本书是高等教育面向“四新”服务的信息技术课程系列教材之一，分为 Python 基础、人工智能基础和人工智能实践三部分。第一部分（第 1~7 章）主要介绍了 Python 的基础语法，包括 Python 的基本数据类型、变量、运算符、表达式、程序的控制结构、函数、集合与字典、文件处理等。第二部分（第 8~16 章）论述人工智能的发展、人工智能的三大学派、知识表示、机器学习、人工神经网络、机器视觉、自然语言处理、智能机器人等。第三部分（第 17~22 章）论述基于产生式的动物识别专家系统、基于决策树的银行贷款审批模型、鸢尾花的 K 均值聚类、利用卷积神经网络识别手写数字、利用 DCGAN 生成 MNIST 手写数字、深度强化学习玩 Flappy Bird 游戏等
6 个案例。
      本书围绕教育应用梳理人工智能学科领域的知识体系及其相互联系，总结人工智能技术在教育领域的应用场景，关注智能产品给人类的工作和生活带来的便利和影响，使学生体验人工智能技术带来的获得感，熟悉人工智能技术的应用场景，促进学生创新意识、综合能力和科技人文综合素质的发展。
      本书适合作为高等院校计算机基础公共课的教材，也可以作为中小学人工智能教师的参考书。

      2019 年 5 月，习近平在致国际人工智能与教育大会的贺信中指出：“人工智能是引领新一轮科技革命和产业变革的重要驱动力，正深刻改变着人们的生产、生活、学习方式，推动人类社会迎来人机协同、跨界融合、共创分享的智能时代。把握全球人工智能发展态势，找准突破口和主攻方向，培养大批具有创新能力和合作精神的人工智能高端人才，是教育的重要使命。”党的二十大报告明确指出，“加快建设教育强国、科技强国、人才强国，”将教育、科技、人才一体化部署，这是全面建成社会主义现代强国背景下党中央作出的重大战略部署和战略选择。人工智能已经给人类社会和生活带来了根本性的变化，作为新时代的大学生，应具备人工智能视野，并能够运用人工智能技术分析和解决专业问题。

      在人工智能与各行各业深度融合的背景下，大学计算机公共课内涵和内容亟待变革。本书编者开始探索和实践人工智能背景下大学计算机公共课的全面转型，针对大学师范生的特点，实现人工智能教育的落地，本书基于课程组关于人工智能背景下大学计算机公共课内容转型的研究成果特编写本书。通过学习本书，学生可学会如何利用人工智能的手段解决教育场景的各种复杂任务，重点是如何有效地运用 Python 语言、人工智能处理技术，对教育变革进行辅助决策。本书内容紧跟人工智能主流技术，选取了人工智能典型应用案例，同时采用 Python 作为讲授计算思维和人工智能的载体。
      希望学生通过对典型案例的分析和解决，充分认识到人工智能就在身边，我们与人工智能密不可分。
      本书的主要特色如下：

    （1）围绕教育应用梳理人工智能学科领域的知识体系及其相互联系，总结人工智能技术在教育的应用场景，关注智能产品给人类的工作和生活带来的便利和影响。
    （2）指导和帮助师范类学生顺利开展人工智能课程学习活动，使其从整体上了解人工智能基本知识，体验人工智能技术带来的获得感，熟悉人工智能技术的应用场景。
    （3）促进学生创新意识、综合能力和科技人文综合素质的发展，成为具有较高 AI科技素养、能适应未来智能化时代发展的建设者。
      本书由刘光洁、何鹍任主编，赵秀涛、吴爽任副主编，许渴进行了素材整理和配套资源的制作。
      限于编者水平，书中难免存在不足之处，恳请广大读者提出宝贵意见。
                                                                                                                                        编 者
                                                                                                                                   2023 年 8 月

