本书是一本深入浅出地介绍计算思维与人工智能基础知识及应用的教材，旨在帮助读者深入理解计算思维的本质，掌握人工智能的核心技术，并探索其在实际应用中的广阔前景。本书首先介绍计算和计算思维的基本概念、特点和作用，帮助学生建立起对计算思维的正确认识和初步理解。接着介绍人工智能的基础知识，帮助学生理解机器学习、深度学习、自然语言处理、计算机视觉及AIGC等技术和理论。全书内容覆盖计算思维、机器学习、图像智能分析、文本智能分析、语音智能分析以及AIGC应用等多个方面，形成完整人工智能的知识体系。本书最大特色在于其理论讲解的浅显易懂和避免大量公式，为了降低学习门槛，还采用了无代码开发平台进行实验。
本书可作为高等学校非计算机类专业人工智能通识课程的教材，也可以作为人工智能爱好者的入门参考书。
本书共分为八个章节，内容涵盖了计算与人工智能的多个关键领域。
第1章从计算的概念出发，逐步引入人工智能的概念、历史、相关研究、应用领域以及未来发展，为读者构建了一个清晰的知识体系。
第2章则深入探讨了计算机系统与计算思维，通过实例展示了计算思维在日常生活中的应用，如二进制思维在物品分配中的应用以及智能推荐系统的原理等。
第3章机器学习是人工智能的核心技术之一。本章从机器学习的基本概念、分类及整体流程到具体算法模型，再到神经网络，全面介绍机器学习的基本原理和应用方法。通过案例，让读者了解机器学习在实际问题中的应用，同时介绍无代码开发的相关实践平台。
第4章至第6章分别聚焦图像智能分析、文本智能分析和语音智能分析。不仅介绍了各自领域的基本概念、技术和方法，还通过案例分析了这些技术在实际应用中的效果和局限性。第4章详细介绍了图像分类、物体检测和图像分割等关键技术，并通过ResNet模型的图像分类案例展示这些技术的实际应用效果。第5章介绍了文本分类、文本相似度分析和情感分析等关键技术，为自然语言处理领域的学习提供有力支持。第6章探讨了语音识别、语音合成等关键技术，以及智能语音技术的未来与挑战。
第7章着重介绍了生成式人工智能的概念、产业应用、基本原理，以及提示词工程的开发与优化。不仅为读者提供了生成式人工智能的全面了解，还通过应用案例设计展示了这些技术的创新潜力和商业价值。
第8章作为本书的结尾部分，探讨了人工智能技术在智慧交通、智能机器人和智能娱乐等领域的应用。通过实际案例分析了人工智能技术在改善城市交通、提升医疗服务质量以及革新娱乐体验等方面的积极作用，进一步展示了人工智能技术的广泛应用前景。这些内容的引入，旨在激发读者对人工智能技术的兴趣和热情，鼓励他们积极探索和创新。
本书由中原工学院计算机学院教师集体编写完成。在编写过程中，我们密切关注计算机基础教育改革的最新动态，力求使本书的内容与改革方向保持一致。同时，我们也注重跨学科知识的融合，引导读者从多角度、多层次理解计算与人工智能技术的本质和应用。
[第1 章 计算与人工智能.. 1](#第1章 计算与人工智能.. 1)
[1.1 计算的概念... 1](#1.1 计算的概念... 1)
[1.1.1 什么是计算... 1](#1.1.1 什么是计算... 1)
[1.1.2 计算的历史... 1](#1.1.2 计算的历史... 1)
[1.1.3 计算的要素... 2](#1.1.3 计算的要素... 2)
[1.1.4 可计算问题与图灵机.. 4](#1.1.4 可计算问题与图灵机.. 4)
[1.1.5 算法、计算机语言与程序.. 6](#1.1.5 算法、计算机语言与程序.. 6)
[1.2 人工智能的概念... 7](#1.2 人工智能的概念... 7)
[1.2.1 什么是人工智能.. 7](#1.2.1 什么是人工智能.. 7)
[1.2.2 人工智能与计算.. 7](#1.2.2 人工智能与计算.. 7)
[1.2.3 人工智能的历史.. 8](#1.2.3 人工智能的历史.. 8)
[1.3 人工智能相关研究.. 9](#1.3 人工智能相关研究.. 9)
[1.3.1 机器学习... 9](#1.3.1 机器学习... 9)
[1.3.2 深度学习... 9](#1.3.2 深度学习... 9)
[1.3.3 计算机视觉... 10](#1.3.3 计算机视觉... 10)
[1.3.4 自然语言处理... 10](#1.3.4 自然语言处理... 10)
[1.3.5 机器人学与智能控制.. 11](#1.3.5 机器人学与智能控制.. 11)
[1.3.6 知识表示与推理.. 12](#1.3.6 知识表示与推理.. 12)
[1.3.7 模式识别与生物特征识别.. 12](#1.3.7 模式识别与生物特征识别.. 12)
