大数据与人工智能导论（理工版）
定价：￥48.50
作者： 李建，韩利华，薛峰，辛焦丽等
出版社：高等教育出版社
- 高等教育出版社
- 9787040674606
- 1版
- 16开
- 350
内容简介
本书是国家教材建设重点研究基地（高等学校人工智能教材研究）重点成果，以计算思维、数据思维与智能思维融合培养为主线，构建“基础认知—技术方法—融合创新”三层次内容体系。在夯实计算机系统、算法与程序设计基础的同时，系统讲解生成式大语言模型、AI智能体（Agent）等前沿技术原理与应用方法；深入剖析计算机视觉、自然语言处理、多模态学习等技术在智能制造、科学计算、工程实践中的典型场景；强化人工智能伦理安全，培养学生正确的科技价值观。
本书突出“AI+理工”交叉特色，通过丰富的跨学科案例与项目实践，使学生具备理解人工智能基本思想与技术边界的能力，运用提示词工程、智能体工具解决专业领域问题的能力，与AI协同工作的复合创新能力，以及评估AI应用风险与伦理影响的批判性思维。
本书配套有电子课件、微课视频、课后习题与参考答案、教学大纲及进度计划；同步建设在线课程网站、AI实验实训平台及智能答疑系统。本书适合作为高等学校计算机基础或人工智能通识课程教材。
目录
目录
前辅文
第1章 计算模型与数的表示
1.1 计算与可计算性
1.1.1 计算的基本概念与本质
1.1.2 可计算性的核心定义
1.1.3 计算思维的基本特征与问题求解
1.2 计算模型
1.2.1 图灵机的提出背景与核心思想
1.2.2 图灵测试与机器智能判别
1.2.3 图灵机的计算能力与现实意义
1.3 数制与进制转换
1.3.1 数制的相关概念
1.3.2 计算机常用数制的表示方法
1.3.3 常用数制之间的转换
1.4 信息与编码
1.4.1 信息的数字化表示
1.4.2 数值编码与字符编码
1.4.3 多媒体信息编码基础
1.4.4 大数据与AI场景下的信息编码要求
1.5 本章小结
1.6 思考与练习
第2章 计算机系统原理
2.1 计算机系统的组成
2.1.1 计算机系统的整体架构
2.1.2 大数据与AI专用硬件的特殊性
2.1.3 计算机系统的性能评价指标
2.2 计算机硬件及工作原理
2.2.1 硬件五大基本组成及其功能
2.2.2 指令系统与指令的执行过程
2.2.3 存储系统层级结构
2.3 计算机软件及Windows基本操作
2.3.1 软件的分类
2.3.2 操作系统的核心功能与常见类型
2.3.3 Windows基本操作
2.3.4 大数据与AI常用软件简介
2.4 计算机网络基础
2.4.1 计算机网络的定义、分类与拓扑结构
2.4.2 网络协议的核心概念
2.4.3 网络资源共享与数据传输
2.4.4 云计算、大数据相关网络技术
2.5 云计算与资源调度
2.5.1 云计算与数据中心基本概念
2.5.2 云服务模式与典型应用
2.5.3 资源调度的目标与基本算法
2.6 本章小结
2.7 思考与练习
第3章 程序设计基础
3.1 指令与程序
3.1.1 指令的基本格式与分类
3.1.2 程序的概念与程序设计的核心流程
3.1.3 算法在程序设计中的作用
3.2 程序设计语言
3.2.1 程序设计语言的分类
3.2.2 几种主流高级程序设计语言简介
3.2.3 程序的编译与解释执行过程
3.3 Python语言基础
3.3.1 Python语言的特点与应用场景
3.3.2 Python开发环境搭建与基本操作
3.3.3 基本数据类型与变量
3.3.4 基本控制结构
3.3.5 计算思维应用案例
3.4 本章小结
3.5 思考与练习
第4章 算法与问题求解
4.1 算法基础
4.1.1 算法及其描述
4.1.2 算法复杂度分析
4.2 常用算法策略
4.2.1 迭代算法
4.2.2 穷举算法
4.2.3 贪心算法
4.2.4 分治算法
4.2.5 算法策略比较
4.3 查找算法
4.3.1 顺序查找
4.3.2 折半查找
4.4 排序算法
4.4.1 选择排序
