全书分为三部分共19章，第一部分内容包括大数据的概论、架构、采集及预处理、存储、分析与挖掘、可视化和应用；第二部分内容包括人工智能概论、机器学习、深度学习、人工智能应用、大模型、AIGC应用与实践；第三部分内容包括Python的概述、语法基础、列表与字典、控制结构、文件与数据库、常用类库。
本书内容全面、讲解通俗易懂，选取的案例贴近生活和实际应用。其中，实例的代码均经过运行和测试，并提供了Python的字符界面和Jupyter平台运行结果界面，供读者参考。
本书既可作为高等院校各个专业人工智能通识教学的基础教材，又可作为大数据、人工智能、大模型等领域爱好者的参考用书。
杨忠宝，长春工程学院计算机学院副教授，基础教学部主任，主讲C语言程序设计、网页设计、大数据与人工智能等课程。
佘向飞，长春工程学院计算机学院副教授，软件工程教研室副主任，主讲大数据与人工智能、Python语言程序设计等课程。
目 录
第一部分 大数据篇
第1章 绪论 3
1.1 大数据的定义 3
1.2 大数据的产生 3
1.3 大数据的来源 4
1.4 大数据的特征 4
第2章 大数据架构 6
2.1 云计算 6
2.1.1 云计算的两大核心功能 7
2.1.2 云计算的典型特征 7
2.1.3 云计算的三种模式 8
2.1.4 云计算的服务模式 8
2.1.5 云计算数据中心 9
2.1.6 云计算典型应用 9
2.2 大数据架构及关键技术 10
2.2.1 大数据架构 10
2.2.2 关键技术 11
2.3 Hadoop体系架构 11
第3章 大数据采集及预处理 22
3.1 大数据采集 22
3.2 网络爬虫 23
3.3 数据预处理 41
3.3.1 数据预处理的原因 41
3.3.2 数据预处理技术 41
第4章 大数据存储 42
4.1 大数据存储概述 42
4.2 大数据的存储设备 43
4.3 数据库和数据仓库 44
4.3.1 传统数据库 44
4.3.2 大数据数据库 45
4.3.3 数据仓库 49
第5章 大数据分析与挖掘 51
5.1 大数据分析 51
5.2 大数据挖掘 53
第6章 大数据可视化 55
6.1 数据可视化 55
6.2 大数据可视化的方法 56
6.3 大数据可视化工具 61
第7章 大数据应用 66
7.1 国外大数据应用 66
7.2 国内大数据应用 68
第二部分 人工智能篇
第8章 人工智能概论 73
8.1 人工智能的概念 73
8.2 人工智能的分类和学派 74
8.2.1 人工智能的分类 74
8.2.2 人工智能的学派 75
8.3 人工智能的发展 76
8.4 人工智能研究的基本内容 79
8.5 当人工智能遇上大数据 81
8.6 人工智能引发的思考 81
第9章 机器学习 84
9.1 机器学习概述 84
9.2 机器学习的基本流程 86
9.3 机器学习算法 88
9.4 决策树分类 89
9.5 逻辑回归分类 102
9.6 支持向量机 107
9.7 聚类 113
9.8 关联规则 116
9.9 人工神经网络 119
第10章 深度学习 141
10.1 深度学习概述 141
10.2 卷积神经网络 143
10.3 循环神经网络 144
10.4 生成对抗网络 145
10.5 强化学习 147
10.6 迁移学习 148
10.7 对偶学习 148
第11章 人工智能应用 150
11.1 图像识别与分类 150
11.2 语音识别 152
11.3 人脸识别 152
11.4 自动驾驶 153
11.5 智能家居 154
11.6 专家系统 156
11.7 机器人 157
11.8 自然语言处理 158
11.9 其他AI应用 160
第12章 大模型 161
12.1 大模型的概念 161
12.1.1 大模型的定义 161
12.1.2 “大”体现在何处 162
12.1.3 大模型的主要类型 162
12.1.4 大模型的核心特征 163
12.1.5 大模型的命名由来 163
12.1.6 大模型的核心逻辑 164
12.1.7 大模型的发展起点 164
12.2 大模型与小模型的区别 164
12.2.1 大模型与小模型的核心
维度对比 164
12.2.2 大模型与小模型的适用
场景选择 165
12.2.3 模型并非越大越好 166
12.2.4 专用小模型的独特优势 166
12.3 大模型的发展历程 166
12.3.1 大模型发展的关键阶段 166
12.3.2 大模型的技术演进趋势 168
12.3.3 国内大模型的发展现状 168
12.3.4 Transformer架构的
核心意义 169
12.4 大模型与人工智能的关系 169
12.4.1 核心概念的包含关系：
用集合理解层级 169
12.4.2 层级图示描述：用同心圆
理解位置 170
12.4.3 大模型已成为当前人工
智能领域的核心焦点 171
12.5 大模型在人工智能领域的重要性 171
12.5.1 开发范式转变：重构AI
开发模式 172
12.5.2 核心能力提升：拓展AI
的能力边界 172
12.5.3 行业影响：推动各行各业
智能化转型 173
12.5.4 战略意义：国家技术竞争的
核心赛道 173
12.6 大模型与AIGC的关系 173
12.6.1 核心关系：引擎与输出，
底座与应用 173
12.6.2 依赖关系：AIGC的爆发
源于大模型的突破 174
12.6.3 关键澄清：AIGC与大模型
并非完全等同 174
12.7 大模型基本原理 175
12.7.1 大模型的核心架构 175
12.7.2 大模型的训练过程 175