[1.3.8 强化学习与智能决策.. 13](#1.3.8 强化学习与智能决策.. 13)
[1.3.9 大数据分析与预测... 13](#1.3.9 大数据分析与预测... 13)
[1.4 人工智能应用领域.. 14](#1.4 人工智能应用领域.. 14)
[1.4.1 医疗保健领域... 14](#1.4.1 医疗保健领域... 14)
[1.4.2 交通运输领域... 15](#1.4.2 交通运输领域... 15)
[1.4.3 金融领域... 15](#1.4.3 金融领域... 15)
[1.4.4 教育领域... 16](#1.4.4 教育领域... 16)
[1.4.5 工业制造领域... 16](#1.4.5 工业制造领域... 16)
[1.4.6 智能家居领域... 17](#1.4.6 智能家居领域... 17)
[1.4.7 娱乐领域... 17](#1.4.7 娱乐领域... 17)
[1.4.8 农业领域... 17](#1.4.8 农业领域... 17)
[1.4.9 环境保护领域... 18](#1.4.9 环境保护领域... 18)
[1.4.10 政务领域... 18](#1.4.10 政务领域... 18)
[1.5 人工智能未来发展趋势.. 19](#1.5 人工智能未来发展趋势.. 19)
[1.5.1 从大模型迈向通用人工智能... 19](#1.5.1 从大模型迈向通用人工智能... 19)
[1.5.2 合成数据打破训练数据瓶颈... 19](#1.5.2 合成数据打破训练数据瓶颈... 19)
[1.5.3 量子计算机可能率先应用于人工智能... 19](#1.5.3 量子计算机可能率先应用于人工智能... 19)
[1.5.4 人工智能的普及化与民主化... 19](#1.5.4 人工智能的普及化与民主化... 19)
[1.5.5 深度学习的进一步突破... 19](#1.5.5 深度学习的进一步突破... 19)
[1.5.6 人机协作的新时代... 19](#1.5.6 人机协作的新时代... 19)
[1.5.7 伦理与合规的重视... 20](#1.5.7 伦理与合规的重视... 20)
[1.5.8 与其他技术的深度融合... 20](#1.5.8 与其他技术的深度融合... 20)
[1.5.9 推动可持续发展.. 20](#1.5.9 推动可持续发展.. 20)
[习题1. 20](#习题1. 20)
[第2 章 计算机与计算思维... 22](#第2章 计算机与计算思维... 22)
[2.1 计算机系统... 22](#2.1 计算机系统... 22)
[2.1.1 计算机系统的组成... 22](#2.1.1 计算机系统的组成... 22)
[2.1.2 计算机系统的层次结构... 26](#2.1.2 计算机系统的层次结构... 26)
[2.1.3 计算机的基本工作原理... 27](#2.1.3 计算机的基本工作原理... 27)
[2.2 二进制与信息编码... 28](#2.2 二进制与信息编码... 28)
[2.2.1 计算机中的二进制数制与运算.. 28](#2.2.1 计算机中的二进制数制与运算.. 28)
[2.2.2 字符信息的编码.. 30](#2.2.2 字符信息的编码.. 30)
[2.2.3 汉字信息的编码.. 31](#2.2.3 汉字信息的编码.. 31)
[2.2.4 多媒体信息的编码... 33](#2.2.4 多媒体信息的编码... 33)
[2.3 计算思维的定义.. 35](#2.3 计算思维的定义.. 35)
[2.3.1 三类思维模式... 35](#2.3.1 三类思维模式... 35)
[2.3.2 计算思维的定义.. 36](#2.3.2 计算思维的定义.. 36)
[2.3.3 计算思维的特性.. 38](#2.3.3 计算思维的特性.. 38)
[2.4 计算思维的本质... 38](#2.4 计算思维的本质... 38)
[2.4.1 抽象(abstraction) 39](#2.4.1 抽象(abstraction) 39)
[2.4.2 自动化(automation) 40](#2.4.2 自动化(automation) 40)
[2.5生活中的计算思维.. 45](#2.5生活中的计算思维.. 45)
[2.5.1 二进制思维------1000 个苹果分10箱... 45](#2.5.1 二进制思维——1000 个苹果分10箱... 45)