4.4.2 交换排序
4.4.3 插入排序
4.5 本章小结
4.6 思考与练习
第5章 数据结构
5.1 数据结构核心概念
5.1.1 数据、数据元素与数据项
5.1.2 数据结构的定义与分类
5.1.3 数据结构的逻辑结构与物理结构
5.1.4 数据结构与算法的关系
5.2 线性结构
5.2.1 线性表的定义与基本操作
5.2.2 顺序表的存储结构与实现
5.2.3 线性表的存储结构
5.2.4 栈与队列的定义、存储及应用
5.3 非线性结构
5.3.1 树的定义、基本性质与存储结构
5.3.2 二叉树的定义、遍历及应用
5.3.3 图的定义、存储结构
5.3.4 图的遍历算法
5.4 数据存储与检索
5.4.1 数据存储的基本方式与特点
5.4.2 检索的基本概念与评价指标
5.4.3 常见检索算法
5.4.4 数据存储与检索的优化思路
5.5 数据结构在AI算法中的适配
5.5.1 AI算法对数据结构的核心需求
5.5.2 线性结构在AI数据预处理中的应用
5.5.3 非线性结构在神经网络与决策树中的适配
5.5.4 大数据场景下数据结构的选型原则
5.6 本章小结
5.7 思考与练习
第6章 数据库与大数据技术
6.1 数据处理发展历史
6.1.1 人工管理阶段
6.1.2 文件系统阶段
6.1.3 数据库系统阶段
6.1.4 大数据处理阶段
6.2 数据库与数据库管理系统
6.2.1 数据库的基本概念
6.2.2 数据库管理系统的功能与作用
6.2.3 常见数据库管理系统
6.2.4 数据库系统的体系结构
6.3 结构化查询语言
6.3.1 SQL的基本概念与分类
6.3.2 数据定义
6.3.3 数据操作
6.3.4 数据控制
6.4 大数据概述
6.4.1 大数据的定义
6.4.2 大数据的基本处理流程
6.4.3 大数据技术的应用场景
6.5 本章小结
6.6 思考与练习
第7章 人工智能基础
7.1 人工智能的定义与发展
7.1.1 人工智能的概念与发展历程
7.1.2 人工智能的主要学派
7.1.3 影响人工智能发展的三大因素
7.2 人工智能搜索与优化
7.2.1 搜索算法基础
7.2.2 盲目搜索与启发式搜索算法
7.2.3 优化算法概述
7.2.4 常见优化算法
7.3 知识图谱
7.3.1 知识图谱的概念与架构
7.3.2 知识表示方法
7.3.3 知识图谱的构建
7.3.4 知识图谱的应用场景
7.4 专家系统
7.4.1 专家系统的定义与结构
7.4.2 专家系统的开发过程
7.4.3 专家系统的应用实例
7.5 人工智能安全与社会伦理
7.5.1 人工智能安全风险
7.5.2 人工智能安全防护技术
7.5.3 人工智能伦理准则与规范
7.6 本章小结
7.7 思考与练习
第8章 机器学习与神经网络
8.1 机器学习概述
8.1.1 机器学习定义
8.1.2 机器学习发展历程
8.1.3 机器学习流程
8.1.4 机器学习分类
8.1.5 机器学习应用
8.2 神经网络概述
8.2.1 神经网络定义
8.2.2 神经网络发展历程
8.2.3 神经网络的基本结构
8.2.4 神经网络应用
8.3 常用神经网络算法
8.3.1 BP神经网络
8.3.2 应用案例：用BP神经网络“判断学生是否能及格”
8.3.3 Hopfield神经网络
8.3.4 应用案例：用Hopfield神经网络“恢复残缺的数字图案”
8.4 深度学习概述
8.4.1 深度学习定义
8.4.2 深度学习特点
8.4.3 深度学习应用
8.5 本章小结
8.6 思考与练习
第9章 人工智能应用
9.1 计算机视觉及应用
9.1.1 计算机视觉的核心任务
9.1.2 典型技术与工具
9.1.3 计算机视觉应用实例——智能交通违章检测系统
9.2 自然语言处理
9.2.1 自然语言处理基本原理
9.2.2 自然语言处理应用实例——电商智能客服系统
9.3 大语言模型应用技术
9.3.1 大语言模型的技术原理
9.3.2 AIGC与提示词工程
