9.3 提示词设计与优化
9.3.1 提示词概述
9.3.2 提示词设计原则
9.3.3 提示词优化策略
9.4 智能体的应用
9.4.1 智能体概述
9.4.2 智能体的工作原理
9.4.3 应用案例——AI编程助手
9.5 WPS AI智能办公应用
9.5.1 智能文档处理
9.5.2 智能数据分析
9.5.3 智能演示文稿制作
习题
参考文献
前辅文
第1章 从自动计算到智能计算
1.1 计算与自动计算
1.1.1 计算的含义
1.1.2 计算自动化
1.2 智能计算的兴起
1.2.1 智能计算的内涵
1.2.2 人工智能的概念
1.2.3 生成式人工智能应用体验
1.3 计算机系统
1.3.1 计算机系统的组成
1.3.2 计算机的工作原理
1.4 云计算
1.4.1 云计算的概念
1.4.2 云计算服务模式
1.5 计算思维及其在智能时代的发展
1.5.1 计算思维概述
1.5.2 “人工智能+”思维
习题
第2章 数据表示与信息编码
2.1 数制与二进制运算
2.1.1 数制
2.1.2 数制之间的转换
2.2 数值数据在计算机中的表示
2.2.1 机器数与真值
2.2.2 有符号数的表示方法
2.2.3 实数的表示方法
2.3 字符编码
2.3.1 ASCII码
2.3.2 汉字编码
2.4 多媒体数据编码
2.4.1 声音编码
2.4.2 图像编码
习题
第3章 问题求解与智能编程
3.1 问题求解工具
3.1.1 Python语言简介
3.1.2 Python问题求解范式
3.2 数据对象与数据描述
3.2.1 数据对象及其引用
3.2.2 Python数据类型
3.2.3 系统函数与表达式
3.3 流程控制与函数
3.3.1 简单程序
3.3.2 实现选择判断
3.3.3 控制重复操作
3.3.4 函数的定义与调用
3.4 类与对象
3.4.1 类与对象的概念
3.4.2 类的定义与对象的创建
3.5 Python生态应用
3.5.1 NumPy库的应用
3.5.2 Matplotlib绘图
3.5.3 SciPy库的应用
3.6 人机协同的智能编程
3.6.1 智能编程的步骤与工具
3.6.2 代码生成与代码分析
习题
第4章 数据结构与算法
4.1 数据结构与算法概述
4.1.1 数据结构的概念
4.1.2 算法及其描述
4.1.3 算法复杂度分析
4.2 线性结构
4.2.1 线性表
4.2.2 栈
4.2.3 队列
4.3 树结构
4.3.1 树的基本概念
4.3.2 二叉树
4.4 图结构
4.4.1 图的基本概念
4.4.2 图的存储结构
4.4.3 图的遍历
4.5 排序
4.5.1 选择排序
4.5.2 冒泡排序
4.6 查找
4.6.1 顺序查找
4.6.2 二分查找
习题
第5章 计算机网络与网络安全
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 计算机网络体系结构
5.2 局域网基础
5.2.1 计算机网络的拓扑结构
5.2.2 局域网的组成
5.2.3 常用局域网
5.3 Internet基础
5.3.1 IP地址与域名系统
5.3.2 Internet服务
5.4 物联网技术
5.4.1 物联网的概念
5.4.2 物联网的体系架构与关键技术
5.4.3 应用案例——智能家居系统
5.5 网络安全技术
5.5.1 网络攻击及防范
5.5.2 数据加密技术
5.6 区块链技术
5.6.1 区块链的概念
5.6.2 区块链的架构模型与关键技术
5.6.3 应用案例——课堂行为管理系统
习题
第6章 数据管理与数据分析
6.1 数据管理概述
6.1.1 数据的分类与管理方式
6.1.2 数据库系统基本概念
6.1.3 数据模型
6.2 关系数据库
6.2.1 关系的数学定义
6.2.2 关系的运算
6.2.3 常用的数据库管理系统
6.2.4 结构化查询语言
6.3 数据分析基础
6.3.1 数据分析的基本流程
6.3.2 常用数据分析方法
6.3.3 数据可视化
6.4 网络数据分析
6.4.1 网络数据获取
6.4.2 信息提取
6.4.3 应用案例——新闻热词分析
6.5 大数据分析
6.5.1 大数据关键技术
6.5.2 常用大数据框架平台
6.5.3 应用案例——地铁运营大数据系统
习题
第7章 R语言数据分析基础与应用
7.1 R语言概述
7.1.1 R语言简介
7.1.2 R语言开发环境
7.2 数据对象的创建与数据获取
7.2.1 数据对象的创建
7.2.2 数据的获取
7.3 数据预处理
7.3.1 数据清洗
7.3.2 数据合并
