-
绪章绪论
整体介绍计算与人工智能
-
●0.1计算与人工智能概论-导学（上）
整体介绍计算与人工智能
-
●0.2计算与人工智能概论-导学（下）
整体介绍计算与人工智能
-
第一章计算与人工智能概述
本章首先介绍了计算、计算机和计算机语言的概念。接着介绍了计算思维，其包含了四步：问题分解、模式识别、模式抽象和算法设计。最后介绍了人工智能的概念及其发展。
-
●1.1计算的历史
本节通过回顾计算的历史，介绍了计算机的发展过程，重点介绍了图灵机、冯诺依曼体系、计算机系统以及计算机语言四个内容。
-
●1.2计算机是如何工作的（上）
本节通过回顾计算的历史，介绍了计算机的发展过程，重点介绍了图灵机、冯诺依曼体系、计算机系统以及计算机语言四个内容。
-
●1.3计算机是如何工作的（下）
本节通过回顾计算的历史，介绍了计算机的发展过程，重点介绍了图灵机、冯诺依曼体系、计算机系统以及计算机语言四个内容。
-
●1.4计算思维（上）
本节介绍了计算思维的概念，计算思维包含了问题分解、模式识别、模式抽象和算法设计四个步骤，通过多个案列分别介绍了四个步骤的内容。
-
●1.5计算思维（下）
本节介绍了计算思维的概念，计算思维包含了问题分解、模式识别、模式抽象和算法设计四个步骤，通过多个案列分别介绍了四个步骤的内容。
-
●1.6人工智能（上）
本节首先按照计算思维的四个步骤介绍了智能移动机器人的路径规划算法，了解智能从何而来。接着介绍了人工智能的由来和相关研究。最后介绍了人工智能的发展。
-
●1.7人工智能（下）
本节首先按照计算思维的四个步骤介绍了智能移动机器人的路径规划算法，了解智能从何而来。接着介绍了人工智能的由来和相关研究。最后介绍了人工智能的发展。
-
●1.8物联网泛在感知助力城市安全—未来“智能建筑”发展
数字时代，科技飞速发展，物联网技术的广泛应用已成为现代城市发展的重要支撑，其在智能建筑领域的应用更是推动了城市安全的全面提升。物联网的泛在感知能力使得智能建筑能够更好地服务于人们的生活，同时也有效地保护人民的生命财产安全。本章主要介绍智能建筑中物联网技术的应用。重点关注城市建筑的数字化发展，学习物联网泛在感知关键技术的基本概念，深入探讨物联网泛在感知如何为未来的“智能建筑”带来革命性的改变，并结合实际案例的讲解以加深理解。
-
第二章计算系统
本章按照计算思维的方式分析了智能应用是如何实现的。通过问题抽象发现智能应用最终都可抽象为图灵机模型。以图灵机模型为起点，介绍了计算机的工作原理，以及从程序的角度介绍了计算执行，最后介绍了未来计算机。
-
●2.1计算与计算机简述
本节通过计算思维的方式分析了智能应用最终都可抽象为图灵机模型。图灵机模型包括输入集合、输出集合、内部状态和固定程序四个要素，冯∙诺依曼计算机则是图灵机模型的工程化实现，更是现代计算机的基础。接着介绍了计算机的工作原理和计算环境。
-
●2.2图灵机模型图灵机
本节通过计算思维的方式分析了智能应用最终都可抽象为图灵机模型。图灵机模型包括输入集合、输出集合、内部状态和固定程序四个要素，冯∙诺依曼计算机则是图灵机模型的工程化实现，更是现代计算机的基础。接着介绍了计算机的工作原理和计算环境。
-
●2.3冯·诺依曼体系结构
本节通过计算思维的方式分析了智能应用最终都可抽象为图灵机模型。图灵机模型包括输入集合、输出集合、内部状态和固定程序四个要素，冯∙诺依曼计算机则是图灵机模型的工程化实现，更是现代计算机的基础。接着介绍了计算机的工作原理和计算环境。