9.3.3 AIGC创新应用典型案例
9.4 本章小结
9.5 思考与练习
第10章 AI Agent智能体开发基础
10.1 智能体的概念与开发平台
10.1.1 智能体的概念与特征
10.1.2 智能体的应用领域
10.1.3 国内智能体开发平台简介
10.2 基于Coze的智能体开发基础
10.2.1 扣子平台账号注册
10.2.2 需求分析与设计
10.2.3 智能体核心模块开发
10.2.4 智能体测试与优化
10.2.5 智能体发布至微信公众号
10.3 基于Coze的智能体开发实战
10.3.1 自动生成培训大纲智能体
10.3.2 生成内容摘要智能体
10.4 企业级工作流开发实践——邮件自动化处理
10.4.1 项目背景与核心需求
10.4.2 项目开发前准备：设置客服邮箱账号
10.4.3 工作流节点拆解与配置
10.5 本章小结
10.6 思考与练习
参考文献
前辅文
第1章 计算模型与数的表示
1.1 计算与可计算性
1.1.1 计算的基本概念与本质
1.1.2 可计算性的核心定义
1.1.3 计算思维的基本特征与问题求解
1.2 计算模型
1.2.1 图灵机的提出背景与核心思想
1.2.2 图灵测试与机器智能判别
1.2.3 图灵机的计算能力与现实意义
1.3 数制与进制转换
1.3.1 数制的相关概念
1.3.2 计算机常用数制的表示方法
1.3.3 常用数制之间的转换
1.4 信息与编码
1.4.1 信息的数字化表示
1.4.2 数值编码与字符编码
1.4.3 多媒体信息编码基础
1.4.4 大数据与AI场景下的信息编码要求
1.5 本章小结
1.6 思考与练习
第2章 计算机系统原理
2.1 计算机系统的组成
2.1.1 计算机系统的整体架构
2.1.2 大数据与AI专用硬件的特殊性
2.1.3 计算机系统的性能评价指标
2.2 计算机硬件及工作原理
2.2.1 硬件五大基本组成及其功能
2.2.2 指令系统与指令的执行过程
2.2.3 存储系统层级结构
2.3 计算机软件及Windows基本操作
2.3.1 软件的分类
2.3.2 操作系统的核心功能与常见类型
2.3.3 Windows基本操作
2.3.4 大数据与AI常用软件简介
2.4 计算机网络基础
2.4.1 计算机网络的定义、分类与拓扑结构
2.4.2 网络协议的核心概念
2.4.3 网络资源共享与数据传输
2.4.4 云计算、大数据相关网络技术
2.5 云计算与资源调度
2.5.1 云计算与数据中心基本概念
2.5.2 云服务模式与典型应用
2.5.3 资源调度的目标与基本算法
2.6 本章小结
2.7 思考与练习
第3章 程序设计基础
3.1 指令与程序
3.1.1 指令的基本格式与分类
3.1.2 程序的概念与程序设计的核心流程
3.1.3 算法在程序设计中的作用
3.2 程序设计语言
3.2.1 程序设计语言的分类
3.2.2 几种主流高级程序设计语言简介
3.2.3 程序的编译与解释执行过程
3.3 Python语言基础
3.3.1 Python语言的特点与应用场景
3.3.2 Python开发环境搭建与基本操作
3.3.3 基本数据类型与变量
3.3.4 基本控制结构
3.3.5 计算思维应用案例
3.4 本章小结
3.5 思考与练习
第4章 算法与问题求解
4.1 算法基础
4.1.1 算法及其描述
4.1.2 算法复杂度分析
4.2 常用算法策略
4.2.1 迭代算法
4.2.2 穷举算法
4.2.3 贪心算法
4.2.4 分治算法
4.2.5 算法策略比较
4.3 查找算法
4.3.1 顺序查找
4.3.2 折半查找
4.4 排序算法
4.4.1 选择排序
4.4.2 交换排序
4.4.3 插入排序
4.5 本章小结
4.6 思考与练习
第5章 数据结构
5.1 数据结构核心概念
5.1.1 数据、数据元素与数据项
5.1.2 数据结构的定义与分类
5.1.3 数据结构的逻辑结构与物理结构
5.1.4 数据结构与算法的关系