7.3.3 数据选取
7.4 数据统计分析与建模
7.4.1 数据统计
7.4.2 线性回归
7.4.3 逻辑斯谛回归
7.5 R语言数据可视化
7.5.1 R基础绘图
7.5.2 R包绘图
7.6 应用案例——新生儿低体重危险因素分析
习题
第8章 机器学习与深度学习
8.1 人工智能涉及的主要领域
8.1.1 人工智能的研究内容
8.1.2 人工智能的主要技术
8.1.3 人工智能的发展趋势
8.2 机器学习概述
8.2.1 机器学习的概念
8.2.2 机器学习的类型
8.3 机器学习算法
8.3.1 监督学习算法：回归问题
8.3.2 监督学习算法：分类问题
8.3.3 无监督学习算法：聚类问题
8.3.4 应用案例——二维数据集聚类
8.4 神经网络
8.4.1 人工神经网络
8.4.2 反向传播算法
8.4.3 应用案例——使用神经网络实现鸢尾花分类
8.5 深度学习模型
8.5.1 卷积神经网络
8.5.2 常用深度学习框架
8.5.3 应用案例——用Keras实现CIFAR-10图像分类
习题
第9章 大模型技术与应用
9.1 大模型概述
9.1.1 大模型的概念
9.1.2 大语言模型
9.1.3 常见的大模型
9.2 大模型的架构与技术
9.2.1 Transformer架构
9.2.2 自注意力机制
9.2.3 编码器和解码器的作用原理
9.3 提示词设计与优化
9.3.1 提示词概述
9.3.2 提示词设计原则
9.3.3 提示词优化策略
9.4 智能体的应用
9.4.1 智能体概述
9.4.2 智能体的工作原理
9.4.3 应用案例——AI编程助手
9.5 WPS AI智能办公应用
9.5.1 智能文档处理
9.5.2 智能数据分析
9.5.3 智能演示文稿制作
习题
参考文献
前辅文
第1章 从自动计算到智能计算
1.1 计算与自动计算
1.1.1 计算的含义
1.1.2 计算自动化
1.2 智能计算的兴起
1.2.1 智能计算的内涵
1.2.2 人工智能的概念
1.2.3 生成式人工智能应用体验
1.3 计算机系统
1.3.1 计算机系统的组成
1.3.2 计算机的工作原理
1.4 云计算
1.4.1 云计算的概念
1.4.2 云计算服务模式
1.5 计算思维及其在智能时代的发展
1.5.1 计算思维概述
1.5.2 “人工智能+”思维
习题
第2章 数据表示与信息编码
2.1 数制与二进制运算
2.1.1 数制
2.1.2 数制之间的转换
2.2 数值数据在计算机中的表示
2.2.1 机器数与真值
2.2.2 有符号数的表示方法
2.2.3 实数的表示方法
2.3 字符编码
2.3.1 ASCII码
2.3.2 汉字编码
2.4 多媒体数据编码
2.4.1 声音编码
2.4.2 图像编码
习题
第3章 问题求解与智能编程
3.1 问题求解工具
3.1.1 Python语言简介
3.1.2 Python问题求解范式
3.2 数据对象与数据描述
3.2.1 数据对象及其引用
3.2.2 Python数据类型
3.2.3 系统函数与表达式
3.3 流程控制与函数
3.3.1 简单程序
3.3.2 实现选择判断
3.3.3 控制重复操作
3.3.4 函数的定义与调用
3.4 类与对象
3.4.1 类与对象的概念
3.4.2 类的定义与对象的创建
3.5 Python生态应用
3.5.1 NumPy库的应用
3.5.2 Matplotlib绘图
3.5.3 SciPy库的应用
3.6 人机协同的智能编程
3.6.1 智能编程的步骤与工具
3.6.2 代码生成与代码分析
习题
第4章 数据结构与算法
4.1 数据结构与算法概述
4.1.1 数据结构的概念
4.1.2 算法及其描述
4.1.3 算法复杂度分析
4.2 线性结构
4.2.1 线性表
4.2.2 栈
4.2.3 队列
4.3 树结构
4.3.1 树的基本概念
4.3.2 二叉树
4.4 图结构
4.4.1 图的基本概念
4.4.2 图的存储结构
4.4.3 图的遍历
4.5 排序
4.5.1 选择排序
4.5.2 冒泡排序
4.6 查找
4.6.1 顺序查找
4.6.2 二分查找
习题
第5章 计算机网络与网络安全
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 计算机网络体系结构
5.2 局域网基础
5.2.1 计算机网络的拓扑结构
5.2.2 局域网的组成
5.2.3 常用局域网
5.3 Internet基础
5.3.1 IP地址与域名系统
5.3.2 Internet服务
5.4 物联网技术