-
●2.4机器算法、机器指令、机器级程序
本节通过计算思维的方式分析了智能应用最终都可抽象为图灵机模型。图灵机模型包括输入集合、输出集合、内部状态和固定程序四个要素，冯∙诺依曼计算机则是图灵机模型的工程化实现，更是现代计算机的基础。接着介绍了计算机的工作原理和计算环境。
-
●2.5冯.诺依曼工作原理、并行计算、嵌入式计算
本节通过计算思维的方式分析了智能应用最终都可抽象为图灵机模型。图灵机模型包括输入集合、输出集合、内部状态和固定程序四个要素，冯∙诺依曼计算机则是图灵机模型的工程化实现，更是现代计算机的基础。接着介绍了计算机的工作原理和计算环境。
-
●2.6计算执行
本节从操作系统的角度介绍了计算的执行，包括编译、链接和装载程序，进程和线程的调度以及文件系统。
-
●2.7未来计算机
未来计算机系统将会朝着微型化、巨型化、网络化和智能化发展。本节介绍了现有的超级计算机和量子计算机，并介绍了未来人工智能将怎样发展。
-
●2.8超级计算与芯片设计
高性能超级计算机，是世界发达国家争抢的重要“制高点”，对国家安全、经济和社会发展，具有举足轻重的支持作用。本章主要从浅入深介绍超算的概念，组成以及应用，并结合我国实际超算发展案例的讲解以加深对超算在国家地位重要性的理解。
-
第三章python编程基础
本章从机器人百分百投篮案例出发，用计算思维的方法分析其解决过程，并在案例任务的实现过程中，讲解python基本语法，三种基本的程序设计方法：顺序、分支和循环，讲解函数式编程，用模块化程序设计的思想，完成函数代码的复用与封装。
-
●3.1问题求解的计算思维方法
本小节是在理解计算思维基本概念的基础上，掌握问题求解的计算思维方法。具体来说：以机器人百分百投篮问题为例，用问题分解，模式识别，抽象，算法设计的方法分析其解决过程，并在解决案例任务的过程中明确嵌入的python知识点，从而培养学生的计算思维能力，为后续开展案例化教学做好准备。
-
●3.2在屏幕上计算输出并绘制篮球坐标点
本小节完成如何计算、输出并绘制篮球坐标点的案例任务。在解决案例任务的过程中学习python编程的基本语法：如：数据的表示，数据的类型，数据的输入与输出，模块库的导入，变量的赋值，表达式的计算等，并能求解简单的计算问题。
-
●3.3用函数的方式在屏幕上绘制篮球坐标点
本小节完成如何用函数封装的方式计算并绘制篮球坐标点。在解决案例任务的过程中学习python函数的基本知识：如函数的定义，函数参数的使用，函数的调用与返回，同时学习函数式编程，用模块化程序设计的思想，完成了函数代码的复用与封装。
-
●3.4在合理的范围内计算并绘制篮球坐标点
本小节实现如何在合理的范围内计算并绘制一个篮球坐标点。在解决案例任务的过程中学习python分支的基本知识，让计算机具有选择与判断的能力，能解决带条件的多分支问题。
-
●3.5在合理的范围内计算并绘制多个篮球坐标点
本小节实现如何在合理的范围内计算并绘制多个篮球坐标点。在解决案例任务的过程中学习python循环的基本知识，掌握 while循环的使用，让计算机具有循环重复的能力，能解决简单的循环问题。
-
●3.6在合理的范围内计算并绘制多条篮球轨迹线
本小节实现如何在合理的范围内计算并绘制多条篮球轨迹线？在解决案例任务的过程中学习python多重循环的基本知识，掌握 while多重循环的使用，让计算机具有多重循环的能力，能解决较复杂的循环问题。
-
