人工智能通識教程（微課版）

桂小林：

西安交通大學教授、博士生導師，獲評國家級教學名師、教育部新世紀優秀人才；現任計算機國家級實驗教學示範中心主任、物聯網與信息安全研究所所長，擔任國家級一流本科專業和國家級一流本科課程負責人，以及教育部高等學校大學計算機課程教學指導委員會秘書長、全國高等院校計算機基礎教育研究會副會長、中國工程教育專業認證評估專家；出版專著2部、教材12部，榮獲國家級教學成果獎一等獎1項、省級教學成果獎5項、國家科學技術獎/陜西省科學技術獎3項。

【章名目錄】

第 1章　信息與社會　1

第 2章　計算系統與平臺　25

第3章　程序設計與問題求解　44

第4章　計算機網絡與物聯網　93

第5章　大數據分析與可視化　127

第6章　人工智能與神經網絡　169

第7章　機器學習與大模型應用智能　213

 

【詳細目錄】

第 1章　信息與社會　1

1.1　信息與信息革命　2

1.1.1　什麼是信息　2

1.1.2　什麼是信息革命　2

1.1.3　什麼是新一代信息技術　3

1.1.4　信息技術與各學科的關系　4

1.2　數制與進制轉換　6

1.2.1　計算機的數制　6

1.2.2　二進制數的表示單位　7

1.2.3　不同進制之間的數據轉換方法　7

1.3　信息編碼　10

1.3.1　字符編碼　10

1.3.2　字形編碼　15

1.3.3　語音和圖像編碼　17

1.4　信息倫理與道德法律　19

1.4.1　信息倫理與道德規範　19

1.4.2　信息安全與隱私保護　21

1.5　本章小結　23

本章習題　23

 

第 2章　計算系統與平臺　25

2.1　計算系統與平臺的發展　26

2.1.1　單計算機系統概述　26

2.1.2　多計算機系統概述　27

2.2　單計算機系統　29

2.2.1　圖靈機模型　29

2.2.2　馮 諾依曼體系　30

2.2.3　單計算機的算術運算　32

2.2.4　單計算機的系統組成　34

2.3　雲計算平臺　38

2.3.1　雲計算平臺和服務模式　38

2.3.2　雲計算的虛擬化技術　40

2.3.3　雲計算的典型應用　41

2.4　本章小結　42

本章習題　42

 

第3章　程序設計與問題求解　44

3.1　指令與程序　45

3.1.1　指令與指令系統　45

3.1.2　程序與程序設計語言　46

3.2　程序設計語言的選擇與編程環境　47

3.2.1　程序設計語言的選擇　47

3.2.2　Python編程環境　49

3.3　Python程序設計基礎　52

3.3.1　Python程序結構　53

3.3.2　Python數據類型及其表示　54

3.3.3　Python運算符與表達式　57

3.3.4　Python數據的輸入和輸出　60

3.3.5　Python字符串和列表運算　62

3.4　Python程序結構　64

3.4.1　程序流程圖　65

3.4.2　程序的控制結構　66

3.5　計算思維與問題求解　70

3.5.1　計算思維　70

3.5.2　問題抽象　72

3.5.3　數據結構與算法設計　73

3.5.4　程序設計與調試　76

3.5.5　代碼復用：函數和庫　77

3.6　經典算法及其Python實現　81

3.6.1　枚舉算法　81

3.6.2　貪心算法　83

3.6.3　疊代算法　84

3.6.4　遞歸算法　86

3.6.5　排序算法　88

3.7　本章小結　91

本章習題　91

 

