人工智能与数据处理基础（第2版）

人工智能与数据处理基础（第2版）

经典畅销教材，提供源代码、课件、教学大纲、教学进度表

作者：杨璠 张承德 主编 王倩 张志 马霄 蔡燕 朱平 李向 易灵芝 胡景浩 副主编

丛书名：国家级实验教学示范中心联席会计算机学科组规划教材

定价：59.9元

印次：2-1

出版日期：2025.05.01

党的二十大报告强调“必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，深入实施科教兴国战略、人才强国战略、创新驱动发展战略，开辟发展新领域新赛道，不断塑造发展新动能新优势”。

在充分考虑“新工科” “新文科”建设背景下高校人才培养中对信息技术基础知识及大数据基础素养能力的新需要，结合不同学生的学科和专业特点，根据《中国高等院校计算机基础教育课程体系2014》（清华大学出版社，2014）的要求，组织多年从事大学信息基础通识课程教学和科研工作的教师，结合信息科学、人工智能、数据处理最新的应用技术和研究成果，编写了此书。

内容简介

本书的内容以人工智能、数据处理技术及其应用为主线，分为

“数据处理基础”“数据分析技术与人工智能方法”两篇，共10章。

第1~5章为本书第一篇“数据处理基础”的内容。

其中，第1章概要性介绍了数据处理基础与人工智能等信息前沿技术，包括信息、数据、大数据与人工智能、数据分析、数据存储技术、智能数据分析、智能科学前沿等，读者通过本章内容的学习将了解和掌握信息科学与智能数据处理技术的基础概念；

第2~5章以图书销售为例，通过Access 2016系统地介绍了数据存储的概念和数据存储应用技术，主要内容包括数据库基本理论与设计、Access数据库表、表的创建、表的操作、查询及查询对象、查询的可视化系统。通过第一篇的学习，读者将掌握Access数据库中表的创建和查询等基础数据处理可视化操作方法。

本书第二篇“数据分析技术与人工智能方法”包含第6~10章，主要内容包括智能数据分析语言——Python、数值数据智能分析技术、文本数据智能分析技术、人工智能分析方法、智能计算思维及其应用。通过本篇的学习，读者将掌握智能分析常用方法和基本原理。

目录

第一篇数据处理基础

第1章数据处理基础与人工智能技术前沿

1.1信息、数据、大数据

1.1.1信息

1.1.2数据

1.1.3大数据

1.2信息(数据)处理技术分类及发展

1.2.1信息(数据)处理技术

1.2.2信息(数据)存储技术

1.2.3智能数据分析技术

1.3人工智能与信息技术前沿

1.3.1人工智能

1.3.2数据挖掘

1.3.3机器学习

1.3.4大数据处理与人工智能

1.3.5区块链技术

1.3.6智能科学发展的新趋势

本章小结

思考题

第2章数据存储基本理论(关系数据库)

