相關主題
商品描述
本書以 高等學校大學計算機課程教學指導委員會頒布的《新時代大學計算機基礎課程教學基本要求》中有關大學計算機基礎教學的能力培養目標為依據，為適應人工智能通識教育的新趨勢而編寫。 本書以培養學生的計算思維和智能思維為目標，以“信息計算基礎與素養（計算基礎）”和“人工智能方法與應用（計算方法）”為教學主線。全書共10章，內容包括信息與計算、計算機系統與工作原理、計算機網絡與數字化生存、數字化編輯與WPS AI、問題求解與算法設計、人工智能概述、進化計算與群智能技術、機器學習方法、神經網絡與深度學習、大模型技術及應用。本書將理論與實踐緊密結合，圍繞教學內容精心設計了15個貼近實際的上機實驗，助力人工智能通識教育落地。 本書可作為各高校信息技術類課程和人工智能通識課程的教材，也可供計算機和人工智能技術初學者學習使用。
作者簡介
普運偉 昆明理工大學計算中心教授。長期從事“大學計算機”、“C語言程序設計”、“Java語言程序設計”等課程的教學工作。主持和參與各級質量工程或教改項目10余項，主編出版教材4部，副主編或參編出版教材6部。曾獲昆明理工大學教學名師、師德標兵、校級教學成果特等獎、伍達觀教育基金 教師、紅雲園丁模範教師等教學獎勵。
目錄大綱
上篇-信息計算基礎與素養
第 1章 信息與計算
1.1 信息社會與計算工具
1.1.1 信息社會
1.1.2 計算工具與技術發展
1.2 信息的表示
1.2.1 數制與編碼
1.2.2 數值數據的表示
1.2.3 字符數據的表示
1.2.4 多媒體信息的表示
1.3 信息處理過程
1.3.1 信息獲取
1.3.2 信息加工
1.3.3 信息存儲與傳輸
1.3.4 信息利用
1.4 科學思維
1.4.1 邏輯思維
1.4.2 實證思維
1.4.3 計算思維
1.5 新一代信息處理技術
1.5.1雲計算
1.5.2大數據
1.5.3物聯網
1.5.4人工智能
1.5.5區塊鏈
1.6 國產信創發展
1.6.1國產信創的意義及發展歷程
1.6.2國產信創發展現狀
1.6.3國產信創的應用領域及挑戰
實驗1 信息的表示與轉換
快速檢測
第 2章 計算機系統與工作原理
2.1 計算機系統組成
2.1.1 硬件系統
2.1.2 軟件系統
2.1.3 現代計算機體系結構
2.2 微型計算機硬件系統
2.2.1 信息的輸入
2.2.2 信息存取與交換
2.2.3 信息計算與處理
2.2.4 信息的 存儲
2.2.5 信息的輸出
2.3 指令執行與系統控制
2.3.1 程序和指令
2.3.2 運算器
2.3.3 控制器
2.3.4 指令執行與系統控制過程
2.3.5 指令的高效執行
2.3.6 國產CPU的發展
2.4 信息傳輸與轉換
2.4.1 主板
2.4.2 總線
2.4.3 接口
實驗2 微機組裝與計算原理
快速檢測
第3章 計算機網絡與數字化生存
3.1計算機網絡概述
3.1.1何為計算機網絡
3.1.2計算機網絡的功能
3.1.3計算機網絡的分類
3.2網絡協議與模型
3.2.1 網絡協議
3.2.2 網絡開放互連參考模型
3.3常見的網絡設備
3.3.1網絡傳輸介質
3.3.2網絡接口及連接設備
3.4局域網
3.4.1局域網概述
3.4.2無線局域網
3.5因特網
3.5.1 因特網的誕生及發展
3.5.2 因特網架構
3.5.3 因特網基本概念及服務
3.6數字化生存
3.6.1網絡信息檢索
3.6.2電子商務
3.6.3 在線教育
實驗3 基於Packet Tracer的組網仿真實驗
快速檢測
第4章 數字化編輯與WPS AI
4.1 WPS概述
4.2 WPS文字處理
4.2.1 初識WPS文字
4.2.2 WPS文字基本應用
4.2.3 WPS文字 應用
4.3 WPS表格管理與應用
4.3.1 初識WPS表格
4.3.2 公式與函數
4.3.3 圖表
4.3.4 數據分析與管理
4.4 WPS演示設計與制作
4.4.1 初識WPS演示
4.4.2 幻燈片編輯與美化
4.4.3 母版設計
4.4.4 動畫設置
4.4.5 幻燈片切換與放映
4.5 WPS AI智能助手
4.5.1 文字AI
4.5.2 表格AI
4.5.3 演示AI
實驗5 論文編輯與排版
實驗6 WPS表格數據統計分析
快速檢測
第5章 問題求解與算法設計
5.1 問題求解過程
5.1.1 問題求解的一般過程
5.1.2 問題求解的計算機處理過程
5.2 計算機求解問題的方法
5.2.1 使用計算機軟件進行問題求解
