电子工业出版社-网上书店

本书为满足人工智能通识教育的现实需求而编写，力争用通俗易懂的语言阐明人工智能的复杂概念和算法逻辑，同时按照应用导向、案例驱动的思路，引导读者应用人工智能方法与技术解决实际问题。本书共8章，分别是计算与人工智能概论、人工智能开发工具与平台、计算系统、人工智能的数据基础、机器学习基础与应用、深度学习基础与应用、大模型技术与应用、人工智能伦理与安全。全书采用Python技术路线，以应用案例说明概念、算法和基本原理。通过丰富的案例分析和程序实践，引导读者将人工智能知识应用于实际场景，培养读者解决复杂问题的能力以及学科交叉融合与应用能力。本书可以作为高等学校“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。

第1章  计算与人工智能概论	1
1.1  计算与计算自动化	1
1.1.1  计算的概念	1
1.1.2  图灵机模型	3
1.1.3  冯·诺依曼体系结构	5
1.2  计算思维	6
1.2.1  计算思维的概念	7
1.2.2  计算思维的本质与方法	8
1.3  人工智能的起源与定义	10
1.3.1  人工智能的起源	10
1.3.2  人工智能的三大学派	11
1.3.3  人工智能的定义	13
1.4  人工智能的发展历程与趋势	14
1.4.1  人工智能的发展阶段	14
1.4.2  人工智能的发展趋势	16
1.5  人工智能的研究内容与主要技术	18
1.5.1  人工智能的研究内容	18
1.5.2  人工智能主要技术	19
习题与实验	20
第2章  人工智能开发工具与平台	21
2.1  Python与人工智能应用	21
2.1.1  Python语言的特点	21
2.1.2  Python在人工智能中的应用	22
2.1.3  Python编程的基本规则	23
2.2  Python的数据描述	24
2.2.1  变量与赋值	24
2.2.2  Python数据类型	25
2.2.3  常用系统函数	28
2.2.4  基本运算与表达式	30
2.3  Python程序流程控制	32
2.3.1  简单的Python程序	32
2.3.2  实现选择判断	36
2.3.3  控制重复操作	41
2.4  函数	47
2.4.1  函数的定义与调用	47
2.4.2  两类特殊函数	48
2.5  文件操作	49
2.5.1  文件的打开与关闭	50
2.5.2  文本文件的操作	51
2.6  Python人工智能应用生态	52
2.6.1  NumPy库的应用	53
2.6.2  Matplotlib绘图	55
2.6.3  SciPy库的应用	61
习题与实验	64
第3章  计算系统—从单机到智能生态	67
3.1  单机系统	67
3.1.1  计算机系统的组成	67
3.1.2  计算机的工作原理	72
3.1.3  微型计算机体系结构	74
3.1.4  人工智能计算架构	77
3.2  计算机中数据的表示	78
3.2.1  数制与二进制运算	78
3.2.2  数值数据的表示	81
3.2.3  字符编码	85
3.2.4  声音和图像编码	87
3.3  网络系统	91
3.3.1  计算机网络概述	91
3.3.2  局域网基础	96
3.3.3  Internet基础	102
3.4  云计算服务	109
3.4.1  云计算的概念	109
3.4.2  云计算服务模式	109
3.4.3  典型的云计算平台	111
3.5  物联网技术	112
3.5.1  物联网的概念	113
3.5.2  物联网体系架构	113
3.5.3  物联网关键技术	114
习题与实验	117
第4章  人工智能的数据基础	119
4.1  数据分析基础	119
4.1.1  数据分析的基本流程	119
4.1.2  常用数据分析方法	120
4.1.3  数据可视化	125
4.1.4  应用案例—《三国演义》词频统计与词云图创建	129