第一部分 Python 基础

第 1 章 Python 简介 4

1.1 Python 语言的特点 4

1.2 Python 主要应用领域 6

1.3 Python 的安装 6

1.4 Python 开发环境  8

习题 .12

第 2 章 第一个 Python 源程序16

2.1 程序基本格式  17

2.2 变量及其命名规则 18

2.3 基本数据类型和组合数据类型21

2.4 字符串 26

习题  35

第 3 章 Python 程序流程控制40

3.1 Python 程序的构成 40

3.2 选择结构  41

3.3 循环结构  46

3.4 异常处理  49

习题  51

第 4 章 列表与元组57

4.1 列表 58

4.2 列表排序 64

4.3 序列类型通用方法 65

4.4 多维列表  66

4.5 元组 67 人工智能基础及教育应用

习题  70

第 5 章 字典与集合76

5.1 字典 76

5.2 集合 81

习题  84

第 6 章 函数 89

6.1 函数的基本概念 89

6.2 函数的定义和调用 90

6.3 参数的传递 93

6.4 参数的几种类型94

习题  99

第 7 章 文件与操作 104

7.1 文件的操作104

7.2 数据文件的存储与处理108

7.3 文件夹的操作  111

习题  114

第二部分 人工智能基础

第 8 章 人工智能之路 119

8.1 人工智能的概念 119

8.2 人工智能的判定方法  120

8.3 人工智能的发展历史  122

8.4 人工智能研究的 Agent 视角 129

8.5 人工智能的层级 130

8.6 人工智能研究的三大学派 131

8.7 人工智能的应用 133

8.8 人工智能的发展趋势  138

习题  138

第 9 章 知识表示 140

9.1 知识表示的概念 140

9.2 一阶谓词逻辑  141

II 目  录

9.3 产生式表示法  144

9.4 框架表示法 145

9.5 知识图谱  148

习题  150

第 10 章 基于知识的推理 151

10.1 推理的概念 151

10.2 确定性推理 152

10.3 不确定性推理  154

10.4 冲突消解  158

10.5 搜索求解策略 159

10.6 专家系统 163

习题  167

第 11 章 机器学习 170

11.1 机器学习的概念 170

11.2 有监督学习 172

11.3 无监督学习 178

11.4 半监督学习 180

11.5 迁移学习 182

习题  184

第 12 章 人工神经网络 186

12.1 生物神经元的结构与功能 186

12.2 神经元的数学模型187

12.3 单层感知机 188

12.4 多层前馈神经网络 190

12.5 误差反向传播算法 191

12.6 深度神经网络  192

习题  206

第 13 章 强化学习  208

13.1 强化学习概述  208

13.2 强化学习问题  209

13.3 马尔可夫决策过程 211

13.4 强化学习算法分类 213 工智能基础及教育应用

13.5 Q 学习算法 214

13.6 深度 Q 学习算法 214

习题  216

第 14 章 计算机视觉  218

14.1 计算机视觉概述 218

14.2 目标分类  218

14.3 目标检测  220

14.4 语义分割  221

14.5 目标跟踪 222

习题     223

第 15 章 自然语言处理. 224

15.1 自然语言处理概述 224

15.2 语音识别  227

15.3 机器翻译  227

习题  228

第 16 章 智能机器人  229

16.1 智能机器人概述   229

16.2 智能机器人的体系结构 231

16.3 机器人视觉系统  233

16.4 机器人规划 237

16.5 情感机器人 237

16.6 机器人应用 238

16.7 智能机器人的发展趋势 239

习题  240

第三部分 人工智能实践

第 17 章 基于产生式的动物识别专家系统  242

17.1 问题提出  242

17.2 解决思路  243

17.3 实验环境  244

17.4 核心代码  244

17.5 实验效果  245

第 18 章 基于决策树的银行贷款审批模型  246

18.1 问题提出  246

18.2 解决思路  247

18.3 实验环境  247

18.4 核心代码  247

18.5 实验效果  248

第 19 章 鸢尾花的 K 均值聚类 249

19.1 问题提出  249

19.2 解决思路  249

19.3 实验环境 250

19.4 核心代码  250

19.5 实验效果  250

第 20 章 利用卷积神经网络识别手写数字  252

20.1 问题提出  252

20.2 解决思路 252

20.3 实验环境  253

20.4 核心代码  253

20.5 实验效果  254

第 21 章 利用 DCGAN 生成 MNIST 手写数字 255

21.1 问题提出  255

21.2 解决思路  255

21.3 实验环境  256

21.4 核心代码  256

21.5 实验效果  257

第 22 章 利用深度强化学习玩 Flappy Bird 游戏  258

22.1 问题提出  258

22.2 解决思路  258

22.3 实验环境  258

22.4 核心代码  259

22.5 实验效果  260 人工智能基础及教育应用

附录 A Python 常用库  262

附录 B Python 在教学中的应用案例 272

附录 C 深度学习框架 275

附录 D Python 综合测试

 

      刘光洁，教授，就职于长春师范大学任计算机科学与技术学院院长，1993年本科毕业于长春师范大学数学教育专业，留校任教。2003年吉林大学计算数学硕士毕业，2015年6月吉林大学力学博士毕业。自1993年任教以来，先后承担过计算机基础、数值计算、离散数学、可视化数据库等多门课程，教学效果优异。先后获得骨干教师、杏坛精英等称号。是国家一流专业“计算机科学与技术”专业负责人，是省级“计算机应用”课程优秀团队负责人。主持吉林省精品在线开放课程“计算思维——师范生信息素养基础"，主持教育部新工科项目1项，主持教育部、省级教研项目6项。获得吉林省教学成果二等奖1项。主编普通高等教育“十二五”国家级规划教材一部，编写教材5部；主持吉林省科技厅重点研发项目1项。发表EI/SCI检索论文20余篇。

      何鹍，副教授，就职于长春师范大学计算机科学与技术学院，任教研室主任。2006.年本科毕业于吉林大学计算机科学与技术学院，2008年吉林大学交通学院硕士毕业，2013年吉林大学交通学院博士毕业。2008年7月至今长春师范大学专任教师，从事计算机公共课的教学与管理工作，参与国家863高技术课题及省级课题十余项，主编普通高等教育规划教材近十部。

本书内容紧跟人工智能主流技术，选取了人工智能典型应用案例，同时采用 Python 作为讲授计算思维和人工智能的载体。