《 計算思維與人工智慧基礎》是清華大學出版社出版的圖書，作者是付 菊 、孫連山、郭文強 、任喜偉。
基本介紹
- 中文名： 計算思維與人工智慧基礎
- 作者：付 菊 、孫連山、郭文強 、任喜偉
- 出版時間：2022年9月
- 出版社：清華大學出版社
- 頁數：236 頁
- 字數： 341千字
- ISBN：9787302617174
- 定價：59.8 元
內容簡介,圖書目錄,
內容簡介
"《計算思維與人工智慧基礎》是高校計算思維通識教育類課程的入門教材，以基於計算機的問題求解為主線，以計算思維能力培養為目的，從全新的視角組織教學內容，突出計算理論與計算機科學方法。全書共7章，分別介紹了計算與計算思維、信息表示、計算機系統、程式設計基礎——Python編程入門、信息傳遞與信息安全、人工智慧基礎、機器學習等內容。
《計算思維與人工智慧基礎》內容豐富、結構清晰、語言簡練、圖文並茂，具有很強的實用性和可操作性，可作為高等學校本科生的第一本計算機課程教材，也可作為大中專院校計算機課程的教材或教學參考書。對各類計算機教育者、從事計算機各方面工作的人員，《計算思維與人工智慧基礎》也是一本很有價值的參考書。
"
圖書目錄
目錄
第1章 計算與計算思維 1
1.1 計算與自動計算 3
1.1.1 計算機的早期歷史 3
1.1.2 電子計算機 8
1.1.3 量子計算機 11
1.2 計算的本質 12
1.2.1 計算的概念 13
1.2.2 可計算與不可計算 15
1.2.3 計算的複雜性 16
1.3 計算思維 17
1.3.1 什麼是計算思維 18
1.3.2 計算思維的套用 19
1.4 習題 20
第2章 信息表示 21
2.1 數制 22
2.1.1 數制的概念 23
2.1.2 數制的轉換 25
2.2 數值信息編碼 27
2.2.1 帶符號整數的編碼 28
2.2.2 帶符號實數的編碼 29
2.3 字元信息編碼 30
2.3.1 西文字元編碼 31
2.3.2 中文字元編碼 32
2.4 多媒體信息編碼 35
2.4.1 圖形圖像信息數位化 35
2.4.2 聲音信息數位化 36
2.5 習題 37
第3章 計算機系統 39
3.1 計算模式的演變 40
3.1.1 圖靈機模型 40
3.1.2 馮•諾依曼計算機模型 45
3.2 從邏輯門到處理器 47
3.2.1 布爾邏輯和邏輯門 47
3.2.2 算術邏輯單元 52
3.2.3 暫存器和記憶體 53
3.2.4 中央處理單元(CPU) 55
3.3 機器如何執行程式 57
3.4 資源競爭與調度 60
3.4.1 存儲體系 61
3.4.2 檔案系統 63
3.4.3 作業系統 65
3.5 雲計算與大數據 66
3.5.1 雲計算 66
3.5.2 大數據 69
3.6 習題 71
第4章 程式設計基礎——Python編程入門 72
4.1 程式設計語言 73
4.2 初識Python 74
4.2.1 安裝Python解釋器 74
4.2.2 編寫Python程式 75
4.2.3 運行Python程式 76
4.3 Python基礎語法 77
4.3.1 常量和變數 77
4.3.2 賦值 77
4.3.3 數據類型 78
4.3.4 輸入和輸出 81
4.3.5 運算符和表達式 82
4.4 程式結構 83
4.4.1 順序結構 83
4.4.2 選擇結構 84
4.4.3 循環結構 87
4.5 代碼的封裝 92
4.5.1 模組化程式設計思想 92
4.5.2 自定義函式 93
4.6 Python組合數據類型 97
4.6.1 列表 97
4.6.2 元組 98
4.6.3 字典 99
4.6.4 集合 100
4.7 Python常用的標準庫 102
4.7.1 turtle庫 102
4.7.2 math庫 105
4.8 習題 108
第5章 信息傳遞與信息安全 109
5.1 認識計算機網路 110
5.1.1 計算機網路的概念 110
5.1.2 計算機網路的分類 110
5.1.3 計算機網路設備 115
5.2 信息傳遞 117
5.2.1 網路節點身份標識 117
5.2.2 網路節點數據傳輸協定 121
5.2.3 網路資源共享協定 125
5.3 物聯網 126
5.3.1 身邊的物聯網 126
5.3.2 物聯網的感知與識別技術 126
5.3.3 物聯網的定位技術 128
5.4 網路與信息安全 131
5.4.1 信息安全概述 132
5.4.2 加密與解密 134
5.4.3 計算機安全 136
5.4.4 網路入侵 136
5.4.5 網路防禦 137
5.5 區塊鏈技術及套用 141
5.6 習題 142
第6章 人工智慧基礎 144
6.1 初識人工智慧 145
6.1.1 人工智慧的定義 145
6.1.2 人工智慧的發展 147
6.1.3 人工智慧的研究學派 149
6.1.4 人工智慧研究的基本內容 151
6.1.5 人工智慧的主要套用領域 151
6.2 知識表示與推理 162
6.2.1 知識表示 162
6.2.2 知識推理 168
6.3 搜尋策略 170
6.3.1 搜尋的基本概念 170
6.3.2 盲目搜尋 172
6.3.3 啟發式搜尋 173
6.3.4 博弈 175
6.3.5 高級搜尋 179
6.4 習題 182
第7章 機器學習 183
7.1 機器學習概述 183
7.1.1 機器學習的基本概念 184
7.1.2 機器學習的意義 184
7.2 機器學習的分類 185
7.2.1 有監督學習 185
7.2.2 無監督學習 185
7.2.3 強化學習 186
7.3 機器學習系統 186
7.3.1 機器學習方法的三要素 186
7.3.2 機器學習系統的基本結構 188
7.4 機器學習的步驟 189
7.4.1 機器學習的一般過程 189
7.4.2 樣本和樣本空間 191
7.4.3 任務分類 193
7.4.4 數據預處理 194
7.4.5 損失函式 197
7.4.6 模型選擇 201
7.4.7 泛化、誤差及擬合 204
7.4.8 正則化 208
7.4.9 最佳化算法 215
7.4.10 評估驗證 219
7.5 習題 225