5.4.1 物联网的概念
5.4.2 物联网的体系架构与关键技术
5.4.3 应用案例——智能家居系统
5.5 网络安全技术
5.5.1 网络攻击及防范
5.5.2 数据加密技术
5.6 区块链技术
5.6.1 区块链的概念
5.6.2 区块链的架构模型与关键技术
5.6.3 应用案例——课堂行为管理系统
习题
第6章 数据管理与数据分析
6.1 数据管理概述
6.1.1 数据的分类与管理方式
6.1.2 数据库系统基本概念
6.1.3 数据模型
6.2 关系数据库
6.2.1 关系的数学定义
6.2.2 关系的运算
6.2.3 常用的数据库管理系统
6.2.4 结构化查询语言
6.3 数据分析基础
6.3.1 数据分析的基本流程
6.3.2 常用数据分析方法
6.3.3 数据可视化
6.4 网络数据分析
6.4.1 网络数据获取
6.4.2 信息提取
6.4.3 应用案例——新闻热词分析
6.5 大数据分析
6.5.1 大数据关键技术
6.5.2 常用大数据框架平台
6.5.3 应用案例——地铁运营大数据系统
习题
第7章 R语言数据分析基础与应用
7.1 R语言概述
7.1.1 R语言简介
7.1.2 R语言开发环境
7.2 数据对象的创建与数据获取
7.2.1 数据对象的创建
7.2.2 数据的获取
7.3 数据预处理
7.3.1 数据清洗
7.3.2 数据合并
7.3.3 数据选取
7.4 数据统计分析与建模
7.4.1 数据统计
7.4.2 线性回归
7.4.3 逻辑斯谛回归
7.5 R语言数据可视化
7.5.1 R基础绘图
7.5.2 R包绘图
7.6 应用案例——新生儿低体重危险因素分析
习题
第8章 机器学习与深度学习
8.1 人工智能涉及的主要领域
8.1.1 人工智能的研究内容
8.1.2 人工智能的主要技术
8.1.3 人工智能的发展趋势
8.2 机器学习概述
8.2.1 机器学习的概念
8.2.2 机器学习的类型
8.3 机器学习算法
8.3.1 监督学习算法：回归问题
8.3.2 监督学习算法：分类问题
8.3.3 无监督学习算法：聚类问题
8.3.4 应用案例——二维数据集聚类
8.4 神经网络
8.4.1 人工神经网络
8.4.2 反向传播算法
8.4.3 应用案例——使用神经网络实现鸢尾花分类
8.5 深度学习模型
8.5.1 卷积神经网络
8.5.2 常用深度学习框架
8.5.3 应用案例——用Keras实现CIFAR-10图像分类
习题
第9章 大模型技术与应用
9.1 大模型概述
9.1.1 大模型的概念
9.1.2 大语言模型
9.1.3 常见的大模型
9.2 大模型的架构与技术
9.2.1 Transformer架构
9.2.2 自注意力机制
9.2.3 编码器和解码器的作用原理
9.3 提示词设计与优化
9.3.1 提示词概述
9.3.2 提示词设计原则
9.3.3 提示词优化策略
9.4 智能体的应用
9.4.1 智能体概述
9.4.2 智能体的工作原理
9.4.3 应用案例——AI编程助手
9.5 WPS AI智能办公应用
9.5.1 智能文档处理
9.5.2 智能数据分析
9.5.3 智能演示文稿制作
习题
参考文献
前辅文
第1章 从自动计算到智能计算
1.1 计算与自动计算
1.1.1 计算的含义
1.1.2 计算自动化
1.2 智能计算的兴起
1.2.1 智能计算的内涵
1.2.2 人工智能的概念
1.2.3 生成式人工智能应用体验
1.3 计算机系统
1.3.1 计算机系统的组成
1.3.2 计算机的工作原理
1.4 云计算
1.4.1 云计算的概念
1.4.2 云计算服务模式
1.5 计算思维及其在智能时代的发展
1.5.1 计算思维概述
1.5.2 “人工智能+”思维
习题
第2章 数据表示与信息编码
2.1 数制与二进制运算
2.1.1 数制
2.1.2 数制之间的转换
2.2 数值数据在计算机中的表示
2.2.1 机器数与真值
2.2.2 有符号数的表示方法
2.2.3 实数的表示方法
2.3 字符编码
2.3.1 ASCII码
2.3.2 汉字编码
2.4 多媒体数据编码
2.4.1 声音编码
2.4.2 图像编码
习题
第3章 问题求解与智能编程
3.1 问题求解工具
3.1.1 Python语言简介
3.1.2 Python问题求解范式
3.2 数据对象与数据描述
3.2.1 数据对象及其引用
3.2.2 Python数据类型
3.2.3 系统函数与表达式
3.3 流程控制与函数
3.3.1 简单程序
3.3.2 实现选择判断
3.3.3 控制重复操作
