《大数据与人工智能导论》紧密结合人工智能时代的发展要求，针对不同学科专业人才培养对新一代信息技术知识的迫切需求，精选相关核心内容编写而成。以“数据”和“服务”为主线，以“数据驱动”和“知识驱动”为核心，以大数据与人工智能技术和方法及其应用为内容主体，体现大数据与人工智能所要求的数据（算料）、算法、算力、知识等要素的融合。《大数据与人工智能导论》涵盖计算思维与程序设计（Python）、物联网、云计算、大数据、人工智能、数据安全与相关法律法规等知识体系和相关核心内容。

更多科学出版社服务，请扫码获取。

1985年7月，本科毕业于淮北煤炭师范学院（现更名为：淮北师范大学）数学系并留校任教，至今已在高等学校从事计算机、应用数学、法学、公安学等学科交叉领域的教学、科研和管理等工作40年。其间，1990年7月硕士研究生毕业于上海师范大学（应用数学专业、获理学硕士学位），2009年6月博士研究生毕业于华东理工大学（计算机应用技术专业、获工学博士学位）1997年6月晋升为副教授，2006年8月晋升为教授；2006年5月被聘为硕士研究生导师，2014年3月被聘为博士研究生导师。先后在淮北师范大学、常州大学、华东理工大学、华东政法大学等高校学习或从事教学、科研和管理等工作。不确定性理论与人工智能、网络与信息安全主持或完成国家社会科学基金2014年（第二批）重大项目《涉信息网络违法犯罪行为法律规制研究》和2020年重大项目《网络时代的社会治理与刑法体系的理论创新》子课题、国家社会科学基金一般项目《计算机取证相关法律与技术问题研究》、上海市哲学社会科学规划课题《网上交易安全及其犯罪问题研究》和上海市教委科研创新项目《计算机司法鉴定程序与规则问题研究》，作为主要参加人完成国家自然科学基金项目2项，并作为项目课题的任务负责人正在进行2023年国家重点研发计划重点专项课题的研究。在国内外刊物发表学术论文80余篇，多篇论文被SCI、EI和ISTP等检索收录。主编（著）教材10余部，参编（著）教材15部。获得教学和科研成果奖等奖励10余项，其中，省（部）级以上奖励5项。中国电子学会计算机取证专家委员会委员；上海市司法鉴定协会理事（声像资料司法鉴定专业委员会主任、电子数据司法鉴定专业委员会副主任），上海市电子数据司法鉴定专家委员会副主任；上海市高等学校计算机科学与技术专业教学指导委员会委员，上海市高等学校信息技术水平等级考试委员会委员。