5.2 线性结构
5.2.1 线性表的定义与基本操作
5.2.2 顺序表的存储结构与实现
5.2.3 线性表的存储结构
5.2.4 栈与队列的定义、存储及应用
5.3 非线性结构
5.3.1 树的定义、基本性质与存储结构
5.3.2 二叉树的定义、遍历及应用
5.3.3 图的定义、存储结构
5.3.4 图的遍历算法
5.4 数据存储与检索
5.4.1 数据存储的基本方式与特点
5.4.2 检索的基本概念与评价指标
5.4.3 常见检索算法
5.4.4 数据存储与检索的优化思路
5.5 数据结构在AI算法中的适配
5.5.1 AI算法对数据结构的核心需求
5.5.2 线性结构在AI数据预处理中的应用
5.5.3 非线性结构在神经网络与决策树中的适配
5.5.4 大数据场景下数据结构的选型原则
5.6 本章小结
5.7 思考与练习
第6章 数据库与大数据技术
6.1 数据处理发展历史
6.1.1 人工管理阶段
6.1.2 文件系统阶段
6.1.3 数据库系统阶段
6.1.4 大数据处理阶段
6.2 数据库与数据库管理系统
6.2.1 数据库的基本概念
6.2.2 数据库管理系统的功能与作用
6.2.3 常见数据库管理系统
6.2.4 数据库系统的体系结构
6.3 结构化查询语言
6.3.1 SQL的基本概念与分类
6.3.2 数据定义
6.3.3 数据操作
6.3.4 数据控制
6.4 大数据概述
6.4.1 大数据的定义
6.4.2 大数据的基本处理流程
6.4.3 大数据技术的应用场景
6.5 本章小结
6.6 思考与练习
第7章 人工智能基础
7.1 人工智能的定义与发展
7.1.1 人工智能的概念与发展历程
7.1.2 人工智能的主要学派
7.1.3 影响人工智能发展的三大因素
7.2 人工智能搜索与优化
7.2.1 搜索算法基础
7.2.2 盲目搜索与启发式搜索算法
7.2.3 优化算法概述
7.2.4 常见优化算法
7.3 知识图谱
7.3.1 知识图谱的概念与架构
7.3.2 知识表示方法
7.3.3 知识图谱的构建
7.3.4 知识图谱的应用场景
7.4 专家系统
7.4.1 专家系统的定义与结构
7.4.2 专家系统的开发过程
7.4.3 专家系统的应用实例
7.5 人工智能安全与社会伦理
7.5.1 人工智能安全风险
7.5.2 人工智能安全防护技术
7.5.3 人工智能伦理准则与规范
7.6 本章小结
7.7 思考与练习
第8章 机器学习与神经网络
8.1 机器学习概述
8.1.1 机器学习定义
8.1.2 机器学习发展历程
8.1.3 机器学习流程
8.1.4 机器学习分类
8.1.5 机器学习应用
8.2 神经网络概述
8.2.1 神经网络定义
8.2.2 神经网络发展历程
8.2.3 神经网络的基本结构
8.2.4 神经网络应用
8.3 常用神经网络算法
8.3.1 BP神经网络
8.3.2 应用案例：用BP神经网络“判断学生是否能及格”
8.3.3 Hopfield神经网络
8.3.4 应用案例：用Hopfield神经网络“恢复残缺的数字图案”
8.4 深度学习概述
8.4.1 深度学习定义
8.4.2 深度学习特点
8.4.3 深度学习应用
8.5 本章小结
8.6 思考与练习
第9章 人工智能应用
9.1 计算机视觉及应用
9.1.1 计算机视觉的核心任务
9.1.2 典型技术与工具
9.1.3 计算机视觉应用实例——智能交通违章检测系统
9.2 自然语言处理
9.2.1 自然语言处理基本原理
9.2.2 自然语言处理应用实例——电商智能客服系统
9.3 大语言模型应用技术
9.3.1 大语言模型的技术原理
9.3.2 AIGC与提示词工程
9.3.3 AIGC创新应用典型案例
9.4 本章小结
9.5 思考与练习
第10章 AI Agent智能体开发基础
10.1 智能体的概念与开发平台
10.1.1 智能体的概念与特征
10.1.2 智能体的应用领域
10.1.3 国内智能体开发平台简介