4.2  网络爬虫与信息提取	131
4.2.1  网络爬虫	132
4.2.2  信息提取	133
4.2.3  应用案例—新闻热词分析	137
4.3  大数据处理	140
4.3.1  大数据关键技术	140
4.3.2  常用大数据框架	141
4.3.3  大数据与人工智能的关系	142
4.3.4  应用案例—地铁运营大数据系统	144
4.4  数据安全	145
4.4.1  数据加密技术	145
4.4.2  区块链技术	148
4.4.3  应用案例—课堂行为管理系统	152
习题与实验	154
第5章  机器学习基础与应用	156
5.1  机器学习概述	156
5.1.1  机器学习的概念	156
5.1.2  机器学习的分类	158
5.1.3  机器学习的应用领域	160
5.2  机器学习流程与评估	160
5.2.1  机器学习的基本流程	161
5.2.2  机器学习的性能评估指标	162
5.3  机器学习算法	164
5.3.1  监督学习算法：分类问题	164
5.3.2  监督学习算法：回归问题	175
5.3.3  无监督学习算法：聚类问题	182
5.3.4  应用案例—二维数据集的聚类	186
5.4  强化学习	187
5.4.1  强化学习原理	187
5.4.2  Q学习算法	188
5.4.3  应用案例—机器人路径规划	189
习题与实验	193
第6章  深度学习基础与应用	195
6.1  深度学习概述	195
6.1.1  深度学习的概念与基本特征	195
6.1.2  深度学习的发展历程	196
6.1.3  深度学习与传统机器学习的区别	197
6.2  神经元与神经网络	198
6.2.1  人工神经元	199
6.2.2  人工神经网络	202
6.2.3  神经网络的学习算法—反向传播算法	203
6.2.4  应用案例—使用神经网络实现鸢尾花分类	208
6.3  深度学习模型	211
6.3.1  卷积神经网络	211
6.3.2  循环神经网络	216
6.3.3  生成对抗网络	219
6.4  应用案例—用Keras实现CIFAR-10图像分类	221
6.4.1  常用深度学习框架	221
6.4.2  Keras框架的应用	222
6.4.3  CIFAR-10图像分类的实现	224
习题与实验	227
第7章  大模型技术与应用	230
7.1  大模型概述	230
7.1.1  大模型的特点	230
7.1.2  大语言模型	231
7.1.3  主流大模型	233
7.2  大模型的架构与技术	235
7.2.1  Transformer架构	235
7.2.2  自注意力机制	236
7.2.3  编码器和解码器的作用原理	237
7.3  模型优化与压缩技术	238
7.3.1  知识蒸馏	239
7.3.2  模型剪枝与量化	240
7.3.3  稀疏化与低秩分解	241
7.4  DeepSeek的技术原理与应用	242
7.4.1  DeepSeek的技术原理	242
7.4.2  DeepSeek的应用	243
7.5  WPS AI智能办公应用	245
7.5.1  智能文档处理	245
7.5.2  智能数据分析	248
7.5.3  智能演示文稿制作	251
习题与实验	253
第8章  人工智能伦理与安全	255
8.1  人工智能伦理概述	255
8.1.1  人工智能伦理的概念和发展	255
8.1.2  数据隐私与伦理问题	257
8.1.3  算法偏见与公平	259
8.2  人工智能的安全挑战	261
8.2.1  对抗攻击与模型的鲁棒性	261
8.2.2  人工智能在安全系统中的应用与风险	264
8.2.3  人工智能失控的可能性	266
8.3  典型案例分析	267
8.3.1  面部识别技术与伦理问题	267
8.3.2  自动驾驶技术与伦理问题	269
8.3.3  深度伪造技术与伦理问题	271
习题与实验	273
参考文献	275