2.1数据库实例与数据模型

2.1.1Access数据库实例

2.1.2数据模型

2.2关系数据模型的基本理论

2.2.1关系数据模型的三要素

2.2.2关系及相关概念

2.2.3关系数据库的数据完整性约束

2.3关系数据理论的进一步分析

2.3.1关系代数

2.3.2关系的规范化

2.4数据库体系结构

2.4.1三级模式结构

2.4.2数据库管理系统概述

本章小结

思考题

第3章数据存储设计与Access数据库管理

3.1数据库设计方法

3.1.1数据库设计的定义

3.1.2数据库设计的步骤

3.2实体联系模型及转化

3.2.1ER模型的基本概念

3.2.2ER图

3.2.3ER模型向关系模型的转化

3.2.4设计ER模型的进一步探讨

3.2.5术语对照

3.3图书销售管理数据库设计

3.3.1需求调查与分析

3.3.2概念设计与逻辑设计

3.4Access概述

3.4.1Access的发展

3.4.2Access的启动和退出

3.4.3Access的用户界面

3.5创建Access数据库

3.5.1Access数据库基础

3.5.2创建数据库

3.6Access数据库管理

3.6.1数据库的打开与关闭

3.6.2数据库管理

本章小结

思考题

第4章表与关系

4.1Access数据库的表对象及创建方法

4.2数据类型

4.3表的创建

4.3.1数据库的物理设计

4.3.2应用设计视图创建表

4.3.3用其他方法创建表

4.4建立表之间的关系

4.4.1表之间关系的类型及创建

4.4.2对关系进行编辑

4.5表的操作

4.5.1表记录的输入

4.5.2表记录的修改和删除

4.5.3对表的其他操作

4.5.4修改表结构和删除表

4.5.5表的导出

本章小结

思考题

第5章数据存储中的查询

5.1查询及查询对象

5.1.1理解查询

5.1.2SQL概述

5.1.3Access查询的工作界面

5.1.4查询的分类与查询对象

5.2SQL查询

5.2.1Access数据运算与表达式

5.2.2几种常用的SQL查询

5.2.3SQL的追加功能

5.2.4SQL的更新功能

5.2.5SQL的删除功能

5.2.6SQL的定义功能

5.3选择查询

5.3.1创建选择查询

5.3.2选择查询的进一步设置

5.3.3汇总与分组统计查询设计

5.3.4子查询设计

5.3.5交叉表查询

5.4查询向导

5.4.1简单查询向导

5.4.2交叉表查询向导

5.4.3查找重复项查询向导

5.4.4查找不匹配项查询向导

5.5动作查询

5.5.1生成表查询

5.5.2追加查询

5.5.3更新查询

5.5.4删除查询

5.6SQL特定查询

5.6.1联合查询

5.6.2传递查询

5.6.3数据定义查询

本章小结

思考题

第二篇数据分析技术与人工智能方法

第6章智能数据分析语言——Python

6.1Python语言概述

6.1.1Python简介

6.1.2为何使用Python做数据分析

6.2Python的安装与配置

6.2.1Windows系统中下载并安装Python

6.2.2第一个Python程序

6.3Python语言基础

6.3.1Python语法特点

6.3.2变量

6.3.3常用数据类型

6.3.4运算符和表达式

6.3.5常用序列结构

6.3.6循环控制语句

6.3.7函数

6.3.8模块

6.3.9基本输入输出

6.4AI Studio平台介绍

6.4.1运行一个简单的项目

6.4.2新建一个简单的项目

本章小结

思考题

第7章数值数据智能分析技术

7.1数值数据智能分析基础

7.1.1NumPy数据处理

7.1.2Pandas库基础

7.2数值数据的导入和导出

7.2.1Python数据库交互接口

7.2.2导入CSV文件

7.2.3导出CSV文件

7.2.4导入Excel文件

7.2.5导出Excel文件

7.3数据统计

7.3.1基本统计

7.3.2分组统计

7.4数据合并、连接和排序

7.4.1Pandas 合并、连接

7.4.2排序

7.5数据筛选和过滤功能

7.5.1筛选

7.5.2按筛选条件进行汇总

7.5.3过滤

7.6数据科学制图

7.6.1Matplotlib基础

7.6.2折线图

7.6.3散点图

7.6.4柱状图

7.6.5饼状图

7.6.6雷达图

7.6.7三维图形

本章小结

思考题

第8章文本数据智能分析技术

8.1数据获取

8.2文本数据的输入和输出

8.2.1导入TXT文件

8.2.2导出TXT文件

8.3中文分词技术

8.3.1中文分词

8.3.2精确模式

8.3.3全模式

8.3.4搜索引擎模式

8.3.5jieba分词

8.4数据预处理技术

8.4.1噪声

8.4.2词性分析

8.4.3停用词

8.5自然语言处理技术

8.5.1词频统计

8.5.2词云分析

本章小结

思考题

第9章人工智能分析方法

9.1机器学习简介

9.1.1机器学习的基本概念

9.1.2Python机器学习库与学习平台

9.2有监督学习

9.2.1回归分析

9.2.2决策树

9.2.3支持向量机

9.2.4KNN算法

9.2.5人工神经网络

9.2.6深度学习

9.3无监督学习

9.3.1无监督学习简介

9.3.2Kmeans聚类

本章小结

思考题

第10章智能计算思维及其应用

10.1计算思维与人工智能

10.1.1计算思维

10.1.2人工智能

10.1.3智能计算思维的应用

10.2智能计算思维中的算法思维

10.2.1智能计算思维的组成

10.2.2算法思维的条件

10.2.3算法思维的表达和结构

10.2.4算法思维在求解问题中的应用

本章小结

思考题

参考文献

写给读者

通过本书的学习，读者将对数据处理基础及智能分析技术前沿、数据存储、数据存储应用（Access 2016）、智能数据分析语言——Python、数值数据智能分析技术、文本数据智能分析技术、人工智能分析方法和智能计算思维及其应用等内容有一个较为全面的认识和理解，并能熟练利用Access 2016进行数据存储、处理、查询等基础数据处理操作，掌握通过Python程序设计语言完成简单的数据获取、数据智能分析和数据可视化展示等数据智能分析技术，培养和提高计算思维和智能计算思维，为学习信息科学相关后续课程和利用信息科学的有关知识与工具解决本专业及相关领域的问题打下良好的基础。本书内容较多，案例丰富，教师在讲授过程中可根据学生和教学的具体情况对部分章节内容和案例进行取舍。为保证教学内容的连贯性，本书建议教师按照原始章节顺序介绍数据智能处理与分析的应用路线与过程，以便开展课程实践教学。

配套资源

本书配有源代码、教学课件、教学大纲、案例素材、习题题库供读者使用。源代码和全书网址可通过扫描下方二维码获取。

本书特色

本书在写作上所追求的目标和效果是将原理讲清楚，通过实践融会贯通。因此，本书在写法上坚持层次分明、条理清楚、理例结合、图文并茂、深入浅出、详略得当的行文风格，并力求将复杂问题简单化，将晦涩理论通俗化，使得本书更加易读易懂、易教易学。在选材方面，以全面、基础、典型、新颖为原则，以基础的数据处理操作为根本，以数据库技术、人工智能的经典著作为依据，同时又兼顾该学科的当前热点，按通识课的性质和水准确定各章节的内容和深度。书中收编了数据处理的最新成果，但又不刻意赶时髦、追风头； 书中涉及人工智能的诸多课题，但对于较深入和较专业的内容则点到为止。

读者对象

本书适合于全国高等学校各专业作为“新文科”与“新工科”建设背景下的人工智能和数据处理通识课教材使用，也可作为智能数据处理的普及读物供广大读者自学或参考。