10.2 基于Coze的智能体开发基础
10.2.1 扣子平台账号注册
10.2.2 需求分析与设计
10.2.3 智能体核心模块开发
10.2.4 智能体测试与优化
10.2.5 智能体发布至微信公众号
10.3 基于Coze的智能体开发实战
10.3.1 自动生成培训大纲智能体
10.3.2 生成内容摘要智能体
10.4 企业级工作流开发实践——邮件自动化处理
10.4.1 项目背景与核心需求
10.4.2 项目开发前准备：设置客服邮箱账号
10.4.3 工作流节点拆解与配置
10.5 本章小结
10.6 思考与练习
参考文献
前辅文
第1章 计算模型与数的表示
1.1 计算与可计算性
1.1.1 计算的基本概念与本质
1.1.2 可计算性的核心定义
1.1.3 计算思维的基本特征与问题求解
1.2 计算模型
1.2.1 图灵机的提出背景与核心思想
1.2.2 图灵测试与机器智能判别
1.2.3 图灵机的计算能力与现实意义
1.3 数制与进制转换
1.3.1 数制的相关概念
1.3.2 计算机常用数制的表示方法
1.3.3 常用数制之间的转换
1.4 信息与编码
1.4.1 信息的数字化表示
1.4.2 数值编码与字符编码
1.4.3 多媒体信息编码基础
1.4.4 大数据与AI场景下的信息编码要求
1.5 本章小结
1.6 思考与练习
第2章 计算机系统原理
2.1 计算机系统的组成
2.1.1 计算机系统的整体架构
2.1.2 大数据与AI专用硬件的特殊性
2.1.3 计算机系统的性能评价指标
2.2 计算机硬件及工作原理
2.2.1 硬件五大基本组成及其功能
2.2.2 指令系统与指令的执行过程
2.2.3 存储系统层级结构
2.3 计算机软件及Windows基本操作
2.3.1 软件的分类
2.3.2 操作系统的核心功能与常见类型
2.3.3 Windows基本操作
2.3.4 大数据与AI常用软件简介
2.4 计算机网络基础
2.4.1 计算机网络的定义、分类与拓扑结构
2.4.2 网络协议的核心概念
2.4.3 网络资源共享与数据传输
2.4.4 云计算、大数据相关网络技术
2.5 云计算与资源调度
2.5.1 云计算与数据中心基本概念
2.5.2 云服务模式与典型应用
2.5.3 资源调度的目标与基本算法
2.6 本章小结
2.7 思考与练习
第3章 程序设计基础
3.1 指令与程序
3.1.1 指令的基本格式与分类
3.1.2 程序的概念与程序设计的核心流程
3.1.3 算法在程序设计中的作用
3.2 程序设计语言
3.2.1 程序设计语言的分类
3.2.2 几种主流高级程序设计语言简介
3.2.3 程序的编译与解释执行过程
3.3 Python语言基础
3.3.1 Python语言的特点与应用场景
3.3.2 Python开发环境搭建与基本操作
3.3.3 基本数据类型与变量
3.3.4 基本控制结构
3.3.5 计算思维应用案例
3.4 本章小结
3.5 思考与练习
第4章 算法与问题求解
4.1 算法基础
4.1.1 算法及其描述
4.1.2 算法复杂度分析
4.2 常用算法策略
4.2.1 迭代算法
4.2.2 穷举算法
4.2.3 贪心算法
4.2.4 分治算法
4.2.5 算法策略比较
4.3 查找算法
4.3.1 顺序查找
4.3.2 折半查找
4.4 排序算法
4.4.1 选择排序
4.4.2 交换排序
4.4.3 插入排序
4.5 本章小结
4.6 思考与练习
第5章 数据结构
5.1 数据结构核心概念
5.1.1 数据、数据元素与数据项
5.1.2 数据结构的定义与分类
5.1.3 数据结构的逻辑结构与物理结构
5.1.4 数据结构与算法的关系
5.2 线性结构
5.2.1 线性表的定义与基本操作
5.2.2 顺序表的存储结构与实现
5.2.3 线性表的存储结构
5.2.4 栈与队列的定义、存储及应用
5.3 非线性结构
5.3.1 树的定义、基本性质与存储结构
5.3.2 二叉树的定义、遍历及应用