12.7.3 大模型的工作原理 176
12.7.4 大模型的局限性 177
12.8 智能体 177
12.8.1 智能体的定义 177
12.8.2 智能体的应用 178
12.8.3 智能体的优势与特征 180
12.8.4 智能体的组成与工作原理 182
12.8.5 智能体产品 183
12.8.6 智能体实战 185
12.8.7 智能体未来 198
第13章 AIGC应用与实践 201
13.1 AIGC概述 201
13.1.1 AIGC的定义 202
13.1.2 内容生产模式的演变 202
13.1.3 AIGC的核心技术逻辑 202
13.1.4 AIGC的核心价值 203
13.2 AIGC的发展历程 203
13.2.1 AIGC的发展阶段 203
13.2.2 AIGC发展的技术驱动力 205
13.3 常见的AIGC应用场景 205
13.3.1 AIGC应用场景宏观分类 205
13.3.2 AIGC融入日常工作流的
场景图谱 207
13.3.3 人机协同 207
13.4 常见的AIGC大模型工具 208
13.4.1 按模态分类的主流AIGC
大模型工具 208
13.4.2 AIGC大模型工具
选择指南 211
13.4.3 AIGC大模型工具的
常见访问方式 211
13.5 文本生成类AIGC的应用场景 212
13.5.1 文本生成类AIGC的
核心能力 212
13.5.2 文本生成的典型工作流 212
13.5.3 提示词工程 213
13.5.4 案例演示：用AI辅助
撰写商务邀约邮件 214
13.5.5 文本生成类AIGC的
局限性 216
13.6 图像生成类AIGC的应用场景 217
13.6.1 图像生成类AIGC的
核心生成类型 217
13.6.2 图像生成类AIGC的
技术特点 218
13.6.3 图像生成类AIGC的
典型应用场景 218
13.6.4 案例演示：设计师利用AI
快速出设计草图 219
13.6.5 图像生成类AIGC的
版权与伦理争议 221
13.7 演示文稿生成类AIGC的应用场景 222
13.7.1 传统PPT制作的痛点 222
13.7.2 AI制作PPT的典型
工作流程 222
13.7.3 演示文稿生成类AIGC工具的
核心能力 223
13.7.4 案例演示：职场人用AI 10分钟
完成工作汇报PPT初稿 223
13.7.5 注意事项：AI生成PPT，
不可完全依赖 225
13.8 语音生成类AIGC的应用场景 226
13.8.1 语音生成类AIGC的
主要功能 226
13.8.2 语音生成类AIGC的
典型应用场景 227
13.8.3 语音生成类AIGC的
情感与表现力提升 227
13.8.4 安全风险：深度伪造（Deepfake）语音的诈骗隐患与防范 228
13.9 视频生成类AIGC的应用场景 228
13.9.1 视频生成类AIGC的
技术现状 229
13.9.2 视频生成类AIGC的
典型应用场景 229
13.9.3 视频生成类AIGC的
挑战与局限 230
13.9.4 未来展望：视频生成类AIGC
对影视行业的影响 232
第三部分 实践篇
第14章 Python概述 235
14.1 Python的发展简史 235
14.2 Python的特点 236
14.3 Python的应用领域 237
14.4 Python开发环境的安装配置 239
14.4.1 Jupyter Notebook 240
14.4.2 Spyder 240
14.4.3 Anaconda Prompt 241
14.5 Python类库的导入 243
第15章 Python语法基础 245
15.1 标识符、常量、变量 245
15.2 数据类型、运算符 246
15.2.1 数据类型 246
15.2.2 运算符 252
15.3 函数 257
15.3.1 内置函数 257
15.3.2 用户自定义函数 260
15.4 正则表达式 261
15.4.1 元字符 261
15.4.2 预定义字符 262
15.4.3 匹配函数 262
第16章 列表与字典 266
16.1 列表 266
16.2 字典 272
16.3 元组 274
16.4 集合 275
第17章 Python控制结构 277
17.1 顺序结构 277
17.2 选择结构 278
17.2.1 单分支if语句 278
17.2.2 双分支if语句 279
17.2.3 多分支if语句 279
17.2.4 if语句的嵌套 280
17.3 循环结构 282
17.3.1 while语句 282
17.3.2 for语句 284
17.3.3 break语句和continue语句 287
17.3.4 循环嵌套 289
17.4 经典算法 290
第18章 文件与数据库 292
18.1 文件的概念及分类 292
18.2 文件的打开与关闭 294
18.2.1 文件的打开 294
18.2.2 文件的关闭 295
18.3 文件的读/写 295
18.3.1 用于文件读/写的方法 295
18.3.2 文件读/写示例 296
18.4 数据库访问 299
18.4.1 Access的访问 299
18.4.2 MySQL的访问 307
18.4.3 MongoDB的访问 319
第19章 Python常用类库 331
19.1 NumPy库 332
19.2 Matplotlib库 335
19.3 Pandas库 341
19.4 Scikit-learn库 345
19.5 Keras库 345
参考文献 352
精品教材 更多