[2.5.2 智能推荐系统... 46](#2.5.2 智能推荐系统... 46)
[习题2. 47](#习题2. 47)
[第3章 机器学习... 49](#第3章 机器学习... 49)
[3.1 机器学习的概念... 49](#3.1 机器学习的概念... 49)
[3.2 机器学习的分类... 51](#3.2 机器学习的分类... 51)
[3.2.1 监督学习.. 51](#3.2.1 监督学习.. 51)
[3.2.2 无监督学习... 52](#3.2.2 无监督学习... 52)
[3.2.3 半监督学习... 53](#3.2.3 半监督学习... 53)
[3.2.4 强化学习.. 54](#3.2.4 强化学习.. 54)
[3.3 机器学习的整体流程... 54](#3.3 机器学习的整体流程... 54)
[3.4 机器学习的常见算法... 61](#3.4 机器学习的常见算法... 61)
[3.4.1 线性回归.. 61](#3.4.1 线性回归.. 61)
[3.4.2 决策树... 63](#3.4.2 决策树... 63)
[3.4.3 KNN 分类算法.. 68](#3.4.3 KNN分类算法.. 68)
[3.4.4 KMEANS. 69](#3.4.4 KMEANS. 69)
[3.5 人工神经网络.. 73](#3.5 人工神经网络.. 73)
[3.5 无代码开发平台... 77](#3.5 无代码开发平台... 77)
[3.5.1 商汤无代码开发平台.. 77](#3.5.1 商汤无代码开发平台.. 77)
[3.5.2 百度EasyDL 开发平台... 78](#3.5.2 百度EasyDL开发平台... 78)
[3.5.3 华为ModelArts 开发平台... 81](#3.5.3 华为ModelArts开发平台... 81)
[3.5.4 宜搭低代码开发平台.. 83](#3.5.4 宜搭低代码开发平台.. 83)
[3.5.5 各平台对比... 86](#3.5.5 各平台对比... 86)
[习题3. 87](#习题3. 87)
[第4 章 图像智能分析... 88](#第4章 图像智能分析... 88)
[4.1 视觉感知与图像... 88](#4.1 视觉感知与图像... 88)
[4.1.1 视觉感知... 88](#4.1.1 视觉感知... 88)
[4.1.2 数字图像... 88](#4.1.2 数字图像... 88)
[4.2 图像的表示和存储.. 90](#4.2 图像的表示和存储.. 90)
[4.2.1 二值图像... 90](#4.2.1 二值图像... 90)
[4.2.2 灰度图像... 90](#4.2.2 灰度图像... 90)
[4.2.3 彩色图像... 92](#4.2.3 彩色图像... 92)
[4.3 深度学习之卷积神经网络（CNN）... 93](#4.3 深度学习之卷积神经网络（CNN）... 93)
[4.3.1 卷积运算基本概念... 93](#4.3.1 卷积运算基本概念... 93)
[4.3.2 CNN网络结构... 94](#4.3.2 CNN网络结构... 94)
[4.3.3 常用CNN网络结构... 96](#4.3.3 常用CNN网络结构... 96)
[4.3.4 卷积可视化... 99](#4.3.4 卷积可视化... 99)
[4.3.4 深度学习和机器学习区别.. 100](#4.3.4 深度学习和机器学习区别.. 100)
[4.4 图像分类... 101](#4.4 图像分类... 101)
[4.4.1 什么是图像分类.. 101](#4.4.1 什么是图像分类.. 101)
[4.4.2 图像分类发展历程... 101](#4.4.2 图像分类发展历程... 101)
[4.4.3 常用数据集介绍.. 102](#4.4.3 常用数据集介绍.. 102)
[4.4.4 图像分类案例... 104](#4.4.4 图像分类案例... 104)
[4.5 目标检测... 109](#4.5 目标检测... 109)
[4.5.1 什么是目标检测.. 109](#4.5.1 什么是目标检测.. 109)
[4.5.2 目标检测分方法类... 109](#4.5.2 目标检测分方法类... 109)
[4.5.3 目标检测的工作流程.. 110](#4.5.3 目标检测的工作流程.. 110)
[4.5.4 目标检测案例... 112](#4.5.4 目标检测案例... 112)
[4.6 图像分割... 115](#4.6 图像分割... 115)
