本书是作者在人工智能和大数据教学领域多年耕耘的结晶，内容经过多位具有丰富教学经验的教师实践打磨，具有很强的实用性和可操作性。本书定位于为广大学习者提供一条贯穿思维训练的人工智能与大数据学习路径，旨在培养学习者运用人工智能思维和数据思维解决实际问题的能力。

全书共9章。第1章和第2章，从人工智能应用实例引入计算思维与数据思维，阐述计算是人工智能的基础，同时介绍数据思维、人工智能思维的概念、发展历程及其在解决实际问题中的重要性。第3章和第4章，介绍Python编程的基础知识和进阶技能，涵盖编程基本概念、语言特点、核心数据结构（列表、字典）和函数的使用方法，使读者能够编写并优化Python程序，为后续学习人工智能应用打下坚实基础。第5章、第6章和第7章，从数据管理的演变到数据分析的方法与流程，再到人工智能基础技术（如机器学习、深度学习）的原理与应用，系统阐述数据与智能技术在现代科技中的核心作用及相互关联。第8章以智慧粮库为例，介绍我国粮库管理技术的发展沿革及人工智能应用，让读者了解人工智能和大数据技术在实际场景中的应用。第9章探讨人工智能与大数据应用中的伦理和社会问题，包括隐私保护、算法偏见与社会责任等，引导读者思考技术发展与伦理道德的平衡。

本书不仅适合作为高等院校各专业人工智能与大数据通识课程的教材，也为对相关内容感兴趣的读者提供了优质的自学资源，有助于他们在各自专业领域运用人工智能与大数据技术做好充分准备。

前辅文
第1章 计算与计算思维
  1.1 计算
   1.1.1 计算的定义
   1.1.2 计算模型——图灵机
   1.1.3 计算执行——电子计算机
   1.1.4 计算翻译——指令、计算机语言与程序
   1.1.5 大计算
  1.2 计算思维
   1.2.1 计算思维的概念
   1.2.2 问题求解方法
   1.2.3 算法
  本章小结
  习题
第2章 数据思维与AI思维
  2.1 数据思维
   2.1.1 第四范式
   2.1.2 数据思维
   2.1.3 数据思维与大数据
  2.2 探索人工智能
   2.2.1 人工智能发展
   2.2.2 人工智能应用领域
   2.2.3 人工智能思维（AI思维）
  本章小结
  习题
第3章 Python编程基础
  3.1 编程的基本概念
   3.1.1 程序设计语言
   3.1.2 Python语言概述
   3.1.3 程序的基本要素
  3.2 Python常用的内置函数
   3.2.1 数值计算函数
   3.2.2 类型转换及查看函数
   3.2.3 排序函数
   3.2.4 枚举与迭代
   3.2.5 其他常用函数
  3.3 基本的程序设计方法
   3.3.1 单分支
   3.3.2 双分支
   3.3.3 多分支
   3.3.4 for循环
   3.3.5 循环嵌套
  本章小结
  习题
第4章 Python编程进阶
  4.1 列表
   4.1.1 列表的引入
   4.1.2 列表的创建及访问
   4.1.3 列表的基本操作
   4.1.4 列表的应用
  4.2 字典
   4.2.1 字典的概念
   4.2.2 字典的创建及访问
   4.2.3 字典的基本操作
   4.2.4 字典的嵌套
   4.2.5 字典的应用
  4.3 函数
   4.3.1 函数的定义
   4.3.2 函数的调用
   4.3.3 函数的参数传递
   4.3.4 变量作用域
   4.3.5 函数的返回值
   4.3.6 匿名函数
   4.3.7 函数的复用
   4.3.8 函数的应用
  4.4 Python综合案例——粮库实时温度分析
   4.4.1 案例任务描述
   4.4.2 案例任务分析
   4.4.3 程序模块的代码实现
   4.4.4 案例运行结果
  本章小结
  习题
第5章 数据管理与大数据
  5.1 计算机数据管理
   5.1.1 人工管理阶段
   5.1.2 文件系统阶段
   5.1.3 数据库系统阶段
  5.2 数据库及其设计
   5.2.1 关系型数据库
   5.2.2 数据库设计
   5.2.3 数据库的现代发展
  5.3 大数据简介
   5.3.1 大数据的概念与背景
   5.3.2 大数据的特征
   5.3.3 大数据处理过程概述
   5.3.4 粮食行业大数据应用解决方案示例
  本章小结
  习题
第6章 数据分析
  6.1 数据分析应用
   6.1.1 数据分析概述
   6.1.2 数据分析应用场景
  6.2 数据分析案例
   6.2.1 学生成绩预测案例
   6.2.2 数据分析的基本步骤
   6.2.3 基于中国气象站的数据分析案例
   6.2.4 数据分析软件
  6.3 数据分析详解
   6.3.1 数据采集
   6.3.2 数据处理
   6.3.3 数据分析策略和方法
   6.3.4 数据挖掘
   6.3.5 数据可视化
  本章小结
  习题
第7章 人工智能基础技术概述
  7.1 引言
  7.2 机器学习的原理与应用
   7.2.1 机器学习的基本原理
   7.2.2 机器学习的类型与应用
  7.3 深度学习的原理和应用
   7.3.1 深度学习基本原理
   7.3.2 卷积神经网络
   7.3.3 深度学习的应用
  7.4 自然语言处理技术
   7.4.1 自然语言处理发展历程
   7.4.2 自然语言处理任务
  7.5 生成式AI及少代码编程
   7.5.1 生成式AI简介
   7.5.2 少代码编程
  7.6 智能体及AI应用开发
  本章小结
  习题
第8章 人工智能与大数据应用案例
  8.1 智慧粮库简介
   8.1.1 我国粮库管理技术发展沿革
   8.1.2 人工智能时代的智慧粮库展望
  8.2 粮食流通监管与品质检测
   8.2.1 粮面异动检测
   8.2.2 小麦不完善粒检测
  8.3 储粮害虫知识图谱
   8.3.1 知识图谱简介
   8.3.2 知识图谱在储粮害虫领域的应用
  8.4 粮食保管智能问答
   8.4.1 智能问答简介
   8.4.2 智能问答搭建
   8.4.3 粮食保管智能问答实现
   8.4.4 智能问答快速搭建实例
  本章小结
  习题
第9章 人工智能与大数据的伦理和社会问题
  9.1 隐私保护问题
   9.1.1 隐私泄露事件与应对
   9.1.2 数据收集与用户授权
   9.1.3 隐私保护技术应用
  9.2 算法偏见问题
   9.2.1 偏见产生根源及表现形态
   9.2.2 偏见检测和识别技术
   9.2.3 治理改进路径
  9.3 社会责任问题
   9.3.1 主体维度
   9.3.2 治理维度
  本章小结
  习题
参考文献