目錄
第1章 緒論 1
1.1 計算思維與程序設計的基礎(chǔ)作用 2
1.2 新一代信息技術(shù)的核心領(lǐng)域與創(chuàng)新應用 3
1.2.1 物聯(lián)網(wǎng)：智能化的數(shù)據(jù)采集與傳輸 3
1.2.2 云計算：強大的計算與存儲能力 4
1.2.3 大數(shù)據(jù)：從海量數(shù)據(jù)中挖掘價值 5
1.2.4 人工智能：實現(xiàn)智能化的自動決策 7
1.3 數(shù)據(jù)安全與相關(guān)法律法規(guī)的保障作用 9
習題1 10
第2章 計算思維與編程思維 11
2.1 計算思維 11
2.1.1 計算思維研究初探 12
2.1.2 計算思維的概念 12
2.1.3 計算思維的特征 13
2.2 編程思維 13
2.2.1 編程思維研究初探 13
2.2.2 編程思維的概念 14
2.2.3 編程思維的特征 14
2.2.4 編程思維的應用領(lǐng)域 15
習題2 15
第3章 Python程序設計 16
3.1 Python語言簡介與解釋器 16
3.1.1 Python語言簡介 16
3.1.2 Python解釋器與集成開發(fā)環(huán)境 16
3.2 Python語言基礎(chǔ) 17
3.2.1 運算和表達式 17
3.2.2 空格和注釋 20
3.3 程序的控制結(jié)構(gòu) 21
3.3.1 分支結(jié)構(gòu) 21
3.3.2 while循環(huán) 26
3.3.3 for循環(huán) 29
3.3.4 循環(huán)中斷語句 31
3.4 組合數(shù)據(jù)類型 33
3.4.1 序列 33
3.4.2 字符串 36
3.4.3 列表和元組 41
3.5 函數(shù) 45
3.5.1 函數(shù)的概念 45
3.5.2 函數(shù)的創(chuàng)建和調(diào)用 46
習題3 48
第4章 數(shù)據(jù)存取 49
4.1 文本文件存取 49
4.1.1 將文本寫入普通文本文件 49
4.1.2 從普通文本文件讀取內(nèi)容 53
4.1.3 將文本寫入CSV文件 57
4.1.4 從CSV文件讀取文本 59
4.2 Excel文件存取及編輯 61
4.2.1 Python中Excel相關(guān)庫概覽 61
4.2.2 xlwings庫相關(guān)概念 61
4.2.3 創(chuàng)建工作簿 62
4.2.4 打開工作簿并操作工作表 64
4.2.5 區(qū)域數(shù)據(jù)的寫入 66
4.2.6 區(qū)域數(shù)據(jù)的讀取 70
4.2.7 區(qū)域數(shù)據(jù)的編輯 71
4.2.8 格式設置 73
4.2.9 數(shù)據(jù)分析 75
4.2.10 圖表 77
習題4 79
第5章 數(shù)據(jù)采集 80
5.1 互聯(lián)網(wǎng)數(shù)據(jù)采集 80
5.1.1 用API采集數(shù)據(jù) 80
5.1.2 用爬蟲采集數(shù)據(jù) 83
5.2 物聯(lián)網(wǎng)數(shù)據(jù)采集 90
5.2.1 物聯(lián)網(wǎng)簡介 90
5.2.2 用MQTT采集數(shù)據(jù) 91
5.3 公開數(shù)據(jù)集獲取 92
習題5 92
第6章 數(shù)據(jù)處理與分析 93
6.1 數(shù)據(jù)處理基礎(chǔ) 93
6.1.1 NumPy入門 95
6.1.2 Pandas入門 105
6.1.3 數(shù)據(jù)處理 115
6.2 數(shù)據(jù)分析基礎(chǔ) 132
6.2.1 使用Pandas進行統(tǒng)計分析 134
6.2.2 數(shù)據(jù)分析應用案例 142
6.3 數(shù)據(jù)可視化 145
習題6 158
第7章 機器學習 161
7.1 機器學習概述 162
