顶部
收藏

计算与人工智能通识


作者:
主编 李晓昀 万亚平 副主编 何啸峰 周恺卿
定价:
48.00元
ISBN:
978-7-04-065120-1
版面字数:
360.00千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2025-08-11
物料号:
65120-00
读者对象:
高等教育
一级分类:
计算机/教育技术类

本书从基础概念到实际应用,全面介绍了计算与人工智能的核心知识。

本书共9章,遵循“理论为基、实践导向、前沿引领”的编写理念。前4章构建了完整的计算机科学知识体系,为后续人工智能、大模型、具身智能相关技术的理解、机器学习算法的应用奠定基础。后4章紧扣人工智能核心理论、前沿技术及应用。最后1章作为一个应用场景,以国产软件WPS为例,介绍利用人工智能助力智慧办公。

本书精选了大量案例与应用场景,兼顾经典与前沿,旨在增强初学者的学习兴趣,拓展他们的视野;本书还设计了多个实践环节,如利用大模型完成不同类型的任务,编写Python程序使用机器学习算法完成预测等,让初学者能够跟随书中内容完成实际操作,建立学习自信,激发学习热情。

本书适合作为高等院校“人工智能通识”“大学计算机基础”等信息技术类通识课程的教材,也可供对人工智能与信息技术感兴趣的人员参考。

  • 前辅文
  • 第1章 计算与思维方式变革
    • 1.1 智能与计算
      • 1.1.1 智能的定义
      • 1.1.2 计算的定义
    • 1.2 计算工具演变历程
      • 1.2.1 从手工计算到机械计算
      • 1.2.2 机电混合式计算
      • 1.2.3 电子计算机的发展
      • 1.2.4 新兴计算技术的探索
    • 1.3 思维范式
      • 1.3.1 实验科学范式
      • 1.3.2 理论科学范式
      • 1.3.3 计算科学范式
      • 1.3.4 数据科学范式
    • 思考与拓展
  • 第2章 数据表示与编码
    • 2.1 进制系统及转换
      • 2.1.1 计算机与二进制
      • 2.1.2 进制系统与进制转换
    • 2.2 数值数据的编码
      • 2.2.1 整数的编码
      • 2.2.2 浮点数的编码
    • 2.3 字符与文本数据的编码
      • 2.3.1 英文字符的编码
      • 2.3.2 汉字的编码
    • 2.4 媒体数据的编码
      • 2.4.1 图像的编码
      • 2.4.2 声音的编码
    • 思考与拓展
  • 第3章 计算系统
    • 3.1 计算机硬件组成
      • 3.1.1 冯·诺依曼结构计算机
      • 3.1.2 指令的表示与执行
    • 3.2 计算机语言与程序执行方式
      • 3.2.1 机器语言与汇编语言
      • 3.2.2 高级语言
    • 3.3 操作系统与计算机资源管理
      • 3.3.1 操作系统的演进
      • 3.3.2 操作系统的核心功能
    • 3.4 并行计算与分布式计算
      • 3.4.1 并行计算
      • 3.4.2 分布式计算
    • 思考与拓展
  • 第4章 数据与大数据
    • 4.1 数据的基本概念与类型
      • 4.1.1 数据的定义与分类
      • 4.1.2 数据的存储与常见类型
    • 4.2 数据的采集、处理与分析
      • 4.2.1 数据采集
      • 4.2.2 数据预处理
      • 4.2.3 数据分析
      • 4.2.4 数据可视化
    • 4.3 大数据的产生与定义
      • 4.3.1 数据产生方式的变化
      • 4.3.2 大数据的概念与影响
    • 4.4 大数据的应用与伦理
      • 4.4.1 大数据应用实例
      • 4.4.2 大数据伦理
    • 思考与拓展
  • 第5章 人工智能概论
    • 5.1 人工智能的基本概念
      • 5.1.1 人工智能的起源与定义
      • 5.1.2 强人工智能与弱人工智能
      • 5.1.3 影响人工智能性能的要素
      • 5.1.4 人工智能的学习路径
    • 5.2 人工智能的典型应用
      • 5.2.1 AI赋能生物医药
      • 5.2.2 AI赋能智慧城市
      • 5.2.3 AI赋能艺术创作
    • 5.3 人工智能伦理
      • 5.3.1 人工智能的模型安全
      • 5.3.2 责权归属与社会责任
    • 思考与拓展
  • 第6章 机器学习
    • 6.1 机器学习的概念与发展
      • 6.1.1 机器学习的基本概念
      • 6.1.2 机器学习的发展
    • 6.2 机器学习的主要算法
      • 6.2.1 监督学习
      • 6.2.2 无监督学习
      • 6.2.3 半监督学习
      • 6.2.4 强化学习
    • 6.3 机器学习的步骤
    • 6.4 机器学习的应用示例
      • 6.4.1 Python环境配置
      • 6.4.2 机器学习编程实例
    • 思考与拓展
  • 第7章 大模型及其应用
    • 7.1 大模型概述
      • 7.1.1 大模型的特点
      • 7.1.2 大语言模型与多模态大模型
      • 7.1.3 大模型的构建流程
    • 7.2 大模型的核心技术
      • 7.2.1 自然语言处理技术
      • 7.2.2 Transformer架构
    • 7.3 大模型的常见应用
      • 7.3.1 提示词及设计技巧
      • 7.3.2 内容生成
      • 7.3.3 信息检索与理解
      • 7.3.4 数据分析
      • 7.3.5 其他应用
    • 7.4 大模型的挑战与局限性
      • 7.4.1 计算资源需求
      • 7.4.2 大模型幻觉问题
      • 7.4.3 算法偏见与数据安全
      • 7.4.4 透明性与可解释性
    • 思考与拓展
  • 第8章 具身智能
    • 8.1 具身智能的概念与发展
      • 8.1.1 具身智能的基本概念
      • 8.1.2 与传统人工智能的区别
      • 8.1.3 具身智能的发展
    • 8.2 具身智能的关键技术
      • 8.2.1 感知与传感技术
      • 8.2.2 环境建模与学习
      • 8.2.3 决策与规划
      • 8.2.4 动作执行与反馈控制
    • 8.3 具身智能的常见形态与典型应用
      • 8.3.1 具身智能体的形态分类
      • 8.3.2 具身智能的典型应用
    • 8.4 挑战与伦理
      • 8.4.1 具身智能的技术挑战
      • 8.4.2 具身智能的伦理问题
    • 思考与拓展
  • 第9章 智慧办公
    • 9.1 文字的处理
      • 9.1.1 文字编辑
      • 9.1.2 文字排版
      • 9.1.3 智能文档
      • 9.1.4 高级应用
    • 9.2 电子表格的处理
      • 9.2.1 基本元素
      • 9.2.2 数据计算
      • 9.2.3 数据管理
      • 9.2.4 数据图表化
      • 9.2.5 智能表单
      • 9.2.6 智能表格
    • 9.3 演示文稿的处理
      • 9.3.1 基本概念
      • 9.3.2 演示文稿的创建
      • 9.3.3 演示文稿的编辑与美化
      • 9.3.4 演示文稿的放映与输出
    • 9.4 WPS AI
      • 9.4.1 AI赋能文字处理
      • 9.4.2 AI赋能电子表格
      • 9.4.3 AI创作演示文稿
    • 9.5 WPS与大语言模型的结合
    • 思考与拓展
  • 参考文献

相关图书


相关数字化产品