计算思维与人工智能基础
￥ 15.97 2.7折 ￥ 59.8 九五品
仅1件
作者付菊,孙连山
出版社清华大学出版社
ISBN9787302617174
出版时间2022-09
版次1
装帧平装
开本16开
纸张胶版纸
页数225页
字数99999千字
定价59.8元
上书时间2024-07-14
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:计算思维与人工智能基础
定价：59.80元
作者:付菊,孙连山
出版社：清华大学出版社
出版日期：2022-09-01
ISBN：9787302617174
字数：341000
页码：225
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
内容提要
本书是高校计算思维通识教育类课程的入门教材，以基于计算机的问题求解为主线，以计算思维能力培养为目的，从全新的视角组织教学内容，突出计算理论与计算机科学方法。全书共7章，分别介绍了计算与计算思维、信息表示、计算机系统、程序设计基础——Python编程入门、信息传递与信息安全、人工智能基础、机器学习等内容。 本书内容丰富、结构清晰、语言简练、图文并茂，具有很强的实用性和可操作性，可作为高等学校本科生的本计算机课程教材，也可作为大中专院校计算机课程的教材或教学参考书。对各类计算机教育者、从事计算机各方面工作的人员，本书也是一本很有价值的参考书。
目录
章 计算与计算思维 1.1 计算与自动计算 1.1.1 计算机的早期历史 1.1.2 电子计算机 1.1.3 量子计算机 1.2 计算的本质 1.2.1 计算的概念 1.2.2 可计算与不可计算 1.2.3 计算的复杂 计算思维 1.3.1 什么是计算思维 1.3.2 计算思维的应用 1.4 习题第2章 信息表示 2.1 数制 2.1.1 数制的概念 2.1.2 数制的转换 2.2 数值信息编码 2.2.1 带符号整数的编码 2.2.2 带符号实数的编码 2.3 字符信息编码 2.3.1 西文字符编码 2.3.2 中文字符编码 2.4 多媒体信息编码 2.4.1 图形图像信息数字化 2.4.2 声音信息数字化 2.5 习题第3章 计算机系统 3.1 计算模式的演变 3.1.1 图灵机模型 3.1.2 冯·诺依曼计算机模型 3.2 从逻辑门到处理器 3.2.1 布尔逻辑和逻辑门 3.2.2 算术逻辑单元 3.2.3 寄存器和内存 3.2.4 中央处理单元（CPU） 3.3 机器如何执行程序 3.4 资源竞争与调度 3.4.1 存储体系 3.4.2 文件系统 3.4.3 操作系统 3.5 云计算与大数据 3.5.1 云计算 3.5.2 大数据 3.6 习题第4章 程序设计基础——Python编程入门 4.1 程序设计语言 4.2 初识Python 4.2.1 安装Python解释器 4.2.2 编写Python程序 4.2.3 运行Python程序 4.3 Python基础语法 4.3.1 常量和变量 4.3.2 赋值 4.3.3 数据类型 4.3.4 输入和输出 4.3.5 运算符和表达式 4.4 程序结构 4.4.1 顺序结构 4.4.2 选择结构 4.4.3 循环结构 4.5 代码的封装 4.5.1 模块化程序设计思想 4.5.2 自定义函数 4.6 Python组合数据类型 4.6.1 列表 4.6.2 元组 4.6.3 字典 4.6.4 集合 4.7 Python常用的标准库 4.7.1 turtle库 4.7.2 math库 4.8 习题第5章 信息传递与信息安全 5.1 认识计算机网络 5.1.1 计算机网络的概念 5.1.2 计算机网络的分类 5.1.3 计算机网络设备 5.2 信息传递 5.2.1 网络节点身份标识 5.2.2 网络节点数据传输协议 5.2.3 网络资源共享协议 5.3 物联网 5.3.1 身边的物联网 5.3.2 物联网的感知与识别技术 5.3.3 物联网的定位技术 5.4 网络与信息安全 5.4.1 信息安全概述 5.4.2 加密与解密 5.4.3 计算机安全 5.4.4 网络入侵 5.4.5 网络防御 5.5 区块链技术及应用 5.6 习题第6章 人工智能基础 6.1 初识人工智能 6.1.1 人工智能的定义 6.1.2 人工智能的发展 6.1.3 人工智能的研究学派 6.1.4 人工智能研究的基本内容 6.1.5 人工智能的主要应用领域 6.2 知识表示与推理 6.2.1 知识表示 6.2.2 知识推理 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 启发式搜索 6.3.4 博弈 6.3.5 高级搜索 6.4 习题第7章 机器学习 7.1 机器学习概述 7.1.1 机器学习的基本概念 7.1.2 机器学习的意义 7.2 机器学习的分类 7.2.1 有监督学习 7.2.2 无监督学习 7.2.3 强化学习 7.3 机器学习系统 7.3.1 机器学习方法的三要素 7.3.2 机器学习系统的基本结构 7.4 机器学习的步骤 7.4.1 机器学习的一般过程 7.4.2 样本和样本空间 7.4.3 任务分类 7.4.4 数据预处理 7.4.5 损失函数 7.4.6 模型选择 7.4.7 泛化、误差及拟合 7.4.8 正则化 7.4.9 优化算法 7.4.10 评估验证 7.5 习题
作者介绍
序言
-
【封面】
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价