本书以智能数据处理技术和应用为核心，全书共分为数据处理基础、数据分析技术与人工智能方法两篇，详细阐述了人工智能、大数据、区块链等当代前沿信息技术的概念和应用，在“数据处理基础”一篇中，以“图书销售”为例，通过Access 2016系统介绍了数据存储的概念和数据存储应用技术，并在“数据分析技术与人工智能方法”一篇中，进一步介绍了智能数据分析语言——Python、数值数据智能分析技术、文本数据智能分析技术、人工智能分析方法、智能计算思维及其应用。本书通过一系列实例分析，深入浅出地向读者介绍了信息、数据、大数据、人工智能、区块链、数据存储概念及应用技术(Access 2016)、Python程序设计语言、数值数据和文本数据智能分析技术、人工智能分析方法和智能计算思维。
本书适合于全国高等学校各专业作为“新文科”与“新工科”建设背景下的人工智能和数据处理通识课教材使用，也可作为智能数据处理的普及读物供广大读者自学或参考。

第一篇 数据处理基础
第1章 数据处理基础与人工智能技术前沿
1.1 信息、数据、大数据
1.1.1 信息
1.1.2 数据
1.1.3 大数据
1.2 信息(数据)处理技术分类及发展
1.2.1 信息(数据)处理技术
1.2.2 信息(数据)存储技术
1.2.3 智能数据分析技术
1.3 人工智能与信息技术前沿
1.3.1 人工智能
1.3.2 数据挖掘
1.3.3 机器学习
1.3.4 大数据处理与人工智能
1.3.5 区块链技术
1.3.6 智能科学发展的新趋势
本章小结
思考题
第2章 数据存储基本理论(关系数据库)
2.1 数据库实例与数据模型
2.1.1 Access数据库实例
2.1.2 数据模型
2.2 关系数据模型的基本理论
2.2.1 关系数据模型的三要素
2.2.2 关系及相关概念
2.2.3 关系数据库的数据完整性约束
2.3 关系数据理论的进一步分析
2.3.1 关系代数
2.3.2 关系的规范化
2.4 数据库体系结构
2.4.1 三层体系结构
2.4.2 数据库管理系统概述
本章小结
思考题
第3章 数据存储设计与Access数据库管理
3.1 数据库设计方法
3.1.1 数据库设计的定义
3.1.2 数据库设计的步骤
3.2 实体联系模型及转化
3.2.1 ER模型的基本概念
3.2.2 ER图
3.2.3 ER模型向关系模型的转化
3.2.4 设计ER模型的进一步探讨
3.2.5 术语对照
3.3 图书销售管理数据库设计
3.3.1 需求调查与分析
3.3.2 概念设计与逻辑设计
3.4 Access概述
3.4.1 Access的发展
3.4.2 Access的启动和退出
3.4.3 Access的用户界面
3.5 创建Access数据库
3.5.1 Access数据库基础
3.5.2 创建数据库
3.6 Access数据库管理
3.6.1 数据库的打开与关闭
3.6.2 数据库管理
本章小结
思考题
第4章 表与关系
4.1 Access数据库的表对象及创建方法
4.2 数据类型
4.3 表的创建
4.3.1 数据库的物理设计
4.3.2 应用设计视图创建表
4.3.3 用其他方法创建表
4.4 建立表之间的关系
4.4.1 表之间关系的类型及创建
4.4.2 对关系进行编辑
4.5 表的操作
4.5.1 表记录的输入
4.5.2 表记录的修改和删除
4.5.3 对表的其他操作
4.5.4 修改表结构和删除表
4.5.5 表的导出
本章小结
思考题
第5章 数据存储中的查询
5.1 查询及查询对象
5.1.1 理解查询
5.1.2 SQL概述
5.1.3 Access查询的工作界面
5.1.4 查询的分类与查询对象
5.2 SQL查询
5.2.1 Access数据运算与表达式
5.2.2 几种常用的SQL查询
5.2.3 SQL的追加功能
5.2.4 SQL的更新功能
5.2.5 SQL的删除功能
5.2.6 SQL的定义功能
5.3 选择查询
5.3.1 创建选择查询
5.3.2 选择查询的进一步设置
5.3.3 汇总与分组统计查询设计
5.3.4 子查询设计
5.3.5 交叉表查询
5.4 查询向导
5.4.1 简单查询向导
5.4.2 交叉表查询向导
5.4.3 查找重复项查询向导
5.4.4 查找不匹配项查询向导
5.5 动作查询
5.5.1 生成表查询
5.5.2 追加查询
5.5.3 更新查询
5.5.4 删除查询
5.6 SQL特定查询
5.6.1 联合查询
5.6.2 传递查询
5.6.3 数据定义查询
本章小结
思考题
第二篇 数据分析技术与人工智能方法
第6章 智能数据分析语言——Python
6.1 Python语言概述
6.1.1 Python简介
6.1.2 为何使用Python做数据分析
6.2 Python的安装与配置
6.2.1 Windows系统中下载并安装Python
6.2.2 第一个Python程序
6.3 Python语言基础
6.3.1 Python语法特点
6.3.2 变量
6.3.3 常用数据类型
6.3.4 运算符和表达式
6.3.5 常用序列结构
6.3.6 循环控制语句
6.3.7 函数
6.3.8 模块
6.3.9 基本输入输出
6.4 AI Studio平台介绍
6.4.1 运行一个简单的项目
6.4.2 新建一个简单的项目
本章小结
思考题
第7章 数值数据智能分析技术
7.1 数值数据智能分析基础
7.1.1 NumPy数据处理
7.1.2 Pandas库基础
7.2 数值数据的导入和导出
7.2.1 Python数据库交互接口
7.2.2 导入CSV文件
7.2.3 导出CSV文件
7.2.4 导入Excel文件
7.2.5 导出Excel文件
7.3 数据统计
7.3.1 基本统计
7.3.2 分组统计
7.4 数据合并、连接和排序
7.4.1 Pandas 合并、连接
7.4.2 排序
7.5 数据筛选和过滤功能
7.5.1 筛选
7.5.2 按筛选条件进行汇总
7.5.3 过滤
7.6 数据科学制图
7.6.1 Matplotlib基础
7.6.2 折线图