5.3.3 图的定义、存储结构
5.3.4 图的遍历算法
5.4 数据存储与检索
5.4.1 数据存储的基本方式与特点
5.4.2 检索的基本概念与评价指标
5.4.3 常见检索算法
5.4.4 数据存储与检索的优化思路
5.5 数据结构在AI算法中的适配
5.5.1 AI算法对数据结构的核心需求
5.5.2 线性结构在AI数据预处理中的应用
5.5.3 非线性结构在神经网络与决策树中的适配
5.5.4 大数据场景下数据结构的选型原则
5.6 本章小结
5.7 思考与练习
第6章 数据库与大数据技术
6.1 数据处理发展历史
6.1.1 人工管理阶段
6.1.2 文件系统阶段
6.1.3 数据库系统阶段
6.1.4 大数据处理阶段
6.2 数据库与数据库管理系统
6.2.1 数据库的基本概念
6.2.2 数据库管理系统的功能与作用
6.2.3 常见数据库管理系统
6.2.4 数据库系统的体系结构
6.3 结构化查询语言
6.3.1 SQL的基本概念与分类
6.3.2 数据定义
6.3.3 数据操作
6.3.4 数据控制
6.4 大数据概述
6.4.1 大数据的定义
6.4.2 大数据的基本处理流程
6.4.3 大数据技术的应用场景
6.5 本章小结
6.6 思考与练习
第7章 人工智能基础
7.1 人工智能的定义与发展
7.1.1 人工智能的概念与发展历程
7.1.2 人工智能的主要学派
7.1.3 影响人工智能发展的三大因素
7.2 人工智能搜索与优化
7.2.1 搜索算法基础
7.2.2 盲目搜索与启发式搜索算法
7.2.3 优化算法概述
7.2.4 常见优化算法
7.3 知识图谱
7.3.1 知识图谱的概念与架构
7.3.2 知识表示方法
7.3.3 知识图谱的构建
7.3.4 知识图谱的应用场景
7.4 专家系统
7.4.1 专家系统的定义与结构
7.4.2 专家系统的开发过程
7.4.3 专家系统的应用实例
7.5 人工智能安全与社会伦理
7.5.1 人工智能安全风险
7.5.2 人工智能安全防护技术
7.5.3 人工智能伦理准则与规范
7.6 本章小结
7.7 思考与练习
第8章 机器学习与神经网络
8.1 机器学习概述
8.1.1 机器学习定义
8.1.2 机器学习发展历程
8.1.3 机器学习流程
8.1.4 机器学习分类
8.1.5 机器学习应用
8.2 神经网络概述
8.2.1 神经网络定义
8.2.2 神经网络发展历程
8.2.3 神经网络的基本结构
8.2.4 神经网络应用
8.3 常用神经网络算法
8.3.1 BP神经网络
8.3.2 应用案例：用BP神经网络“判断学生是否能及格”
8.3.3 Hopfield神经网络
8.3.4 应用案例：用Hopfield神经网络“恢复残缺的数字图案”
8.4 深度学习概述
8.4.1 深度学习定义
8.4.2 深度学习特点
8.4.3 深度学习应用
8.5 本章小结
8.6 思考与练习
第9章 人工智能应用
9.1 计算机视觉及应用
9.1.1 计算机视觉的核心任务
9.1.2 典型技术与工具
9.1.3 计算机视觉应用实例——智能交通违章检测系统
9.2 自然语言处理
9.2.1 自然语言处理基本原理
9.2.2 自然语言处理应用实例——电商智能客服系统
9.3 大语言模型应用技术
9.3.1 大语言模型的技术原理
9.3.2 AIGC与提示词工程
9.3.3 AIGC创新应用典型案例
9.4 本章小结
9.5 思考与练习
第10章 AI Agent智能体开发基础
10.1 智能体的概念与开发平台
10.1.1 智能体的概念与特征
10.1.2 智能体的应用领域
10.1.3 国内智能体开发平台简介
10.2 基于Coze的智能体开发基础
10.2.1 扣子平台账号注册
10.2.2 需求分析与设计
10.2.3 智能体核心模块开发
10.2.4 智能体测试与优化
10.2.5 智能体发布至微信公众号
10.3 基于Coze的智能体开发实战
10.3.1 自动生成培训大纲智能体