党的二十大报告指出：“推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎。”作为新一轮科技革命和产业变革的核心驱动力，人工智能技术正以颠覆性创新重构产业生态，其强大的赋能效应已突破单一领域限制，形成“技术突破-场景应用-产业升级”的良性循环。从图灵机的理论奠基到深度学习的实践突破，从专家系统的规则驱动到具身智能的感知交互，从连接主义的网络架构到大模型的生成式智能，技术演进的每一步都在拓展人类能力的极限。这场革命的终极价值，不在于机器能否超越人类，而在于人类能否驾驭人工智能，共同探索未知世界的奥秘。
人工智能作为一种变革性的技术，正在深刻地改变着社会的各个方面，对大学生进行人工智能通识教育势在必行。2019年以来，作者提出问题导向、应用驱动的大学计算机通识课程改革思路，构建了深度融合人工智能等新一代信息技术、适应人工智能通识教育要求的“大学计算机”课程内容体系，并在中南大学开展了系列课程实践，取得了良好的效果。本书是这一工作的延续和拓展。在“人工智能通识”课程建设中，作者强调应用落地，注重应用人工智能方法与技术去解决实际问题，以满足“人工智能+”时代背景下人才培养的现实需求。
本书分为8章，各章的具体内容如下。
第1章是计算与人工智能概论，介绍计算的概念、图灵机模型和冯·诺依曼体系结构的基本思想、计算思维的本质与方法、人工智能的起源与定义、人工智能的发展历程与趋势、人工智能的研究内容与主要技术等。
第2章是人工智能开发工具与平台，介绍Python的基本语法、程序流程控制、函数定义与调用、文件操作等内容，帮助读者运用Python语言来构建算法模型、处理数据，为人工智能系统开发奠定坚实基础。
第3章是计算系统—从单机到智能生态，从人工智能应用生态视角来理解计算系统的技术演进，介绍计算机系统的组成与工作原理、微型计算机的总线结构和组成部件、计算机中数据的表示方法、计算机网络的基础知识、局域网的基础知识、Internet的基础知识以及云计算和物联网的概念与应用等。
第4章是人工智能的数据基础，介绍数据分析的流程与方法、数据可视化、网络数据的提取与处理方法、大数据处理关键技术及框架平台、大数据与人工智能的关系以及数据安全等，并结合实际案例说明数据分析方法的具体应用。
第5章是机器学习基础与应用，以应用为出发点，立足传统机器学习的理论基础与实践应用，介绍机器学习的概念与分类、机器学习基本流程与性能评估、常见机器学习算法的基本思想与实现方法、机器学习的应用案例等。
第6章是深度学习基础与应用，介绍深度学习的概念与基本特征、神经元模型与神经网络的基本结构、反向传播算法、多层感知机的应用等，并通过CIFAR-10图像分类应用案例演示深度学习模型的实现方法。
第7章是大模型技术与应用，介绍大模型的基本概念与关键特点、大模型的架构与技术及优化方法等，还介绍了两个大模型的应用，一个是DeepSeek大模型的技术原理与应用，另一个是内嵌在WPS Office中的WPS AI大模型的智能办公应用。
第8章是人工智能伦理与安全，介绍人工智能伦理的基本概念、隐私泄露和算法偏见的成因及治理方案、人工智能安全的概念、对抗攻击的原理及人工智能在安全系统中的应用方式等，最后分析面部识别、自动驾驶和深度伪造技术的伦理问题。
在内容设计上，本书遵照应用导向、案例驱动的编写思路，注重应用人工智能方法与技术来解决实际问题。全书采用Python技术路线，以应用案例说明概念、算法和基本原理，通过应用案例体现算法和原理的实际应用。本书力求通过丰富的案例分析和程序实践，引导读者将所学知识应用于实际场景中，培养读者解决复杂问题的能力和学科交叉融合与应用能力。具体来说，本书有以下特点。
（1）注重理论与实践结合，知识与应用并重，帮助读者理解人工智能的概念和算法原理，真正实现从知识认知到应用能力的跃升，为人工智能领域的应用与学科交叉融合奠定坚实基础。
（2）采用由浅入深讲透理论、由易到难落实实践的渐进式内容体系设计，提供丰富的程序示例与典型场景的实战项目，帮助读者通过应用案例理解和掌握算法实现方法。
（3）避开复杂的数学推导，而从应用需求出发理解算法思想。在介绍算法原理时，尽量避免烦琐的数学推导，强调算法在实际问题中的应用场景及其基本思路，降低学习门槛，提升学习兴趣。
本书包含配套教学资源，读者可登录华信教育资源网（www.hxedu.com.cn）下载。
本书由刘卫国任主编，吕格莉任副主编，参编人员有龙慧、刘强、漆华妹、刘丽敏、康松林、何小贤、曹岳辉、严晖等。本书是工信知识赋能工程建设的成果。在本书编写过程中，我们得到了许多教师的大力支持和协助。在此，我们一并表示诚挚的感谢！
本书既源自课程建设实践，又将服务于未来的课程建设，我们期待本书能对读者有所帮助。同时，对书中的不足之处，我们恳请广大读者批评指正。


刘卫国       
2025年5月于中南大学

本书配套资源下载

对不起，暂无音视频资源！

计算与人工智能通识（微课版）