目录
第1章 绪论 1
1.1 计算思维与程序设计的基础作用 2
1.2 新一代信息技术的核心领域与创新应用 3
1.2.1 物联网：智能化的数据采集与传输 3
1.2.2 云计算：强大的计算与存储能力 4
1.2.3 大数据：从海量数据中挖掘价值 5
1.2.4 人工智能：实现智能化的自动决策 7
1.3 数据安全与相关法律法规的保障作用 9
习题1 10
第2章 计算思维与编程思维 11
2.1 计算思维 11
2.1.1 计算思维研究初探 12
2.1.2 计算思维的概念 12
2.1.3 计算思维的特征 13
2.2 编程思维 13
2.2.1 编程思维研究初探 13
2.2.2 编程思维的概念 14
2.2.3 编程思维的特征 14
2.2.4 编程思维的应用领域 15
习题2 15
第3章 Python程序设计 16
3.1 Python语言简介与解释器 16
3.1.1 Python语言简介 16
3.1.2 Python解释器与集成开发环境 16
3.2 Python语言基础 17
3.2.1 运算和表达式 17
3.2.2 空格和注释 20
3.3 程序的控制结构 21
3.3.1 分支结构 21
3.3.2 while循环 26
3.3.3 for循环 29
3.3.4 循环中断语句 31
3.4 组合数据类型 33
3.4.1 序列 33
3.4.2 字符串 36
3.4.3 列表和元组 41
3.5 函数 45
3.5.1 函数的概念 45
3.5.2 函数的创建和调用 46
习题3 48
第4章 数据存取 49
4.1 文本文件存取 49
4.1.1 将文本写入普通文本文件 49
4.1.2 从普通文本文件读取内容 53
4.1.3 将文本写入CSV文件 57
4.1.4 从CSV文件读取文本 59
4.2 Excel文件存取及编辑 61
4.2.1 Python中Excel相关库概览 61
4.2.2 xlwings库相关概念 61
4.2.3 创建工作簿 62
4.2.4 打开工作簿并操作工作表 64
4.2.5 区域数据的写入 66
4.2.6 区域数据的读取 70
4.2.7 区域数据的编辑 71
4.2.8 格式设置 73
4.2.9 数据分析 75
4.2.10 图表 77
习题4 79
第5章 数据采集 80
5.1 互联网数据采集 80
5.1.1 用API采集数据 80
5.1.2 用爬虫采集数据 83
5.2 物联网数据采集 90
5.2.1 物联网简介 90
5.2.2 用MQTT采集数据 91
5.3 公开数据集获取 92
习题5 92
第6章 数据处理与分析 93
6.1 数据处理基础 93
6.1.1 NumPy入门 95
6.1.2 Pandas入门 105
6.1.3 数据处理 115
6.2 数据分析基础 132
6.2.1 使用Pandas进行统计分析 134
6.2.2 数据分析应用案例 142
6.3 数据可视化 145
习题6 158
第7章 机器学习 161
7.1 机器学习概述 162
7.1.1 定义与起源 162
7.1.2 机器学习的类型与过程 163
7.1.3 机器学习发展历程与未来趋势 164
7.2 机器学习的主要编程框架 167
7.2.1 scikit-learn 167
7.2.2 TensorFlow与Keras 168
7.2.3 PyTorch 170
7.2.4 国产机器学习框架 172
7.2.5 其他机器学习框架 172
7.3 统计学习方法 173
7.3.1 线性回归 173
7.3.2 逻辑回归 175
7.3.3 支持向量机 177
7.3.4 朴素贝叶斯分类 178
7.3.5 决策树与随机森林 180
7.3.6 集成学习 182
7.4 神经网络与深度学习 185
7.4.1 神经网络简介 186
7.4.2 深度学习基本流程 188
7.5 机器学习的应用场景 192
习题7 193
第8章 扩展存储与算力 194
8.1 扩展存储 194
8.1.1 云计算弹性的存储空间 194
8.1.2 云存储的应用案例 195
8.1.3 云存储的操作案例 196
8.1.4 云存储的优势和挑战 200
8.2 扩展算力 201
8.2.1 利用云计算扩展算力 201
8.2.2 实践案例与经验分享 204
8.2.3 利用GPU扩展算力 205
习题8 212
第9章 人工智能应用 213
9.1 人工智能在经济管理领域中的应用 213
9.2 人工智能在法学领域中的应用 220
9.3 人工智能在计算机视觉领域中的应用 228
9.4 人工智能应用的新领域 238
9.4.1 人脸识别 239
9.4.2 智能芯片 246
9.4.3 生物特征识别 247
9.4.4 智慧城市 248
9.4.5 信息犯罪 249
9.4.6 元宇宙 249
习题9 250
第10章 人工智能伦理 251
10.1 人工智能涉及的主要伦理风险 251
10.1.1 人工智能涉及的伦理风险分类 251
10.1.2 人工智能道德性伦理风险 252
10.1.3 人工智能公平性伦理风险 254
10.1.4 人工智能透明性伦理风险 256
10.1.5 人工智能诚信性伦理风险 256
10.1.6 人工智能可解释性伦理风险 257
10.1.7 人工智能安全性伦理风险 257
10.2 人工智能伦理问题的应对 259
10.2.1 人工智能伦理治理原则 259
10.2.2 现有人工智能伦理治理监管体系 260
10.2.3 人工智能伦理问题科学应对策略 269
习题10 273
第11章 数据权利与数据治理 274
11.1 数据分析中的数据权利 274
11.1.1 相关概念 274
11.1.2 相关法律规则 277
11.2 数据治理的理论与实践 278
11.2.1 数据治理的基本概念 280
11.2.2 数据治理的目标范围 282
11.2.3 数据治理的准则规范 285
11.2.4 数据治理的体系架构 289
习题11 293
第12章 数据安全与相关法律法规 294
12.1 数据安全基本知识 294
12.2 数据安全与网络空间安全 298
12.3 数据安全与国家安全 299
12.4 数据安全在人工智能领域的发展 301
12.4.1 人工智能中的数据安全问题 301
12.4.2 人工智能中的相关法律法规及标准规范 305
习题12 308
参考文献 309