[4.6.1 图像分割的应用.. 115](#4.6.1 图像分割的应用.. 115)
[4.6.2 图像分割类别... 116](#4.6.2 图像分割类别... 116)
[4.6.3 图像分割方法... 118](#4.6.3 图像分割方法... 118)
[4.6.4 深度学习中图像分割原理(以SegNet为例) 119](#4.6.4 深度学习中图像分割原理(以SegNet为例) 119)
[习题... 119](#习题... 119)
[第5 章 文本智能分析... 122](#第5章 文本智能分析... 122)
[5.1 自然语言处理的概念... 122](#5.1 自然语言处理的概念... 122)
[5.1.1 自然语言与自然语言处理.. 122](#5.1.1 自然语言与自然语言处理.. 122)
[5.1.2 自然语言处理的发展.. 122](#5.1.2 自然语言处理的发展.. 122)
[5.1.3 自然语言处理研究方向... 123](#5.1.3 自然语言处理研究方向... 123)
[5.1.4 自然语言处理相关工具和平台.. 127](#5.1.4 自然语言处理相关工具和平台.. 127)
[5.1.5 案例演示... 127](#5.1.5 案例演示... 127)
[5.2 文本处理的基本流程.. 135](#5.2 文本处理的基本流程.. 135)
[5.2.1 文本处理基本流程... 135](#5.2.1 文本处理基本流程... 135)
[5.2.2 特征提取方法... 136](#5.2.2 特征提取方法... 136)
[5.3 文本分类... 139](#5.3 文本分类... 139)
[5.3.1 文本分类的基本概念.. 139](#5.3.1 文本分类的基本概念.. 139)
[5.3.2 文本分类基本方法... 139](#5.3.2 文本分类基本方法... 139)
[5.3.3 文本分类的案例.. 139](#5.3.3 文本分类的案例.. 139)
[5.4 文本相似度分析... 151](#5.4 文本相似度分析... 151)
[5.4.1 文本相似度分析的基本概念... 151](#5.4.1 文本相似度分析的基本概念... 151)
[5.4.2 文本相似度分析的关键技术... 152](#5.4.2 文本相似度分析的关键技术... 152)
[5.5 情感分析... 154](#5.5 情感分析... 154)
[5.5.1 情感分析的基本概念.. 154](#5.5.1 情感分析的基本概念.. 154)
[5.5.2 情感分析的类型.. 155](#5.5.2 情感分析的类型.. 155)
[5.5.3 情感分析的方法.. 156](#5.5.3 情感分析的方法.. 156)
[5.5.4 情感分析的案例.. 156](#5.5.4 情感分析的案例.. 156)
[5.6 知识图谱... 164](#5.6 知识图谱... 164)
[5.6.1 知识图谱概念... 164](#5.6.1 知识图谱概念... 164)
[5.6.2 知识图谱关键技术... 167](#5.6.2 知识图谱关键技术... 167)
[习题5. 169](#习题5. 169)
[第6 章 智能语音处理... 171](#第6章 智能语音处理... 171)
[6.1 语音的魅力与机器的挑战... 171](#6.1 语音的魅力与机器的挑战... 171)
[6.1.1 语音------人类沟通的基石.. 171](#6.1.1 语音——人类沟通的基石.. 171)
[6.1.2 机器"听"与"说"的难题... 171](#6.1.2 机器“听”与“说”的难题... 171)
[6.1.3 智能语音处理的发展历程.. 172](#6.1.3 智能语音处理的发展历程.. 172)
[6.2 语音识别------机器如何"听懂"人类.. 173](#6.2 语音识别——机器如何“听懂”人类.. 173)
[6.2.1 语音信号采集... 174](#6.2.1 语音信号采集... 174)
[6.2.2 语音信号预处理.. 174](#6.2.2 语音信号预处理.. 174)
[6.2.3 语言特征提取... 175](#6.2.3 语言特征提取... 175)
[6.2.4 语言特征处理... 176](#6.2.4 语言特征处理... 176)
[6.2.5 声学模型... 177](#6.2.5 声学模型... 177)
[6.2.6 语言模型... 178](#6.2.6 语言模型... 178)