5.2.2 編寫計算機程序進行問題求解
5.2.3 構建系統進行問題求解
5.3 算法與程序結構
5.3.1算法的概念
5.3.2 算法的表示
5.3.3 典型算法思維及策略
5.3.4 程序基本結構
5.4 Raptor可視化算法流程圖設計
5.4.1 Raptor軟件環境簡介
5.4.2 Raptor軟件使用實例
實驗6 Raptor算法設計
快速檢測
下篇-人工智能方法與應用
第6章 人工智能概述
6.1 什麼是人工智能
6.1.1 智能與人類智能
6.1.2 人工智能的定義
6.1.3 人工智能的分類
6.2 人工智能的發展歷程
6.2.1 人工智能的誕生和初步發展（20世紀50年代-20世紀80年代）
6.2.2 人工智能的應用發展和產業化（20世紀80年代-21世紀初）
6.2.3 人工智能的蓬勃發展（2006年至今）
6.3 人工智能的研究方法
6.4 人工智能典型應用
6.5 人工智能面臨的挑戰
6.6 人工智能倫理問題
快速檢測
第7章 進化計算與群智能技術
7.1 遺傳算法簡介
7.1.1 遺傳算法的基本概念及發展歷程
7.1.2 遺傳算法的生物學背景
7.1.3 遺傳算法的適用場景
7.2遺傳算法的基本思想和組成要素
7.2.1 遺傳算法的基本思想
7.2.2 遺傳算法的組成要素
7.3遺傳算法的實現過程
7.3.1 遺傳算法的基本流程
7.3.2 遺傳算法關鍵步驟解析
7.4遺傳算法的應用
7.4.1 scikit-opt庫介紹
7.4.2 使用scikit-opt庫求解函數極值
7.4.3 遺傳算法常用參數的設置
7.5 群智能算法
7.5.1 群智能算法的基本思想
7.5.2 典型的群智能算法
7.5.3 群智能算法的應用領域
7.6 粒子群算法及應用
7.6.1 粒子群算法的基本原理
7.6.2 粒子群算法求解實例
7.6.3 粒子群算法存在的問題和改進方向
實驗7 遺傳算法求解旅行商問題
實驗8 粒子群算法求解函數極值
快速檢測
第8章 機器學習方法
8.1什麼是機器學習
8.1.1 機器學習的定義
8.1.2 機器學習的分類
8.1.3 機器學習的開發流程
8.2 回歸
8.2.1 單變量線性回歸
8.2.2 多元線性回歸
8.2.3 邏輯回歸
8.2.4 擬合、過擬合、欠擬合和泛化
8.3監督學習
8.3.1監督學習如何運作
8.3.2監督學習算法
8.3.3 使用scikit-learn實現KNN算法
8.4無監督學習
8.4.1聚類
8.4.2降維
8.5強化學習
8.5.1 強化學習算法中的關鍵概念
8.5.2 強化學習的應用場景
實驗9 監督學習-鳶尾花分類
實驗10 葡萄酒數據集聚類分析
實驗11 線性回歸在銀行貸款金額分析中的應用
快速檢測
第9章 神經網絡與深度學習
9.1 人工神經網絡的發展
9.1.1 啟蒙時期
9.1.2 早期發展
9.1.3 現代發展
9.2 淺層神經網絡
9.2.1 神經網絡基礎
9.2.2 感知機模型
9.2.3 多層感知機
9.2.4 淺層網絡模型簡介
9.3 卷積神經網絡與深度學習
9.3.1什麼是卷積神經網絡
9.3.2.卷積神經網絡的應用場景
9.3.3.卷積神經網絡的工作過程
9.3.4 卷積計算
9.3.5 卷積計算涉及的參數
9.3.6經典網絡架構
9.4其他深度學習模型
9.4.1遞歸神經網絡（RNN）
9.4.2生成對抗網絡（GAN）
9.4.3長短期記憶網絡（LSTM）
9.4.4編碼器-解碼器（Encoder-Decoder）
實驗12 BP網絡字母識別
實驗13 簡單卷積神經網絡-手寫數字識別：
實驗14 基於殘差網絡架構訓練花卉分類模型
快速檢測
第 10章 大模型技術及應用
10.1 AIGC與大模型技術
10.1.1 AIGC技術
10.1.2 大模型技術
10.1.3 AIGC與大模型技術的關系
10.2 目前主流的AI大模型
10.2.1 GPT大模型
10.2.2 BERT大模型
10.2.3 百度文心大模型
10.2.4 訊飛星火大模型
10.2.5 Kimi大模型
10.2.6 豆包大模型
10.2.7 Deepseek大模型
10.2.8 其他典型大模型
10.3 大模型技術的應用與未來
10.3.1 開啟智能應用新時代
10.3.2 未來的發展趨勢
實驗15 大模型綜合應用
快速檢測
面向大學新生，培養計算思維與智能思維 采用“引導式上機實踐”教學方法，落地人工智能通識教育 配套教學課件、教學素材、實驗素材、拓展提升微視頻等豐富教學資料