第四章python编程进阶
本章用列表、字典和文件的方式实现在屏幕上绘制机器人多次投篮多条轨迹线的任务，在解决案例任务的过程中讲解了列表、字典和文件的基本知识和基本操作。并在此基础上，用模块化程序设计的方法解决了机器人百分百投篮案例，为后续学习算法设计，数据分析与处理，人工智能应用打好坚实的基础。
-
●4.1用列表的方式在屏幕上绘制多条篮球轨迹线
本小节实现如何用列表的方式在屏幕上绘制多条篮球轨迹线。在解决案例任务的过程中学习python列表的基本知识，掌握列表的基本操作，让计算机具有存储与处理大容量有序数据的能力，能解决较复杂的工程问题。
-
●4.2用字典的方式在屏幕上绘制多条篮球轨迹线
本小节实现如何用字典的方式在屏幕上绘制多条篮球轨迹线。在解决案例任务的过程中学习python字典的基本知识，掌握字典的基本概念、基本操作，让计算机具有能存储与处理映射类型数据的能力，能解决较复杂的工程问题。
-
●4.3用文件的方式在屏幕上绘制多条篮球轨迹线
本小节实现如何用文件的方式在合理的范围内计算并绘制多条篮球轨迹线的任务。在解决案例任务的过程中学习python文件的基本知识，掌握JSON文件的读写操作，学习利用文件来永久保存数据信息，能解决较复杂的工程问题。
-
●4.4机器人百分百投篮
本小节讲解如何用模块化程序设计的方法实现机器人百分百投篮案例。在解决案例任务的过程中，巩固与应用已学python知识，进一步理解函数代码的复用与封装，并能用python语言解决较复杂的工程问题，为后续学习算法设计，数据分析与处理，人工智能应用打好坚实的基础。
-
第五章算法策略——从穷举到二分
本章通过对“岩石采集问题”的求解，展示求解一个问题需要掌握的关键步骤，即数学建模、数据结构设计、控制结构设计、算法策略的选择等，比较了不同算法策略对算法效率的影响，最后通过一个拓展问题的求解演示了算法的魅力。
-
●5.1问题提出与数学建模
本节给出贯穿本章全部内容的案例：火星车采集岩石标本问题，然后对问题进行抽象，并且建立数学模型，后面的算法设计、程序设计等内容，都是以这个数学模型为基础的。
-
●5.2算法的表达：数据结构与控制结构
以第一部分建立的数学模型为基础，学习如何设计合适的数据结构来表达问题求解涉及到的数据，以及如何设计合理的控制结构来表达问题求解的步骤，同时，还介绍如何绘制流程图来描述算法的控制结构。
-
●5.3穷举法及其效率分析
我们已经为该问题建立了数学模型，并且选择了顺序表作为数据结构，本节介绍最基本的算法：穷举法，穷举法的本质是对问题的解空间进行遍历并验证每个解是否符合问题的约束条件，最后对穷举法的效率进行了分析。
-
●5.4二分搜索算法
穷举法是最基本的算法，该算法对解空间中所有的可能解进行逐一验证，而“岩石采集问题”的解空间大小是n(n-1)/2，当问题规模增加时，解空间的增长趋势是平方级的，因此算法消耗的时间也是平方级增长。算法在本质上是在解空间中搜索符合约束条件的解，逐一验证所有可能解只是求解问题的方法之一，还有很多效率更高的算法策略，能够帮助我们更高效地在解空间中搜索最终的解，本节介绍一种常见的、也是非常高效的解空间搜索方法：二分搜索算法。
-
●5.5“用二分搜索设计新算法”
本节学习如何用二分搜索算法对“岩石采集问题”的穷举算法进行改进，改进的目标是提高算法的效率，“岩石采集问题”穷举算法的时间复杂度是O(n2)，改进算法的目标是将复杂度降低为O(nlogn)。
-
●5.6问题拓展：采集4块岩石
