幫助中心 | 我的帳號 | 關於我們

大數據與人工智慧導論(通識課版)/高等學校數智人才培養AI通識精品系列

  • 作者:編者:林子雨|責編:孫澍
  • 出版社:人民郵電
  • ISBN:9787115656964
  • 出版日期:2025/02/01
  • 裝幀:平裝
  • 頁數:250
人民幣:RMB 59.8 元      售價:
放入購物車
加入收藏夾

內容大鋼
    作為通識類課程教材,本書緊緊圍繞通識教育核心理念,系統介紹大數據、人工智慧、雲計算、物聯網、區塊鏈、元宇宙等技術的相關知識,旨在培養學生的大數據思維和人工智慧思維。全書內容包括大數據概述、大數據技術、大數據應用、大數據基礎知識、人工智慧、大模型:人工智慧的前沿、AIGC應用與實踐、新興數字技術、新興數字技術的倫理問題。為了避免陷入空洞的理論介紹,本書在很多章節融入豐富的案例,這些案例來自我們生活的數字時代,具有代表性和說服力,能夠讓學生直觀感受相應理論的具體內涵。
    本書可作為高等學校人工智慧通識、大數據通識、大學電腦通識教育等課程的教材,也可作為對大數據和人工智慧感興趣的讀者的參考書。

作者介紹
編者:林子雨|責編:孫澍
    林子雨(1978—),男,博士,廈門大學電腦科學系助理教授,廈門大學雲計算與大數據研究中心創始成員,廈門大學資料庫實驗室負責人,中國電腦學會資料庫專委會委員,中國電腦學會信息系統專委會委員。于2001年獲得福州大學水利水電專業學士學位,2005年獲得廈門大學電腦專業碩士學位,2009年獲得北京大學電腦專業博士學位。中國高校首個「數字教師」提出者和建設者,2009年至今,「數字教師」大平台累計向網路免費發布超過100萬字高價值的教學和科研資料,累計網路訪問量超過100萬次。     主要研究方向為資料庫、數據倉庫、數據挖掘、大數據和雲計算,發表期刊和會議學術論文多篇,並作為課題組負責人承擔了國家自然科學基金和福建省自然科學基金項目。曾作為志願者翻譯了Google Spanner、BigTable和《Architecture of a Database System》等大量英文學術資料,與廣大網友分享,深受歡迎。2013年在廈門大學開設大數據課程,並因在教學領域的突出貢獻和學生的認可,成為2013年度廈門大學教學類獎教金獲得者。

目錄
第1章  大數據概述
  1.1  數據
    1.1.1  數據的概念
    1.1.2  數據類型
    1.1.3  數據組織形式
    1.1.4  數據生命周期
    1.1.5  數據的使用
    1.1.6  數據的價值性
    1.1.7  數據爆炸
    1.1.8  數商
    1.1.9  從數據到數據要素
    1.1.10  數據生產力
  1.2  大數據時代
    1.2.1  第三次信息化浪潮
    1.2.2  信息科技為大數據時代提供技術支撐
    1.2.3  數據產生方式的變革促成大數據時代的來臨
  1.3  大數據的發展歷程
  1.4  世界各國的大數據發展戰略
    1.4.1  美國
    1.4.2  英國
    1.4.3  歐盟
    1.4.4  韓國
    1.4.5  日本
    1.4.6  中國
  1.5  大數據的概念
    1.5.1  數據量大
    1.5.2  數據類型繁多
    1.5.3  處理速度快
    1.5.4  價值密度低
  1.6  大數據的影響
    1.6.1  大數據對科學研究的影響
    1.6.2  大數據對社會發展的影響
    1.6.3  大數據對就業市場的影響
    1.6.4  大數據對人才培養的影響
  1.7  大數據的應用
    1.7.1  大數據在各個領域的應用
    1.7.2  大數據應用的三個層次
  1.8  大數據產業
  1.9  大數據與數字經濟
    1.9.1  數字經濟的概念及其重要意義
    1.9.2  大數據與數字經濟的緊密關係
  1.10  大數據與5G
  1.11  大數據與新質生產力
    1.11.1  什麼是新質生產力
    1.11.2  大數據與新質生產力的關係
  1.12  本章小結
  1.13  習題
第2章  大數據技術
  2.1  概述
  2.2  數據採集與預處理

