計算思維與人工智能基礎(chǔ)

第1章 計算與計算思維
1.1 計算與自動計算
1.1.1 計算機的早期歷史
1.1.2 電子計算機
1.1.3 量子計算機
1.2 計算的本質(zhì)
1.2.1 計算的概念
1.2.2 可計算與不可計算
1.2.3 計算的復雜性
1.3 計算思維
1.3.1 什么是計算思維
1.3.2 計算思維的應用
1.4 習題
第2章 信息表示
2.1 數(shù)制
2.1.1 數(shù)制的概念
2.1.2 數(shù)制的轉(zhuǎn)換
2.2 數(shù)值信息編碼
2.2.1 帶符號整數(shù)的編碼
2.2.2 帶符號實數(shù)的編碼
2.3 字符信息編碼
2.3.1 西文字符編碼
2.3.2 中文字符編碼
2.4 多媒體信息編碼
2.4.1 圖形圖像信息數(shù)字化
2.4.2 聲音信息數(shù)字化
2.5 習題
第3章 計算機系統(tǒng)
3.1 計算模式的演變
3.1.1 圖靈機模型
3.1.2 馮·諾依曼計算機模型
3.2 從邏輯門到處理器
3.2.1 布爾邏輯和邏輯門
3.2.2 算術(shù)邏輯單元
3.2.3 寄存器和內(nèi)存
3.2.4 中央處理單元（CPU）
3.3 機器如何執(zhí)行程序
3.4 資源競爭與調(diào)度
3.4.1 存儲體系
3.4.2 文件系統(tǒng)
3.4.3 操作系統(tǒng)
3.5 云計算與大數(shù)據(jù)
3.5.1 云計算
3.5.2 大數(shù)據(jù)
3.6 習題
第4章 程序設(shè)計基礎(chǔ)——Python編程入門
4.1 程序設(shè)計語言
4.2 初識Python
4.2.1 安裝Python解釋器
4.2.2 編寫Python程序
4.2.3 運行Python程序
4.3 Python基礎(chǔ)語法
4.3.1 常量和變量
4.3.2 賦值
4.3.3 數(shù)據(jù)類型
4.3.4 輸入和輸出
4.3.5 運算符和表達式
4.4 程序結(jié)構(gòu)
4.4.1 順序結(jié)構(gòu)
4.4.2 選擇結(jié)構(gòu)
4.4.3 循環(huán)結(jié)構(gòu)
4.5 代碼的封裝
4.5.1 模塊化程序設(shè)計思想
4.5.2 自定義函數(shù)
4.6 Python組合數(shù)據(jù)類型
4.6.1 列表
4.6.2 元組
4.6.3 字典
4.6.4 集合
4.7 Python常用的標準庫
4.7.1 turtle庫
4.7.2 math庫
4.8 習題
第5章 信息傳遞與信息安全
5.1 認識計算機網(wǎng)絡
5.1.1 計算機網(wǎng)絡的概念
5.1.2 計算機網(wǎng)絡的分類
5.1.3 計算機網(wǎng)絡設(shè)備
5.2 信息傳遞
5.2.1 網(wǎng)絡節(jié)點身份標識
5.2.2 網(wǎng)絡節(jié)點數(shù)據(jù)傳輸協(xié)議
5.2.3 網(wǎng)絡資源共享協(xié)議
5.3 物聯(lián)網(wǎng)
5.3.1 身邊的物聯(lián)網(wǎng)
5.3.2 物聯(lián)網(wǎng)的感知與識別技術(shù)
5.3.3 物聯(lián)網(wǎng)的定位技術(shù)
5.4 網(wǎng)絡與信息安全
5.4.1 信息安全概述
5.4.2 加密與解密
5.4.3 計算機安全
5.4.4 網(wǎng)絡入侵
5.4.5 網(wǎng)絡防御
5.5 區(qū)塊鏈技術(shù)及應用
5.6 習題
第6章 人工智能基礎(chǔ)
6.1 初識人工智能
6.1.1 人工智能的定義
6.1.2 人工智能的發(fā)展
6.1.3 人工智能的研究學派
6.1.4 人工智能研究的基本內(nèi)容
6.1.5 人工智能的主要應用領(lǐng)域
6.2 知識表示與推理
6.2.1 知識表示
6.2.2 知識推理
6.3 搜索策略
6.3.1 搜索的基本概念
6.31 2盲目搜索
6.3.3 啟發(fā)式搜索
6.3.4 博弈
6.3.5 高級搜索
6.4 習題
第7章 機器學習
7.1 機器學習概述
7.1.1 機器學習的基本概念
7.1.2 機器學習的意義
7.2 機器學習的分類
7.2.1 有監(jiān)督學習
7.2.2 無監(jiān)督學習
7.2.3 強化學習
7.3 機器學習系統(tǒng)
7.3.1 機器學習方法的三要素
7.3.2 機器學習系統(tǒng)的基本結(jié)構(gòu)
7.4 機器學習的步驟
7.4.1 機器學習的一般過程
7.4.2 樣本和樣本空間
7.4.3 任務分類
7.4.4 數(shù)據(jù)預處理
7.4.5 損失函數(shù)
7.4.6 模型選擇
7.4.7 泛化、誤差及擬合
7.4.8 正則化
7.4.9 優(yōu)化算法
7.4.10 評估驗證
7.5 習題