3.3.4 函数的定义与调用
3.4 类与对象
3.4.1 类与对象的概念
3.4.2 类的定义与对象的创建
3.5 Python生态应用
3.5.1 NumPy库的应用
3.5.2 Matplotlib绘图
3.5.3 SciPy库的应用
3.6 人机协同的智能编程
3.6.1 智能编程的步骤与工具
3.6.2 代码生成与代码分析
习题
第4章 数据结构与算法
4.1 数据结构与算法概述
4.1.1 数据结构的概念
4.1.2 算法及其描述
4.1.3 算法复杂度分析
4.2 线性结构
4.2.1 线性表
4.2.2 栈
4.2.3 队列
4.3 树结构
4.3.1 树的基本概念
4.3.2 二叉树
4.4 图结构
4.4.1 图的基本概念
4.4.2 图的存储结构
4.4.3 图的遍历
4.5 排序
4.5.1 选择排序
4.5.2 冒泡排序
4.6 查找
4.6.1 顺序查找
4.6.2 二分查找
习题
第5章 计算机网络与网络安全
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 计算机网络体系结构
5.2 局域网基础
5.2.1 计算机网络的拓扑结构
5.2.2 局域网的组成
5.2.3 常用局域网
5.3 Internet基础
5.3.1 IP地址与域名系统
5.3.2 Internet服务
5.4 物联网技术
5.4.1 物联网的概念
5.4.2 物联网的体系架构与关键技术
5.4.3 应用案例——智能家居系统
5.5 网络安全技术
5.5.1 网络攻击及防范
5.5.2 数据加密技术
5.6 区块链技术
5.6.1 区块链的概念
5.6.2 区块链的架构模型与关键技术
5.6.3 应用案例——课堂行为管理系统
习题
第6章 数据管理与数据分析
6.1 数据管理概述
6.1.1 数据的分类与管理方式
6.1.2 数据库系统基本概念
6.1.3 数据模型
6.2 关系数据库
6.2.1 关系的数学定义
6.2.2 关系的运算
6.2.3 常用的数据库管理系统
6.2.4 结构化查询语言
6.3 数据分析基础
6.3.1 数据分析的基本流程
6.3.2 常用数据分析方法
6.3.3 数据可视化
6.4 网络数据分析
6.4.1 网络数据获取
6.4.2 信息提取
6.4.3 应用案例——新闻热词分析
6.5 大数据分析
6.5.1 大数据关键技术
6.5.2 常用大数据框架平台
6.5.3 应用案例——地铁运营大数据系统
习题
第7章 R语言数据分析基础与应用
7.1 R语言概述
7.1.1 R语言简介
7.1.2 R语言开发环境
7.2 数据对象的创建与数据获取
7.2.1 数据对象的创建
7.2.2 数据的获取
7.3 数据预处理
7.3.1 数据清洗
7.3.2 数据合并
7.3.3 数据选取
7.4 数据统计分析与建模
7.4.1 数据统计
7.4.2 线性回归
7.4.3 逻辑斯谛回归
7.5 R语言数据可视化
7.5.1 R基础绘图
7.5.2 R包绘图
7.6 应用案例——新生儿低体重危险因素分析
习题
第8章 机器学习与深度学习
8.1 人工智能涉及的主要领域
8.1.1 人工智能的研究内容
8.1.2 人工智能的主要技术
8.1.3 人工智能的发展趋势
8.2 机器学习概述
8.2.1 机器学习的概念
8.2.2 机器学习的类型
8.3 机器学习算法
8.3.1 监督学习算法：回归问题
8.3.2 监督学习算法：分类问题
8.3.3 无监督学习算法：聚类问题
8.3.4 应用案例——二维数据集聚类
8.4 神经网络
8.4.1 人工神经网络
8.4.2 反向传播算法
8.4.3 应用案例——使用神经网络实现鸢尾花分类
8.5 深度学习模型
8.5.1 卷积神经网络
8.5.2 常用深度学习框架
8.5.3 应用案例——用Keras实现CIFAR-10图像分类
习题
第9章 大模型技术与应用
9.1 大模型概述
9.1.1 大模型的概念
9.1.2 大语言模型
9.1.3 常见的大模型
9.2 大模型的架构与技术
9.2.1 Transformer架构
9.2.2 自注意力机制
9.2.3 编码器和解码器的作用原理
9.3 提示词设计与优化
9.3.1 提示词概述
9.3.2 提示词设计原则
9.3.3 提示词优化策略
9.4 智能体的应用
9.4.1 智能体概述
9.4.2 智能体的工作原理
9.4.3 应用案例——AI编程助手
9.5 WPS AI智能办公应用
9.5.1 智能文档处理
9.5.2 智能数据分析
9.5.3 智能演示文稿制作
习题
参考文献