    2.2.1  數據採集的概念
    2.2.2  數據採集的三大要點
    2.2.3  數據採集的數據源
    2.2.4  數據採集方法
    2.2.5  數據清洗
    2.2.6  數據集成
    2.2.7  數據轉換
    2.2.8  數據脫敏
  2.3  數據存儲和管理
    2.3.1  傳統的數據存儲和管理技術
    2.3.2  大數據時代的數據存儲和管理技術
  2.4  數據處理與分析
    2.4.1  基於統計學方法的數據分析
    2.4.2  數據挖掘和機器學習演算法
    2.4.3  大數據處理與分析技術
  2.5  數據可視化
    2.5.1  什麼是數據可視化
    2.5.2  可視化的發展歷程
    2.5.3  數據可視化的重要作用
    2.5.4  可視化圖表
  2.6  數據安全和隱私保護
    2.6.1  數據安全技術
    2.6.2  隱私保護技術
  2.7  本章小結
  2.8  習題
第3章  大數據應用
  3.1  大數據在互聯網領域的應用
  3.2  大數據在生物醫學領域的應用
    3.2.1  流行病預測
    3.2.2  智慧醫療
    3.2.3  生物信息學
  3.3  大數據在物流領域的應用
    3.3.1  智能物流的概念
    3.3.2  大數據是智能物流的關鍵
    3.3.3  中國智能物流骨幹網——菜鳥
  3.4  大數據在城市管理領域的應用
    3.4.1  智能交通
    3.4.2  環保監測
    3.4.3  城市規劃
    3.4.4  安防領域
    3.4.5  疫情防控
  3.5  大數據在金融領域的應用
    3.5.1  高頻交易
    3.5.2  市場情緒分析
    3.5.3  信貸風險分析
    3.5.4  大數據徵信
  3.6  大數據在汽車領域的應用
  3.7  大數據在零售領域的應用
    3.7.1  發現關聯購買行為
    3.7.2  客戶群體細分

    3.7.3  供應鏈管理
  3.8  大數據在餐飲領域的應用
    3.8.1  餐飲行業擁抱大數據
    3.8.2  餐飲O2O
  3.9  大數據在電信領域的應用
  3.10  大數據在能源領域的應用
  3.11  大數據在體育和娛樂領域的應用
    3.11.1  訓練球隊
    3.11.2  投拍影視作品
    3.11.3  預測比賽結果
  3.12  大數據在安全領域的應用
    3.12.1  大數據與國家安全
    3.12.2  應用大數據技術防禦網路攻擊
    3.12.3  警察應用大數據工具預防犯罪
  3.13  大數據在日常生活中的應用
  3.14  本章小結
  3.15  習題
第4章  大數據基礎知識
  4.1  大數據思維
    4.1.1  傳統的思維方式
    4.1.2  大數據時代需要新的思維方式
    4.1.3  大數據思維方式
    4.1.4  運用大數據思維的具體實例
  4.2  數據共享
    4.2.1  數據孤島問題
    4.2.2  數據孤島問題產生的原因
    4.2.3  消除數據孤島的重要意義
    4.2.4  實現數據共享所面臨的挑戰
    4.2.5  推進數據共享的舉措
    4.2.6  數據共享的原則
    4.2.7  數據共享案例
  4.3  數據開放
    4.3.1  政府開放數據的理論基礎
    4.3.2  政府信息公開與政府數據開放的聯繫與區別
    4.3.3  政府數據開放的重要意義
    4.3.4  國內政府開放數據
    4.3.5  政府數據開放的幾點啟示
  4.4  大數據交易
    4.4.1  概述
    4.4.2  大數據交易發展現狀
    4.4.3  大數據交易平台
    4.4.4  大數據交易在發展過程中出現的問題
    4.4.5  推進大數據交易發展的對策
    4.4.6  數據產權制度
  4.5  大數據安全
    4.5.1  傳統數據安全
    4.5.2  大數據安全與傳統數據安全的不同
    4.5.3  大數據時代數據安全面臨的挑戰
    4.5.4  大數據安全問題
    4.5.5  大數據安全威脅

    4.5.6  不同形式的大數據安全風險
    4.5.7  典型案例
    4.5.8  大數據保護的基本原則
    4.5.9  大數據時代數據安全與隱私保護的對策
  4.6  大數據治理
    4.6.1  數據治理概述
    4.6.2  數據治理工作範圍
    4.6.3  大數據治理概念
    4.6.4  大數據治理要素
    4.6.5  大數據治理原則
    4.6.6  大數據治理的範圍
    4.6.7  大數據治理保障機制
  4.7  本章小結
  4.8  習題
第5章  人工智慧
  5.1  什麼是人工智慧
    5.1.1  什麼是智能
    5.1.2  人工智慧的定義
    5.1.3  強人工智慧與弱人工智慧
  5.2  人工智慧的發展歷程
    5.2.1  圖靈測試
    5.2.2  人工智慧的誕生
    5.2.3  人工智慧的發展階段
  5.3  人工智慧的要素
  5.4  人工智慧關鍵技術
    5.4.1  機器學習
    5.4.2  知識圖譜
    5.4.3  自然語言處理
    5.4.4  人機交互
    5.4.5  電腦視覺
    5.4.6  生物特徵識別
    5.4.7  VR AR
  5.5  人工智慧應用
    5.5.1  智能製造
    5.5.2  智能家居
    5.5.3  智能金融
    5.5.4  智能交通
    5.5.5  智能安防
    5.5.6  智能醫療
    5.5.7  智能物流
    5.5.8  智能零售
  5.6  人工智慧產業
    5.6.1  智能基礎設施建設
    5.6.2  智能信息及數據
    5.6.3  智能技術服務
    5.6.4  智能產品
  5.7  人工智慧與大數據的關係
    5.7.1  人工智慧與大數據的聯繫
    5.7.2  人工智慧與大數據的區別
  5.8  本章小結

