《计算机基础与应用简明教程（人工智能版）》全套教学课件.pptx

第1章信息技术概述;本章教学目标;1.1.1信息技术及其发展

;1.1信息技术

;1.1.2计算机的发展

;1.1.3云计算;1.2计算机硬件组成;1.3数字和编码;1.3数字和编码;1.3数字和编码;1.3数字和编码;1.3数字和编码;1.3数字和编码;1.4计算机软件;1.4计算机软件;第2章操作系统与数据安全;本章教学目标;Linux操作系统;国产操作系统;文件管理;文件管理;文件管理;文件管理的行命令;权限管理;文件压缩;软件的安装与运行;信息安全;信息安全;加密与解密;区块链;第3章计算思维与Python语言;本章教学目标;3.1计算思维;3.1.1.1理论意义;3.1.2计算思维特征;3.2Python语言基础;3.2Python语言基础;3.2.2组合数据类型;3.2.2组合数据类型;3.2.2组合数据类型;3.2.2组合数据类型;3.2.3程序控制结构（顺序、分支和循环结构）;3.3程序控制结构（顺序、分支和循环结构）;3.3程序控制结构（顺序、分支和循环结构）;第4章数据处理;本章教学目标;4.1电子表格;4.1.2单元格;4.1.3工作表格式化;4.1.4图表;4.1.5排序和筛选;4.1.6分类汇总;4.1.7数据透视表;4.2基于电子表格的数据分析;4.2.2模拟运算表;4.2.3规划求解;4.2.3规划求解;4.3用Python编程处理电子表格;4.3.2大量数据汇总;4.4pandas数据处理;4.4.2数据操作;4.4.3数据持久化;第5章关系型数据库;本章教学目标;5.1关系型数据库概述;三级模式结构：

内模式（物理存储）

模式（逻辑结构）

外模式（用户视图）

数据独立性（物理独立性与逻辑独立性）

;ACID特性;5.1关系型数据库概述;数据库管理系统分类;E-R图;本课件是可编辑的正常PPT课件;5.2数据库设计与管理;数据库设计范式;数据完整性约束;本课件是可编辑的正常PPT课件;数据迁移;5.3数据查询与数据操作;5.3数据查询与数据操作;5.3数据查询与数据操作;5.3数据查询与数据操作;第6章数字通信与网络;教学目标;6.1数字通信;6.2计算机网络;OSI模型;TCP/IP模型;6.3互联网及其应用;本课件是可编辑的正常PPT课件;6.4物联网（IoT）;6.5HTML与网页构建;第7章大数据与数据可视化;教学目标;7.1大数据;7.1.2数据可视化的基本概念;7.1.2数据可视化的基本概念;7.2FineBI数据仪表板;7.2FineBI数据仪表板;7.2FineBI数据仪表板;7.2FineBI数据仪表板;7.3Matplotlib数据可视化;7.3Matplotlib数据可视化;7.3Matplotlib数据可视化;第8章人工智能;教学目标;8.1人工智能的基本概念;8.1人工智能的基本概念;8.1人工智能的基本概念;8.2机器学习;8.2机器学习;某药用植物由于原产地不同，药性有所差异。在“药材.csv”文件中记录了原产地分别为A（分类代码0）、B（分类代码1）和C（分类代码2）的药用植物叶片数据，包括叶长、叶宽、叶尖长和叶柄长数据（单位cm），局部数据如图所示。用sklearn进行分类建模。

①引用机器学习工具包并读入数据。

importnumpyasnp

importpandasaspd

filename=./药材.csv

data=pd.read_csv(filename)

X=data.iloc[1:,:-1] #数据集习惯上用大写形式，不含标题行，前4列数据

y=data.iloc[1:,-1] #标签习惯上用小写形式，不含标题行，最后一列为标签列

②划分数据。将已知数据分成2组：训练集（60%）和测试集（40%）。

fromsklearn.model_selectionimporttrain_test_split

X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.4)

③训练建模。使用训练集来构建相关特征的模型。

fromsklearn.neighborsimportKNeighborsClassifier

clf=KNeighborsClassifier(n_neighbors=3)

clf.fit(X_train,y_train)

;临床研究发现，空腹血糖值与血液总胆固醇和甘油三酯两项独立指标具有线性关系。“血糖数据.xlsx”文件中有135