[6.3 语音合成------机器如何"开口说话".. 179](#6.3 语音合成——机器如何“开口说话”.. 179)
[6.4 智能语音技术的未来与挑战.. 181](#6.4 智能语音技术的未来与挑战.. 181)
[6.4.1 智能语音技术的未来.. 181](#6.4.1 智能语音技术的未来.. 181)
[6.4.2 智能语音技术的挑战.. 182](#6.4.2 智能语音技术的挑战.. 182)
[习题6. 184](#习题6. 184)
[第7 章 AIGC 应用... 185](#第7章 AIGC应用... 185)
[7.1 生成式人工智能的概念.. 185](#7.1 生成式人工智能的概念.. 185)
[7.1.1 生成式人工智能与人工智能生成内容... 185](#7.1.1 生成式人工智能与人工智能生成内容... 185)
[7.1.2 生成式人工智能的发展历史... 186](#7.1.2 生成式人工智能的发展历史... 186)
[7.2 生成式人工智能产业和应用... 187](#7.2 生成式人工智能产业和应用... 187)
[7.2.1 生成式人工智能产业现状.. 187](#7.2.1 生成式人工智能产业现状.. 187)
[7.2.2 生成式人工智能应用现状.. 187](#7.2.2 生成式人工智能应用现状.. 187)
[7.3 生成式人工智能的基本原理.. 190](#7.3 生成式人工智能的基本原理.. 190)
[7.3.1 人工智能生成内容的关键步骤.. 190](#7.3.1 人工智能生成内容的关键步骤.. 190)
[7.3.2 生成式 AI 的模型架构... 191](#7.3.2 生成式 AI 的模型架构... 191)
[7.4 提示词工程的开发与优化.. 192](#7.4 提示词工程的开发与优化.. 192)
[7.4.1 提示词工程的开发... 192](#7.4.1 提示词工程的开发... 192)
[7.4.2 提示词工程的优化... 193](#7.4.2 提示词工程的优化... 193)
[7.5 基于AIGC的应用案例设计... 194](#7.5 基于AIGC的应用案例设计... 194)
[7.5.1 基于AIGC的文本生成案例... 194](#7.5.1 基于AIGC的文本生成案例... 194)
[7.5.2 基于AIGC的代码生成案例... 196](#7.5.2 基于AIGC的代码生成案例... 196)
[7.5.3 基于AIGC的图像生成案例... 198](#7.5.3 基于AIGC的图像生成案例... 198)
[习题7. 199](#习题7. 199)
[第8 章 人工智能技术应用... 200](#第8章 人工智能技术应用... 200)
[8.1 智慧交通：重塑城市脉动... 200](#8.1 智慧交通：重塑城市脉动... 200)
[8.1.1 智慧交通初体验.. 200](#8.1.1 智慧交通初体验.. 200)
[8.1.2 智慧交通的核心技术.. 202](#8.1.2 智慧交通的核心技术.. 202)
[8.1.3 智慧交通的应用实例.. 204](#8.1.3 智慧交通的应用实例.. 204)
[8.1.4 智慧交通的环保意义.. 206](#8.1.4 智慧交通的环保意义.. 206)
[8.2 智能机器人：多领域的智慧助手.. 207](#8.2 智能机器人：多领域的智慧助手.. 207)
[8.2.1 智能机器人简介.. 207](#8.2.1 智能机器人简介.. 207)
[8.2.2 家庭服务机器人：未来生活的智慧伙伴.. 208](#8.2.2 家庭服务机器人：未来生活的智慧伙伴.. 208)
[8.2.3 医疗机器人：医疗领域的智能新助手... 210](#8.2.3 医疗机器人：医疗领域的智能新助手... 210)
[8.3 智能娱乐：革新文化休闲体验... 212](#8.3 智能娱乐：革新文化休闲体验... 212)
[8.3.1 AI为娱乐产业带来革新... 212](#8.3.1 AI为娱乐产业带来革新... 212)
[8.3.2 个性化内容推荐系统... 213](#8.3.2 个性化内容推荐系统... 213)
[8.3.3 虚拟现实与增强现实的娱乐应用.. 214](#8.3.3 虚拟现实与增强现实的娱乐应用.. 214)
[8.3.4 AI游戏开发与设计案例... 214](#8.3.4 AI游戏开发与设计案例... 214)
[习题8. 216](#习题8. 216)