高中信息技术学业水平考试复习—算法、大数据、人工智能

本文主要对高中信息技术第三章算法基础、第四章大数据、第五章人工智能等总结和复习希望对家长信息技术学复习有所帮助。

算法基础

编写计算机程序解决问题要经过分析问题、设计算法、编写程序、调试程序

1. 分析问题：分析问题实际需求，已知条件，求问题
2. 设计算法：解决问题的详细方案和步骤
3. 编写程序：选择一种语言来编写程序
4. 调试程序：对程序的可靠性进行验证

一、 算法

算法是在有限的步骤内求解一个问题使用的一组定义明确的规划，也就是利用计算机求解一个问题的方法一组指令。

算法的特征

1. 有穷性：步骤有限
2. 确定性：语义明确
3. 数字输入：有一个或多个输入
4. 数字输出：一个算法和多个输出
5. 可行性：语句在有限的时间内可执行

二、 算法描述

1.自然语言描述：日常所有的语言进行描述

2.流程图描述算法

3.伪代码描述算法

三种基本控制语言

顺序结构、选择结构、循环结构，图（1）

图（1）三种基本结构

计算机组成

计算机有 输入、输出、存储器、CPU（运算器、控制器）图（2）

图（2）计算机程序运行图

计算机程序设计语言

1. 机器语言：由二进制0和1组成
2. 汇编语言：用英文单词之类的之类来执行，比如 move等
3. 高级语言：比如C语言

第四章 程序设计基础

常量：程序运行中发生变化的量。（数字、字母、下划线组成变量名，以字母打头）

变量：程序在运行过程中始终不发生变化的量，比如 pi.

数据类型

常见的数据类型有

int float

string

list

tuple

sets

dictionary

运算符与表达式

+ 、— 、*、 / 、%、 // （整除）

逻辑表达

And 、 or 、not

常见赋值表达式

+=、—=、*=

Python函数

1. Abs()绝对值

2. Len() 长度求解

3. Min() 最小值

4. Max()最大值

5. Int()整型

6. Float()小数型

7. Bin()二进制转换

8. Sum()求和

9. Input()输入

10. Print()输出

All()集合是否都是真

Bool()如果值是假的则返回flase.

第五章 认识大数据

一、 大数据

大数据是指无法在可承受的时间范围内使用软件工具进行高效捕捉、管理和处理的数据结合，是需要新处理模式下才能具有更强的决策力。

例如：物联网、云计算、手机、电脑

二、 大数据的特征

大数据具有4V特征

1. 大量：数据体巨大

2. 多样：数据类型多样化

3. 低价值密度：数据有用部分较少

4. 高速：数据变化快，以秒为单位

三、 从互联网思维来看大数据具有：样本趋向总体，精确让位于模糊，相关性终于因果

1. 大数据强调是全部而不是抽样数据
2. 大数据不追求精确而是追求模糊
3. 但数据不追求因果，而追求相关性
4. 大数据存储是分布式的

四、 大数据对日常的影响

正面：支付、出行、购物、产品推销

负面：个人信息泄密、信息诈骗、

五、 数据采集的方法和工具

1. 系统日志采集法：通过软件系统中的日志来记录系统中的软件、硬件系统文件

2. 网络数据采集法

3. 通过网络爬虫或网站公开API等方式从网络站获取数据信息。

4. 其他采集方式

5. 通过科研单位获得

六、 数据的保护

主要把数据放在本地内部、另外一种是放在第三方存储，比如云存储

数据保护主要分为数据安全保护，比如采用备份、复制、镜像、持续备份等技术实现。同时为了保护数字呗非法访问则采用通过访问控制、匿名处理等方式来人为的控制。

七、 数据分析

运用数字化工具和技术，探索数据内在的结构和规律，构建数学模型，进行可视化表达，并转换为只是，预测未来发挥作用。数据分析一般包含：特征探索、关联分析、聚类分类、建立模型、模型评价

1. 特征分析：对数据进行预处理，发现和处理缺失值。比如最大值和最小值

2. 关联分析：分析并发现大量数据之间的关联性和相关性，从而描述一个事物共同属性和规律。

3. 聚类分析：给出一个标准，从样本数据出发，自动进行分类。

4. 数据分类：数据分类是数据分析中最常见的方法，是基于样本数据构建分类函数。

八、 数据的可可视化表达

通过丰富的视觉效果呈现数据所反映的本质问题，有效的提升数据分析的效率。

可视化数据的表达

主要有 有关趋势的分析、有关比例的分析、有关关系的分析

数据可视化工具

Seabornbokeh

第六章人工智能及其应用

一、 人工智能

是计算机学科的一个分支，是研究计算机模拟人的一些思维、能力、智力行为的学科

人工智能的产生和发展

第一阶段：基于抽象数学推理课编程书籍计算机出现

第二阶段：数学模型的发展，基于专家获取信息

第三阶段：大数据的集聚、理论算法革新

二、 人工智能的应用

u 智能制造

u 智能家居：基于物联网技术，家庭应用

u 智能交通：无人驾驶

u 智能医疗：医疗影像