7.1.1 定義與起源 162
7.1.2 機器學習的類型與過程 163
7.1.3 機器學習發(fā)展歷程與未來趨勢 164
7.2 機器學習的主要編程框架 167
7.2.1 scikit-learn 167
7.2.2 TensorFlow與Keras 168
7.2.3 PyTorch 170
7.2.4 國產(chǎn)機器學習框架 172
7.2.5 其他機器學習框架 172
7.3 統(tǒng)計學習方法 173
7.3.1 線性回歸 173
7.3.2 邏輯回歸 175
7.3.3 支持向量機 177
7.3.4 樸素貝葉斯分類 178
7.3.5 決策樹與隨機森林 180
7.3.6 集成學習 182
7.4 神經(jīng)網(wǎng)絡與深度學習 185
7.4.1 神經(jīng)網(wǎng)絡簡介 186
7.4.2 深度學習基本流程 188
7.5 機器學習的應用場景 192
習題7 193
第8章 擴展存儲與算力 194
8.1 擴展存儲 194
8.1.1 云計算彈性的存儲空間 194
8.1.2 云存儲的應用案例 195
8.1.3 云存儲的操作案例 196
8.1.4 云存儲的優(yōu)勢和挑戰(zhàn) 200
8.2 擴展算力 201
8.2.1 利用云計算擴展算力 201
8.2.2 實踐案例與經(jīng)驗分享 204
8.2.3 利用GPU擴展算力 205
習題8 212
第9章 人工智能應用 213
9.1 人工智能在經(jīng)濟管理領(lǐng)域中的應用 213
9.2 人工智能在法學領(lǐng)域中的應用 220
9.3 人工智能在計算機視覺領(lǐng)域中的應用 228
9.4 人工智能應用的新領(lǐng)域 238
9.4.1 人臉識別 239
9.4.2 智能芯片 246
9.4.3 生物特征識別 247
9.4.4 智慧城市 248
9.4.5 信息犯罪 249
9.4.6 元宇宙 249
習題9 250
第10章 人工智能倫理 251
10.1 人工智能涉及的主要倫理風險 251
10.1.1 人工智能涉及的倫理風險分類 251
10.1.2 人工智能道德性倫理風險 252
10.1.3 人工智能公平性倫理風險 254
10.1.4 人工智能透明性倫理風險 256
10.1.5 人工智能誠信性倫理風險 256
10.1.6 人工智能可解釋性倫理風險 257
10.1.7 人工智能安全性倫理風險 257
10.2 人工智能倫理問題的應對 259
10.2.1 人工智能倫理治理原則 259
10.2.2 現(xiàn)有人工智能倫理治理監(jiān)管體系 260
10.2.3 人工智能倫理問題科學應對策略 269
習題10 273
第11章 數(shù)據(jù)權(quán)利與數(shù)據(jù)治理 274
11.1 數(shù)據(jù)分析中的數(shù)據(jù)權(quán)利 274
11.1.1 相關(guān)概念 274
11.1.2 相關(guān)法律規(guī)則 277
11.2 數(shù)據(jù)治理的理論與實踐 278
11.2.1 數(shù)據(jù)治理的基本概念 280
11.2.2 數(shù)據(jù)治理的目標范圍 282
11.2.3 數(shù)據(jù)治理的準則規(guī)范 285
11.2.4 數(shù)據(jù)治理的體系架構(gòu) 289
習題11 293
第12章 數(shù)據(jù)安全與相關(guān)法律法規(guī) 294
12.1 數(shù)據(jù)安全基本知識 294
12.2 數(shù)據(jù)安全與網(wǎng)絡空間安全 298
12.3 數(shù)據(jù)安全與國家安全 299
12.4 數(shù)據(jù)安全在人工智能領(lǐng)域的發(fā)展 301
12.4.1 人工智能中的數(shù)據(jù)安全問題 301
12.4.2 人工智能中的相關(guān)法律法規(guī)及標準規(guī)范 305
習題12 308
參考文獻 309