第4章　計算機網絡與物聯網　93

4.1　計算機網絡概述　94

4.1.1　計算機網絡的分層體系結構　94

4.1.2　計算機網絡的數據封裝　97

4.2　計算機網絡的協議與設備　99

4.2.1　計算機網絡協議　99

4.2.2　計算機網絡設備　105

4.3　物聯網概述　107

4.3.1　物聯網的概念與特征　107

4.3.2　物聯網的起源與發展　109

4.4　物聯網的核心技術　110

4.4.1　傳感檢測技術　111

4.4.2　條形碼技術　113

4.4.3　RFID技術　121

4.4.4　空間定位技術　124

4.5　本章小結　125

本章習題　125

 

第5章　大數據分析與可視化　127

5.1　大數據的定義及物聯網數據特征　128

5.1.1　什麼是大數據　128

5.1.2　物聯網數據特征　128

5.2　大數據的存儲方法　129

5.2.1　關系數據庫存儲　129

5.2.2　雲存儲　133

5.3　大數據分析和可視化　137

5.3.1　數據預處理　137

5.3.2　數據分析　138

5.3.3　調查問卷的設計與分析　145

5.3.4　基於電子表格的數據分析可視化　147

5.3.5　基於ECharts平臺的大數據分析可視化　149

5.4　基於Python庫的數據可視化　151

5.4.1　基於turtle庫的數據可視化　152

5.4.2　基於Matplotlib庫的數據可視化　156

5.5　數據安全與隱私保護　160

5.5.1　數據安全的原則與數據加密模型　160

5.5.2　置換加密算法　161

5.5.3　對稱加密算法DES　162

5.5.4　非對稱加密算法RSA　163

5.5.5　隱私保護技術　165

5.6　本章小結　167

本章習題　167

 

第6章　人工智能與神經網絡　169

6.1　人工智能的基本概念　170

6.1.1　人工智能的定義與特征　170

6.1.2　人工智能的發展歷史　172

6.1.3　人工智能的三大學派　174

6.1.4　人工智能的典型應用　175

6.1.5　人工智能的社會倫理　177

6.2　知識圖譜與專家系統　178

6.2.1　知識圖譜與知識森林　178

6.2.2　專家系統的構成　181

6.2.3　專家系統的應用　182

6.3　神經網絡的基本概念與結構　184

6.3.1　生物神經網絡　184

6.3.2　人工神經網絡的發展與特征　185

6.3.3　人工神經網絡的分類與結構　186

6.4　BP神經網絡的工作原理　188

6.4.1　BP神經網絡的結構與訓練過程　188

6.4.2　BP神經網絡的激活函數　191

6.4.3　BP神經網絡的損失函數　192

6.4.4　BP神經網絡的權重更新　194

6.4.5　BP神經網絡的梯度計算　197

6.5　深度神經網絡　198

6.5.1　卷積神經網絡　199

6.5.2　循環神經網絡　203

6.5.3　殘差神經網絡　208

6.6　本章小結　211

本章習題　211

 

第7章　機器學習與大模型應用智能　213

7.1　機器學習　214

7.1.1　機器學習的分類　214

7.1.2　機器學習的工作過程　219

7.1.3　機器學習的編程框架　220

7.2　深度學習和強化學習　222

7.2.1　深度學習概述　222

7.2.2　深度學習應用案例　222

7.2.3　強化學習　225

7.3　聯邦學習　227

7.3.1　聯邦學習概述　227

7.3.2　聯邦學習的系統架構　228

7.3.3　聯邦學習的工作過程　229

7.3.4　聯邦學習的全局模型聚合方法　230

7.4　大模型與AIGC　230

7.4.1　大模型的特征與發展歷史　231

7.4.2　典型大模型系統　232

7.4.3　機器人流程自動化　239

7.4.4　AIGC　240

7.5　AIGC的應用　240

7.5.1　文生文　240

7.5.2　文生圖　242

7.5.3　圖生圖　243

7.5.4　提示性工程　244

7.6　自然語言處理　245

7.6.1　自然語言處理的發展　245

7.6.2　基於機器學習的自然語言處理　246

7.6.3　機器翻譯　247

7.7　本章小結　247

本章習題　248