  5.9  習題
第6章  大模型:人工智慧的前沿
  6.1  大模型概述
    6.1.1  大模型的概念
    6.1.2  大模型與小模型的區別
    6.1.3  大模型的發展歷程
    6.1.4  人工智慧與大模型的關係
    6.1.5  大模型在人工智慧領域的重要性
    6.1.6  大模型與AIGC的關係
  6.2  大模型產品
    6.2.1  國外的大模型產品
    6.2.2  國內的大模型產品
  6.3  大模型的基本原理
  6.4  大模型的特點
  6.5  大模型的分類
  6.6  大模型的成本
  6.7  大模型的應用領域
  6.8  大模型對人們工作和生活的影響
    6.8.1  大模型對工作的影響
    6.8.2  模型對生活的影響
  6.9  大模型的挑戰與未來發展
    6.9.1  大模型的挑戰
    6.9.2  大模型的未來發展
  6.10  本章小結
  6.11  習題
第7章  AIGC應用與實踐
  7.1  AIGC概述
    7.1.1  什麼是AIGC
    7.1.2  AIGC與大模型的關係
    7.1.3  AIGC的發展歷程
    7.1.4  常見的AIGC應用場景
    7.1.5  AIGC技術對行業發展的影響
    7.1.6  AIGC技術對職業發展的影響
    7.1.7  常見的AIGC大模型工具
    7.1.8  AIGC大模型的提示詞
  7.2  文本類AIGC應用實踐
    7.2.1  文本類AIGC應用場景
    7.2.2  文本類AIGC案例實踐
  7.3  圖片類AIGC應用實踐
    7.3.1  圖片類AIGC應用場景
    7.3.2  圖片類AIGC案例實踐
  7.4  語音類AIGC應用實踐
    7.4.1  語音類AIGC應用場景
    7.4.2  語音類AIGC案例實踐
  7.5  視頻類AIGC應用實踐
    7.5.1  視頻類AIGC應用場景
    7.5.2  代表性視頻類AIGC大模型
  7.6  AIGC技術在輔助編程中的應用
  7.7  本章小結
  7.8  習題

第8章  新興數字技術
  8.1  雲計算
    8.1.1  雲計算概念
    8.1.2  雲計算服務模式和類型
    8.1.3  雲計算數據中心
    8.1.4  雲計算的應用
    8.1.5  雲計算產業
  8.2  物聯網
    8.2.1  物聯網的概念
    8.2.2  物聯網關鍵技術
    8.2.3  物聯網的應用
    8.2.4  物聯網產業
  8.3  大數據與雲計算、物聯網的關係
  8.4  區塊鏈
    8.4.1  從比特幣說起
    8.4.2  區塊鏈的原理
    8.4.3  區塊鏈的定義
    8.4.4  區塊鏈的分類
    8.4.5  區塊鏈的應用
    8.4.6  區塊鏈的發展階段
    8.4.7  區塊鏈與大數據的關係
    8.4.8  區塊鏈技術的現狀與未來展望
  8.5  元宇宙
    8.5.1  元宇宙概述
    8.5.2  元宇宙的基本特徵
    8.5.3  元宇宙的核心技術
    8.5.4  元宇宙的典型應用場景
    8.5.5  元宇宙的風險與挑戰
    8.5.6  虛擬現實
    8.5.7  虛擬數字人
    8.5.8  數字孿生
  8.6  本章小結
  8.7  習題
第9章  新興數字技術的倫理問題
  9.1  大數據倫理
    9.1.1  大數據倫理典型案例
    9.1.2  大數據的倫理問題
    9.1.3  大數據倫理問題產生的原因
    9.1.4  大數據倫理問題的治理
  9.2  人工智慧倫理
    9.2.1  人工智慧倫理概念
    9.2.2  人工智慧的倫理問題
    9.2.3  人工智慧倫理典型案例
    9.2.4  人工智慧倫理的基本原則
    9.2.5  解決人工智慧倫理問題的策略
  9.3  區塊鏈倫理問題
    9.3.1  隱私保護與數據安全
    9.3.2  權力下放與中心化
    9.3.3  價值取向與道德評判
    9.3.4  責任界定與追責機制

    9.3.5  資源消耗與環境影響
  9.4  元宇宙倫理問題
    9.4.1  造成人的異化
    9.4.2  泄露人的隱私
    9.4.3  衝擊社會倫理
    9.4.4  去中心化風險
    9.4.5  跨文化衝突與價值觀碰撞
  9.5  本章小結
  9.6  習題
  9.6  本章小結
參考文獻

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032