10.3.2 生成内容摘要智能体
10.4 企业级工作流开发实践——邮件自动化处理
10.4.1 项目背景与核心需求
10.4.2 项目开发前准备：设置客服邮箱账号
10.4.3 工作流节点拆解与配置
10.5 本章小结
10.6 思考与练习
参考文献
前辅文
第1章 计算模型与数的表示
1.1 计算与可计算性
1.1.1 计算的基本概念与本质
1.1.2 可计算性的核心定义
1.1.3 计算思维的基本特征与问题求解
1.2 计算模型
1.2.1 图灵机的提出背景与核心思想
1.2.2 图灵测试与机器智能判别
1.2.3 图灵机的计算能力与现实意义
1.3 数制与进制转换
1.3.1 数制的相关概念
1.3.2 计算机常用数制的表示方法
1.3.3 常用数制之间的转换
1.4 信息与编码
1.4.1 信息的数字化表示
1.4.2 数值编码与字符编码
1.4.3 多媒体信息编码基础
1.4.4 大数据与AI场景下的信息编码要求
1.5 本章小结
1.6 思考与练习
第2章 计算机系统原理
2.1 计算机系统的组成
2.1.1 计算机系统的整体架构
2.1.2 大数据与AI专用硬件的特殊性
2.1.3 计算机系统的性能评价指标
2.2 计算机硬件及工作原理
2.2.1 硬件五大基本组成及其功能
2.2.2 指令系统与指令的执行过程
2.2.3 存储系统层级结构
2.3 计算机软件及Windows基本操作
2.3.1 软件的分类
2.3.2 操作系统的核心功能与常见类型
2.3.3 Windows基本操作
2.3.4 大数据与AI常用软件简介
2.4 计算机网络基础
2.4.1 计算机网络的定义、分类与拓扑结构
2.4.2 网络协议的核心概念
2.4.3 网络资源共享与数据传输
2.4.4 云计算、大数据相关网络技术
2.5 云计算与资源调度
2.5.1 云计算与数据中心基本概念
2.5.2 云服务模式与典型应用
2.5.3 资源调度的目标与基本算法
2.6 本章小结
2.7 思考与练习
第3章 程序设计基础
3.1 指令与程序
3.1.1 指令的基本格式与分类
3.1.2 程序的概念与程序设计的核心流程
3.1.3 算法在程序设计中的作用
3.2 程序设计语言
3.2.1 程序设计语言的分类
3.2.2 几种主流高级程序设计语言简介
3.2.3 程序的编译与解释执行过程
3.3 Python语言基础
3.3.1 Python语言的特点与应用场景
3.3.2 Python开发环境搭建与基本操作
3.3.3 基本数据类型与变量
3.3.4 基本控制结构
3.3.5 计算思维应用案例
3.4 本章小结
3.5 思考与练习
第4章 算法与问题求解
4.1 算法基础
4.1.1 算法及其描述
4.1.2 算法复杂度分析
4.2 常用算法策略
4.2.1 迭代算法
4.2.2 穷举算法
4.2.3 贪心算法
4.2.4 分治算法
4.2.5 算法策略比较
4.3 查找算法
4.3.1 顺序查找
4.3.2 折半查找
4.4 排序算法
4.4.1 选择排序
4.4.2 交换排序
4.4.3 插入排序
4.5 本章小结
4.6 思考与练习
第5章 数据结构
5.1 数据结构核心概念
5.1.1 数据、数据元素与数据项
5.1.2 数据结构的定义与分类
5.1.3 数据结构的逻辑结构与物理结构
5.1.4 数据结构与算法的关系
5.2 线性结构
5.2.1 线性表的定义与基本操作
5.2.2 顺序表的存储结构与实现
5.2.3 线性表的存储结构
5.2.4 栈与队列的定义、存储及应用
5.3 非线性结构
5.3.1 树的定义、基本性质与存储结构
5.3.2 二叉树的定义、遍历及应用
5.3.3 图的定义、存储结构
5.3.4 图的遍历算法
5.4 数据存储与检索
5.4.1 数据存储的基本方式与特点
5.4.2 检索的基本概念与评价指标
5.4.3 常见检索算法
5.4.4 数据存储与检索的优化思路
5.5 数据结构在AI算法中的适配
