前辅文
 上篇 计算思维和数据思维
  第1章 计算与计算机
   1.1 计算
    1.1.1 什么是计算
    1.1.2 自动计算
    1.1.3 可计算性
    1.1.4 可计算性问题举例
   1.2 计算机的起源及其发展
    1.2.1 计算机的起源
    1.2.2 计算机的发展
   1.3 信息与信息技术
    1.3.1 信息的概念
    1.3.2 信息特点
    1.3.3 信息技术
  第2章 计算思维
   2.1 科学思维
   2.2 计算思维的定义
   2.3 计算思维的本质
   2.4 计算思维的特点
   2.5 生活中的计算思维
   2.6 计算思维的案例
    2.6.1 二进制思维——1000个苹果分10箱
    2.6.2 数据挖掘——啤酒和尿布
  第3章 算法
   3.1 简介
    3.1.1 引言
    3.1.2 算法是计算机的灵魂
    3.1.3 运行时间
    3.1.4 算法的表示
    3.1.5 算法的特性
   3.2 穷举算法
    3.2.1 百元百鸡
    3.2.2 旅行商问题
   3.3 查找算法
    3.3.1 顺序查找
    3.3.2 二分查找
   3.4 排序算法
    3.4.1 直接插入排序
    3.4.2 选择排序
    3.4.3 冒泡法排序
    3.4.4 快速排序
    3.4.5 分而治之
    3.4.6 计数排序
   3.5 贪婪算法
    3.5.1 教室调度问题
    3.5.2 背包问题
    3.5.3 旅行商问题
   3.6 动态规划
    3.6.1 背包问题
    3.6.2 旅行商问题
   3.7 回溯法
  第4章 程序设计
   4.1 程序设计语言简介
   4.2 编程语言的发展历程
   4.3 编程语言的发展趋势
   4.4 程序的开发过程
  第5章 数据思维
   5.1 数据
   5.2 数据的分类
   5.3 关系数据库
   5.4 结构化查询语言
    5.4.1 示例数据库
    5.4.2 数据查询
    5.4.3 数据操纵
   5.5 大数据思维
    5.5.1 全样本原理
    5.5.2 效率原理
    5.5.3 相关性原理
 下篇 人工智能导论
  第6章 概述
   6.1 人工智能基础知识
    6.1.1 什么是人工智能
    6.1.2 人工智能的起源与发展
    6.1.3 人工智能的未来展望
   6.2 人工智能研究的关键技术
    6.2.1 知识推理
    6.2.2 机器学习
    6.2.3 人工神经网络与深度学习
    6.2.4 专家系统
    6.2.5 智能语音处理
    6.2.6 计算机视觉
    6.2.7 自然语言处理
    6.2.8 虚拟现实与增强现实
   6.3 人工智能的应用
    6.3.1 智慧教育
    6.3.2 智能制造
    6.3.3 智能物流
    6.3.4 智慧农业
    6.3.5 自动驾驶
    6.3.6 智慧医疗
    6.3.7 智能家居
    6.3.8 智能机器人
   6.4 人工智能的挑战与机遇
    6.4.1 人工智能的技术挑战
    6.4.2 人工智能的机遇
  第7章 智能感知
   7.1 什么是智能感知
   7.2 智能感知系统
    7.2.1 传感器
    7.2.2 信号采集与处理系统
    7.2.3 分析决策技术
   7.3 智能感知系统的应用
    7.3.1 人脸识别
    7.3.2 声纹识别
    7.3.3 嗅觉感知
    7.3.4 视觉感知
    7.3.5 触觉感知
    7.3.6 味觉感知
    7.3.7 环境检测
  第8章 知识表示与知识图谱
   8.1 知识表示
    8.1.1 知识的定义
    8.1.2 人工智能领域的知识
    8.1.3 知识表示的定义
   8.2 知识表示的方法
    8.2.1 逻辑表示法
    8.2.2 产生式表示法
    8.2.3 框架表示法
    8.2.4 面向对象表示法
    8.2.5 语义网表示法
    8.2.6 本体表示法
   8.3 知识图谱
    8.3.1 什么是知识图谱
