本书依据新时代高校人工智能通识课程教学基本要求，紧跟新一代信息技术发展，从信息与社会、平台与计算、程序与算法、数据与智能4个维度布局内容，具体内容包括信息与社会、计算系统与平台、程序设计与问题求解、计算机网络与物联网、大数据分析与可视化、人工智能与神经网络、机器学习与大模型应用。本书所涉及的内容能够与时俱进并紧扣新时代素质教育内涵，强化培养学生的计算思维能力和对新一代信息技术（特别是人工智能技术）的理解能力，将知识传授与价值引领相结合。
本书可作为高校人工智能通识课程（或计算机公共课）的教材，还可作为相关领域研究人员的参考用书。

本书特色：
一是与时俱进，从新一代信息技术的原理和应用视角，构建内容。
二是守正创新，在强化学生计算思维能力培养的同时，增强学生利用互联网与人工智能技术解决实际问题的能力。
三是强化实践，将 Python 相关知识贯穿始终，通过大量编程实例增强学生对物联网、大数据和人工智能的理解能力。
四是价值引领，聚焦创新素养、工匠精神与家国情怀的养成。

本书特色： 一是与时俱进，从新一代信息技术的原理和应用视角，构建内容。 二是守正创新，在强化学生计算思维能力培养的同时，增强学生利用互联网与人工智能技术解决实际问题的能力。 三是强化实践，将 Python 相关知识贯穿始终，通过大量编程实例增强学生对物联网、大数据和人工智能的理解能力。 四是价值引领，聚焦创新素养、工匠精神与家国情怀的养成。

桂小林：
西安交通大学教授、博士生导师，获评国家级教学名师、新世纪优秀人才；现任计算机国家级实验教学示范中心主任、物联网与信息安全研究所所长，担任国家级一流本科专业和国家级一流本科课程负责人，以及高等学校大学计算机课程教学指导委员会秘书长、全国高等院校计算机基础教育研究会副会长、中国工程教育专业认证评估专家；出版专著2部、教材12部，荣获国家级教学成果奖一等奖1项、省级教学成果奖5项、国家科学技术奖/陕西省科学技术奖3项。

【章名目录】
第 1章　信息与社会　1
第 2章　计算系统与平台　25
第3章　程序设计与问题求解　44
第4章　计算机网络与物联网　93
第5章　大数据分析与可视化　127
第6章　人工智能与神经网络　169
第7章　机器学习与大模型应用智能　213

【详细目录】
第 1章　信息与社会　1
1.1　信息与信息革命　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术　3
1.1.4　信息技术与各学科的关系　4
1.2　数制与进制转换　6
1.2.1　计算机的数制　6
1.2.2　二进制数的表示单位　7
1.2.3　不同进制之间的数据转换方法　7
1.3　信息编码　10
1.3.1　字符编码　10
1.3.2　字形编码　15
1.3.3　语音和图像编码　17
1.4　信息伦理与道德法律　19
1.4.1　信息伦理与道德规范　19
1.4.2　信息安全与隐私保护　21
1.5　本章小结　23
本章习题　23

第 2章　计算系统与平台　25
2.1　计算系统与平台的发展　26
2.1.1　单计算机系统概述　26
2.1.2　多计算机系统概述　27
2.2　单计算机系统　29
2.2.1　图灵机模型　29
2.2.2　冯 诺依曼体系　30
2.2.3　单计算机的算术运算　32
2.2.4　单计算机的系统组成　34
2.3　云计算平台　38
2.3.1　云计算平台和服务模式　38
2.3.2　云计算的虚拟化技术　40
2.3.3　云计算的典型应用　41
2.4　本章小结　42
本章习题　42

第3章　程序设计与问题求解　44
3.1　指令与程序　45
3.1.1　指令与指令系统　45
3.1.2　程序与程序设计语言　46
3.2　程序设计语言的选择与编程环境　47
3.2.1　程序设计语言的选择　47
3.2.2　Python编程环境　49
3.3　Python程序设计基础　52
3.3.1　Python程序结构　53
3.3.2　Python数据类型及其表示　54
3.3.3　Python运算符与表达式　57
3.3.4　Python数据的输入和输出　60
3.3.5　Python字符串和列表运算　62
3.4　Python程序结构　64
3.4.1　程序流程图　65
3.4.2　程序的控制结构　66
3.5　计算思维与问题求解　70
3.5.1　计算思维　70
3.5.2　问题抽象　72
3.5.3　数据结构与算法设计　73
3.5.4　程序设计与调试　76
3.5.5　代码复用：函数和库　77
3.6　经典算法及其Python实现　81
3.6.1　枚举算法　81
3.6.2　贪心算法　83
3.6.3　迭代算法　84
3.6.4　递归算法　86
3.6.5　排序算法　88
3.7　本章小结　91
本章习题　91

