计算与人工智能概论

罗娟 等

目录

  • 1 计算与人工智能概述
    • 1.1 计算的历史
    • 1.2 计算机是如何工作的（上）
    • 1.3 计算机是如何工作的（下）
    • 1.4 计算思维（上）
    • 1.5 计算思维（下）
    • 1.6 人工智能（上）
    • 1.7 人工智能（下）
    • 1.8 物联网泛在感知助力城市安全—未来“智能建筑”发展
      • 1.8.1 物联网泛在感知助力建筑智能化转型
      • 1.8.2 智能建筑物联网泛在感知计算模型
      • 1.8.3 智能建筑物联网泛在感知关键技术
      • 1.8.4 智能建筑物联网泛在感知应用案例
  • 2 计算系统
    • 2.1 计算与计算机简述
    • 2.2 图灵机模型图灵机
    • 2.3 冯·诺依曼体系结构
    • 2.4 机器算法、机器指令、机器级程序
    • 2.5 冯.诺依曼工作原理、并行计算、嵌入式计算
    • 2.6 计算执行
    • 2.7 未来计算机
    • 2.8 超级计算与芯片设计
      • 2.8.1 超算——探索计算的极限（上）
      • 2.8.2 超算——探索计算的极限（下）
      • 2.8.3 芯片——中国芯的成长之路（上）
      • 2.8.4 芯片——中国芯的成长之路（下）
  • 3 Python编程基础
    • 3.1 问题求解的计算思维方法
    • 3.2 在屏幕上计算输出并绘制篮球坐标点
    • 3.3 用函数的方式在屏幕上绘制篮球坐标点
    • 3.4 在合理的范围内计算并绘制篮球坐标点
    • 3.5 在合理的范围内计算并绘制多个篮球坐标点
    • 3.6 在合理的范围内计算并绘制多条篮球轨迹线
  • 4 Python编程进阶
    • 4.1 用列表的方式在屏幕上绘制多条篮球轨迹线
    • 4.2 用字典的方式在屏幕上绘制多条篮球轨迹线
    • 4.3 用文件的方式在屏幕上绘制多条篮球轨迹线
    • 4.4 机器人百分百投篮
  • 5 算法策略——从穷举到二分
    • 5.1 问题提出与数学建模
    • 5.2 算法的表达：数据结构与控制结构
    • 5.3 穷举法及其效率分析
    • 5.4 二分搜索算法
    • 5.5 用二分搜索设计新算法
    • 5.6 问题拓展：采集4块岩石
    • 5.7 八皇后问题
      • 5.7.1 八皇后问题及其建模
      • 5.7.2 穷举算法求解八皇后问题
      • 5.7.3 八皇后问题的回溯算法
      • 5.7.4 n皇后问题的递归回溯算法
      • 5.7.5 n皇后问题的智能算法
  • 6 图像与感知
    • 6.1 自然语言处理
    • 6.2 机器视觉技术
    • 6.3 模式识别
    • 6.4 计算机中的图像表示及语义感知
    • 6.5 图像变换
    • 6.6 目标检测算法简介
    • 6.7 基于深度学习的目标检测算法
    • 6.8 YOLO算法的基本概念及原理
    • 6.9 YOLO算法的训练和测试
    • 6.10 无人驾驶
      • 6.10.1 无人驾驶简介
      • 6.10.2 无人驾驶系统
      • 6.10.3 无人驾驶小车（1）
      • 6.10.4 无人驾驶小车（2）
  • 7 人工智能与机器学习
    • 7.1 人工智能与机器学习简介
    • 7.2 监督学习——决策树
    • 7.3 监督学习——k近邻
    • 7.4 无监督学习
    • 7.5 算法基本概念简介
    • 7.6 决策树算法-树的建立
    • 7.7 决策树算法-树的剪枝
    • 7.8 k近邻算法
    • 7.9 k-means 算法
    • 7.10 深度学习应用
      • 7.10.1 深度学习——图像识别
      • 7.10.2 图像识别深度学习方法
      • 7.10.3 基于昇腾AI的实验设计（1）
      • 7.10.4 基于昇腾AI的实验设计（2）
      • 7.10.5 拓展练习
  • 8 智能决策：搜索与优化
    • 8.1 搜索策略
    • 8.2 强化学习——概念
    • 8.3 强化学习——案例
    • 8.4 群体智能
    • 8.5 搜索与优化概述
    • 8.6 遗传算法
    • 8.7 模拟退火
    • 8.8 粒子群优化算法
  • 9 大数据与机器人
    • 9.1 智能机器人
    • 9.2 什么是大数据和主流平台
    • 9.3 大数据架构及Hadoop生态
    • 9.4 MapReduce原理
    • 9.5 机器人知识图谱
    • 9.6 机器人运动学和动力学
    • 9.7 机器人应用展示
  • 10 互联网数据处理
    • 10.1 互联网基础
    • 10.2 HTML语言简介
    • 10.3 网络爬虫
    • 10.4 信息提取
    • 10.5 爬虫协议
    • 10.6 NLP基础
      • 10.6.1 中文文本处理(上)
      • 10.6.2 中文文本处理(中)
      • 10.6.3 中文文本处理(下)
  • 11 数据管理与大数据
    • 11.1 数据管理的三个阶段
    • 11.2 数据库系统的组成
    • 11.3 数据库设计
    • 11.4 数据库和数据表基本操作
    • 11.5 Python操作数据库
  • 12 数据分析
    • 12.1 数据分析定义及应用场景
    • 12.2 数据分析步骤
    • 12.3 从数据文件到字典
    • 12.4 数据处理pandas数据统计
    • 12.5 数据可视化
    • 12.6 数据挖掘
    • 12.7 GDP数据可视化、曲线拟合及预测
      • 12.7.1 GDP数据预处理
      • 12.7.2 GDP数据基本统计
      • 12.7.3 GDP数据的可视化(hyr)
      • 12.7.4 GDP数据曲线拟合梯度下降法原理
      • 12.7.5 GDP数据曲线拟合梯度下降法实现
      • 12.7.6 GDP数据曲线拟合sklearn库实现
  • 13 阅读
    • 13.1 阅读
  • 14 调查问卷
    • 14.1 调查问卷
算法基本概念简介
  • 1 视频
  • 2 章节测验