5.5.1 AI算法对数据结构的核心需求
5.5.2 线性结构在AI数据预处理中的应用
5.5.3 非线性结构在神经网络与决策树中的适配
5.5.4 大数据场景下数据结构的选型原则
5.6 本章小结
5.7 思考与练习
第6章 数据库与大数据技术
6.1 数据处理发展历史
6.1.1 人工管理阶段
6.1.2 文件系统阶段
6.1.3 数据库系统阶段
6.1.4 大数据处理阶段
6.2 数据库与数据库管理系统
6.2.1 数据库的基本概念
6.2.2 数据库管理系统的功能与作用
6.2.3 常见数据库管理系统
6.2.4 数据库系统的体系结构
6.3 结构化查询语言
6.3.1 SQL的基本概念与分类
6.3.2 数据定义
6.3.3 数据操作
6.3.4 数据控制
6.4 大数据概述
6.4.1 大数据的定义
6.4.2 大数据的基本处理流程
6.4.3 大数据技术的应用场景
6.5 本章小结
6.6 思考与练习
第7章 人工智能基础
7.1 人工智能的定义与发展
7.1.1 人工智能的概念与发展历程
7.1.2 人工智能的主要学派
7.1.3 影响人工智能发展的三大因素
7.2 人工智能搜索与优化
7.2.1 搜索算法基础
7.2.2 盲目搜索与启发式搜索算法
7.2.3 优化算法概述
7.2.4 常见优化算法
7.3 知识图谱
7.3.1 知识图谱的概念与架构
7.3.2 知识表示方法
7.3.3 知识图谱的构建
7.3.4 知识图谱的应用场景
7.4 专家系统
7.4.1 专家系统的定义与结构
7.4.2 专家系统的开发过程
7.4.3 专家系统的应用实例
7.5 人工智能安全与社会伦理
7.5.1 人工智能安全风险
7.5.2 人工智能安全防护技术
7.5.3 人工智能伦理准则与规范
7.6 本章小结
7.7 思考与练习
第8章 机器学习与神经网络
8.1 机器学习概述
8.1.1 机器学习定义
8.1.2 机器学习发展历程
8.1.3 机器学习流程
8.1.4 机器学习分类
8.1.5 机器学习应用
8.2 神经网络概述
8.2.1 神经网络定义
8.2.2 神经网络发展历程
8.2.3 神经网络的基本结构
8.2.4 神经网络应用
8.3 常用神经网络算法
8.3.1 BP神经网络
8.3.2 应用案例：用BP神经网络“判断学生是否能及格”
8.3.3 Hopfield神经网络
8.3.4 应用案例：用Hopfield神经网络“恢复残缺的数字图案”
8.4 深度学习概述
8.4.1 深度学习定义
8.4.2 深度学习特点
8.4.3 深度学习应用
8.5 本章小结
8.6 思考与练习
第9章 人工智能应用
9.1 计算机视觉及应用
9.1.1 计算机视觉的核心任务
9.1.2 典型技术与工具
9.1.3 计算机视觉应用实例——智能交通违章检测系统
9.2 自然语言处理
9.2.1 自然语言处理基本原理
9.2.2 自然语言处理应用实例——电商智能客服系统
9.3 大语言模型应用技术
9.3.1 大语言模型的技术原理
9.3.2 AIGC与提示词工程
9.3.3 AIGC创新应用典型案例
9.4 本章小结
9.5 思考与练习
第10章 AI Agent智能体开发基础
10.1 智能体的概念与开发平台
10.1.1 智能体的概念与特征
10.1.2 智能体的应用领域
10.1.3 国内智能体开发平台简介
10.2 基于Coze的智能体开发基础
10.2.1 扣子平台账号注册
10.2.2 需求分析与设计
10.2.3 智能体核心模块开发
10.2.4 智能体测试与优化
10.2.5 智能体发布至微信公众号
10.3 基于Coze的智能体开发实战
10.3.1 自动生成培训大纲智能体
10.3.2 生成内容摘要智能体
10.4 企业级工作流开发实践——邮件自动化处理
10.4.1 项目背景与核心需求
10.4.2 项目开发前准备：设置客服邮箱账号
10.4.3 工作流节点拆解与配置
10.5 本章小结
10.6 思考与练习
参考文献