    8.3.2 知识图谱的表示
    8.3.3 知识图谱的应用
    8.3.4 知识图谱的构建
  第9章 自然语言处理
   9.1 概述
   9.2 自然语言处理的层次
   9.3 自然语言处理的基本任务
    9.3.1 语音识别
    9.3.2 光学字符识别
    9.3.3 中文分词
    9.3.4 词性标注
    9.3.5 命名实体识别
    9.3.6 句法分析
    9.3.7 语义分析
    9.3.8 篇章分析
   9.4 自然语言处理的应用举例
    9.4.1 信息抽取
    9.4.2 自动问答
    9.4.3 情感分析
    9.4.4 机器翻译
  第10章 机器视觉
   10.1 概述
    10.1.1 机器视觉的相关概念
    10.1.2 计算机视觉的相关概念
    10.1.3 机器视觉和计算机视觉
   10.2 为什么要引入机器视觉
   10.3 机器视觉系统
    10.3.1 机器视觉系统的组成
    10.3.2 机器视觉系统的工作过程
    10.3.3 镜头技术
    10.3.4 摄像机技术
    10.3.5 图像采集卡
   10.4 图像处理技术
    10.4.1 概述
    10.4.2 图像增强
    10.4.3 图像特征提取
    10.4.4 图像分割
    10.4.5 图像配准
  第11章 机器学习与深度学习
   11.1 概述
    11.1.1 基本概念
    11.1.2 机器学习的基本任务
    11.1.3 机器学习的分类
   11.2 机器学习常见模型
    11.2.1 线性回归
    11.2.2 决策树
    11.2.3 贝叶斯分类器
    11.2.4 K-Means聚类
    11.2.5 其他常见模型
   11.3 模型的评估
    11.3.1 准确率
    11.3.2 业务能力
    11.3.3 过拟合和欠拟合
    11.3.4 其他评估指标
    11.3.5 评估数据的处理
   11.4 深度学习
    11.4.1 概述
    11.4.2 神经网络
    11.4.3 卷积神经网络
    11.4.4 循环神经网络
    11.4.5 生成对抗网络
  第12章 云计算和大数据
   12.1 云计算概述
    12.1.1 云计算的发展
    12.1.2 云计算的概念
    12.1.3 云计算的特征
    12.1.4 云计算的分类
   12.2 大数据发展历程
    12.2.1 大数据产生的背景
    12.2.2 大数据发展历程
    12.2.3 大数据的概念与特征
   12.3 大数据技术
    12.3.1 大数据的处理流程
    12.3.2 数据采集
    12.3.3 数据清洗和预处理
    12.3.4 数据存储
    12.3.5 数据分析和挖掘
    12.3.6 结果可视化
   12.4 大数据技术的应用
    12.4.1 个性化交通信息服务
    12.4.2 交通诱导信息服务
    12.4.3 现代城市物流服务
    12.4.4 公共交通出行信息服务
    12.4.5 个性化营销
    12.4.6 库存管理
    12.4.7 客户意见收集
    12.4.8 疫情预测预警
    12.4.9 职业病防治
    12.4.10 医院管理
    12.4.11 运动员训练
    12.4.12 战术安排
    12.4.13 体育节目制作
   12.5 大数据隐私与安全
    12.5.1 大数据隐私
    12.5.2 大数据隐私保护
    12.5.3 大数据安全
  第13章 数据挖掘
   13.1 数据挖掘概述
    13.1.1 数据挖掘定义
    13.1.2 知识发现与数据挖掘
    13.1.3 数据挖掘的起源
    13.1.4 数据挖掘的研究目标
    13.1.5 数据挖掘过程
   13.2 数据挖掘算法
    13.2.1 分类
    13.2.2 聚类
    13.2.3 关联规则
    13.2.4 时间序列预测
   13.3 数据挖掘应用
    13.3.1 社交媒体挖掘
    13.3.2 文本挖掘
    13.3.3 推荐系统
  参考文献