第4章　计算机网络与物联网　93
4.1　计算机网络概述　94
4.1.1　计算机网络的分层体系结构　94
4.1.2　计算机网络的数据封装　97
4.2　计算机网络的协议与设备　99
4.2.1　计算机网络协议　99
4.2.2　计算机网络设备　105
4.3　物联网概述　107
4.3.1　物联网的概念与特征　107
4.3.2　物联网的起源与发展　109
4.4　物联网的核心技术　110
4.4.1　传感检测技术　111
4.4.2　条形码技术　113
4.4.3　RFID技术　121
4.4.4　空间定位技术　124
4.5　本章小结　125
本章习题　125

第5章　大数据分析与可视化　127
5.1　大数据的定义及物联网数据特征　128
5.1.1　什么是大数据　128
5.1.2　物联网数据特征　128
5.2　大数据的存储方法　129
5.2.1　关系数据库存储　129
5.2.2　云存储　133
5.3　大数据分析和可视化　137
5.3.1　数据预处理　137
5.3.2　数据分析　138
5.3.3　调查问卷的设计与分析　145
5.3.4　基于电子表格的数据分析可视化　147
5.3.5　基于ECharts平台的大数据分析可视化　149
5.4　基于Python库的数据可视化　151
5.4.1　基于turtle库的数据可视化　152
5.4.2　基于Matplotlib库的数据可视化　156
5.5　数据安全与隐私保护　160
5.5.1　数据安全的原则与数据加密模型　160
5.5.2　置换加密算法　161
5.5.3　对称加密算法DES　162
5.5.4　非对称加密算法RSA　163
5.5.5　隐私保护技术　165
5.6　本章小结　167
本章习题　167

第6章　人工智能与神经网络　169
6.1　人工智能的基本概念　170
6.1.1　人工智能的定义与特征　170
6.1.2　人工智能的发展历史　172
6.1.3　人工智能的三大学派　174
6.1.4　人工智能的典型应用　175
6.1.5　人工智能的社会伦理　177
6.2　知识图谱与专家系统　178
6.2.1　知识图谱与知识森林　178
6.2.2　专家系统的构成　181
6.2.3　专家系统的应用　182
6.3　神经网络的基本概念与结构　184
6.3.1　生物神经网络　184
6.3.2　人工神经网络的发展与特征　185
6.3.3　人工神经网络的分类与结构　186
6.4　BP神经网络的工作原理　188
6.4.1　BP神经网络的结构与训练过程　188
6.4.2　BP神经网络的激活函数　191
6.4.3　BP神经网络的损失函数　192
6.4.4　BP神经网络的权重更新　194
6.4.5　BP神经网络的梯度计算　197
6.5　深度神经网络　198
6.5.1　卷积神经网络　199
6.5.2　循环神经网络　203
6.5.3　残差神经网络　208
6.6　本章小结　211
本章习题　211

第7章　机器学习与大模型应用智能　213
7.1　机器学习　214
7.1.1　机器学习的分类　214
7.1.2　机器学习的工作过程　219
7.1.3　机器学习的编程框架　220
7.2　深度学习和强化学习　222
7.2.1　深度学习概述　222
7.2.2　深度学习应用案例　222
7.2.3　强化学习　225
7.3　联邦学习　227
7.3.1　联邦学习概述　227
7.3.2　联邦学习的系统架构　228
7.3.3　联邦学习的工作过程　229
7.3.4　联邦学习的全局模型聚合方法　230
7.4　大模型与AIGC　230
7.4.1　大模型的特征与发展历史　231
7.4.2　典型大模型系统　232
7.4.3　机器人流程自动化　239
7.4.4　AIGC　240
7.5　AIGC的应用　240
7.5.1　文生文　240
7.5.2　文生图　242
7.5.3　图生图　243
7.5.4　提示性工程　244
7.6　自然语言处理　245
7.6.1　自然语言处理的发展　245
7.6.2　基于机器学习的自然语言处理　246
7.6.3　机器翻译　247
7.7　本章小结　247
本章习题　248