【章名目錄】
第 1章　信息與社會　1
第 2章　計算系統(tǒng)與平臺　25
第3章　程序設計與問題求解　44
第4章　計算機網(wǎng)絡與物聯(lián)網(wǎng)　93
第5章　大數(shù)據(jù)分析與可視化　127
第6章　人工智能與神經網(wǎng)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　什么是信息　2
1.1.2　什么是信息革命　2
1.1.3　什么是新一代信息技術　3
1.1.4　信息技術與各學科的關系　4
1.2　數(shù)制與進制轉換　6
1.2.1　計算機的數(shù)制　6
1.2.2　二進制數(shù)的表示單位　7
1.2.3　不同進制之間的數(shù)據(jù)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(guī)范　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(tǒng)與平臺　25
2.1　計算系統(tǒng)與平臺的發(fā)展　26
2.1.1　單計算機系統(tǒng)概述　26
2.1.2　多計算機系統(tǒng)概述　27
2.2　單計算機系統(tǒng)　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(tǒng)組成　34
2.3　云計算平臺　38
2.3.1　云計算平臺和服務模式　38
2.3.2　云計算的虛擬化技術　40
2.3.3　云計算的典型應用　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(tǒng)　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(huán)境　47
3.2.1　程序設計語言的選擇　47
3.2.2　Python編程環(huán)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(shù)據(jù)類型及其表示　54
3.3.3　Python運算符與表達式　57
3.3.4　Python數(shù)據(jù)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(shù)據(jù)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(shù)和庫　77
3.6　經典算法及其Python實現(xiàn)　81
3.6.1　枚舉算法　81
3.6.2　貪心算法　83
3.6.3　迭代算法　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(wǎng)絡與物聯(lián)網(wǎng)　93
4.1　計算機網(wǎng)絡概述　94
4.1.1　計算機網(wǎng)絡的分層體系結構　94
4.1.2　計算機網(wǎng)絡的數(shù)據(jù)封裝　97
4.2　計算機網(wǎng)絡的協(xié)議與設備　99
4.2.1　計算機網(wǎng)絡協(xié)議　99
4.2.2　計算機網(wǎng)絡設備　105
4.3　物聯(lián)網(wǎng)概述　107
4.3.1　物聯(lián)網(wǎng)的概念與特征　107
4.3.2　物聯(lián)網(wǎng)的起源與發(fā)展　109
4.4　物聯(lián)網(wǎng)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(shù)據(jù)分析與可視化　127
5.1　大數(shù)據(jù)的定義及物聯(lián)網(wǎng)數(shù)據(jù)特征　128
5.1.1　什么是大數(shù)據(jù)　128
5.1.2　物聯(lián)網(wǎng)數(shù)據(jù)特征　128
5.2　大數(shù)據(jù)的存儲方法　129
5.2.1　關系數(shù)據(jù)庫存儲　129
5.2.2　云存儲　133
5.3　大數(shù)據(jù)分析和可視化　137
5.3.1　數(shù)據(jù)預處理　137
5.3.2　數(shù)據(jù)分析　138
5.3.3　調查問卷的設計與分析　145
5.3.4　基于電子表格的數(shù)據(jù)分析可視化　147
5.3.5　基于ECharts平臺的大數(shù)據(jù)分析可視化　149
5.4　基于Python庫的數(shù)據(jù)可視化　151
5.4.1　基于turtle庫的數(shù)據(jù)可視化　152
5.4.2　基于Matplotlib庫的數(shù)據(jù)可視化　156
5.5　數(shù)據(jù)安全與隱私保護　160
5.5.1　數(shù)據(jù)安全的原則與數(shù)據(jù)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(wǎng)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(fā)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(tǒng)　178
6.2.1　知識圖譜與知識森林　178
6.2.2　專家系統(tǒng)的構成　181
6.2.3　專家系統(tǒng)的應用　182
6.3　神經網(wǎng)絡的基本概念與結構　184
6.3.1　生物神經網(wǎng)絡　184
6.3.2　人工神經網(wǎng)絡的發(fā)展與特征　185
6.3.3　人工神經網(wǎng)絡的分類與結構　186
6.4　BP神經網(wǎng)絡的工作原理　188
6.4.1　BP神經網(wǎng)絡的結構與訓練過程　188
6.4.2　BP神經網(wǎng)絡的激活函數(shù)　191
6.4.3　BP神經網(wǎng)絡的損失函數(shù)　192
6.4.4　BP神經網(wǎng)絡的權重更新　194
6.4.5　BP神經網(wǎng)絡的梯度計算　197
6.5　深度神經網(wǎng)絡　198
6.5.1　卷積神經網(wǎng)絡　199
6.5.2　循環(huán)神經網(wǎng)絡　203
6.5.3　殘差神經網(wǎng)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(lián)邦學習　227
7.3.1　聯(lián)邦學習概述　227
7.3.2　聯(lián)邦學習的系統(tǒng)架構　228
7.3.3　聯(lián)邦學習的工作過程　229
7.3.4　聯(lián)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(fā)展歷史　231
7.4.2　典型大模型系統(tǒng)　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(fā)展　245
7.6.2　基于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