計算思維與人工智能基礎

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  電腦的早期歷史   3

1.1.2  電子電腦   8

1.1.3  量子電腦   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  計算的復雜性   16

1.3  計算思維   17

1.3.1  什麽是計算思維   18

1.3.2  計算思維的應用   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  字符信息編碼   30

2.3.1  西文字符編碼   31

2.3.2  中文字符編碼   32

2.4  多媒體信息編碼   35

2.4.1  圖形圖像信息數字化   35

2.4.2  聲音信息數字化   36

2.5  習題   37

第3章  電腦系統   39

3.1  計算模式的演變   40

3.1.1  圖靈機模型   40

3.1.2  馮•諾依曼電腦模型   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  寄存器和內存   53

3.2.4  中央處理單元(CPU)   55

3.3  機器如何執行程序   57

3.4  資源競爭與調度   60

3.4.1  存儲體系   61

3.4.2  文件系統   63

3.4.3  操作系統   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  程序設計基礎——Python編程入門   72

4.1  程序設計語言   73

4.2  初識Python   74

4.2.1  安裝Python解釋器   74

4.2.2  編寫Python程序   75

4.2.3  運行Python程序   76

4.3  Python基礎語法   77

4.3.1  常量和變量   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  程序結構   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  模塊化程序設計思想   92

4.5.2  自定義函數   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  認識電腦網絡   110

5.1.1  電腦網絡的概念   110

5.1.2  電腦網絡的分類   110

5.1.3  電腦網絡設備   115

5.2  信息傳遞   117

5.2.1  網絡節點身份標識   117

5.2.2  網絡節點數據傳輸協議   121

5.2.3  網絡資源共享協議   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  網絡與信息安全   131

5.4.1  信息安全概述   132

5.4.2  加密與解密   134

5.4.3  電腦安全   136

5.4.4  網絡入侵   136

5.4.5  網絡防禦   137

5.5  區塊鏈技術及應用   141

5.6  習題   142

第6章  人工智能基礎   144

6.1  初識人工智能   145

6.1.1  人工智能的定義   145

6.1.2  人工智能的發展   147

6.1.3  人工智能的研究學派   149

6.1.4  人工智能研究的基本內容   151

6.1.5  人工智能的主要應用領域   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  搜索策略   170

6.3.1  搜索的基本概念   170

6.3.2  盲目搜索   172

6.3.3  啟發式搜索   173

6.3.4  博弈   175

6.3.5  高級搜索   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  損失函數   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  優化算法   215

7.4.10  評估驗證   219

7.5  習題   225