上一节使用二分法对“岩石采集问题”的穷举算法进行了改进，获得了不错的性能，本节对问题进行拓展，将要采集的岩石数目增加为4块，增加了问题难度，然后演示如何用二分法来求解新问题。
-
●5.7八皇后问题
算法是一个有穷规则的集合，它用规则规定了解决某一特定类型问题的运算序列，或者规定了任务执行或问题求解的一系列步骤。本节以“八皇后问题”为例，通过数学模型的建立、穷举算法的设计、更高效的回溯算法的设计、更通用的递归回溯算法的设计、以及智能算法的设计，一步步向你展示算法设计的魅力与奥妙。
-
第六章图像与感知
机器要像人类一样精准理解现实世界中的视觉信息，需要具备图像表征与处理的能力。本章主要针对图像数据介绍其在计算机中的存储与基本变换操作，在此基础上以目标检测算法为例讲述计算机如何对于图像内容进行语义理解。
-
●6.1自然语言处理
这节课我们来学习自然语言处理，探究机器是如何识别人类语言。
-
●6.2机器视觉设计
这节课我们来学习机器视觉处理。
-
●6.3模式识别
模式识别就是面对具体事物时，将它正确地归为某一个模式类别。模式识别是人类的一项基本智能，本节课我们来学习模式识别。
-
●6.4计算机中的图像表示及语义感知
在本章的第一小节，我们首先图像在计算机中的存储表示以及感知任务进行介绍。
-
●6.5图像变换
现实世界中语义对象的视觉表征往往呈现出多样性，因而需要对图像进行变换操作以模拟丰富多样的视觉表征。本节主要介绍几种常见的图像变换操作包括平移、旋转、放大、缩小等。
-
●6.6目标检测算法简介
目标检测是人眼具备的最基本的视觉语义理解能力。计算机中的目标检测算法往往基于大量的图像数据，将目标检测问题转换为经典的分类问题。本节介绍了传统目标检测算法的基本思路，并分析了相关算法的优缺点。
-
●6.7基于深度学习的目标检测算法
上一节中讲述的传统目标检测算法在特征提取上往往鲁棒性不强，而深度学习算法具有强大的视觉特征提取能力。本节主要讲述深度学习算法在目标检测上的应用以及优缺点，并对现有的基于深度学习的目标检测算法进行归纳总结。
-
●6.8YOLO算法的基本概念及原理
相比于传统的目标检测算法采用分类模型，YOLO算法将目标检测问题转换为回归模型，大幅提高了目标检测的效率。本节介绍经典的YOLO目标检测算法,从算法原理与基本特点上进行概括。
-
●6.9YOLO算法的训练和测试
YOLO算法在模型训练与测试上往往具有精度高、速度快等优点。本节针对YOLO算法模型详细讲述训练与测试过程，并对相关的模型结构以及参数进行了细致分析。
-
●6.10无人驾驶
《计算与人工智能概论》案例之无人驾驶，从无人驾驶简介、无人驾驶系统、无人驾驶小车三个部分，讲解无人驾驶系统的基本概念、基本原理和技术，以及一个低速园区无人驾驶小车实例。
-
第七章人工智能与机器学习
机器要像人类一样掌握常识并做出精准的预测，需要具备精确推理外部信息的能力。预测学习便是一种使机器学会精确推理的过程。当今主流的预测学习有3类：监督学习、无监督学习以及半监督学习。本章我们将介绍监督学习、无监督学习。
-
●7.1人工智能与机器学习简介
随着人工智能的飞速发展，智能机器人的出现大大减轻了人类的劳动负担，并在一定意义上提高了人类的生活质量以及工作效率。本章将简要介绍机器人这一高新技术产物的产生、发展以及应用。
-
●7.2监督学习——决策树
监督学习是指机器的学习系统通过学习信息之间的组合关系来对从未见过的数据进行有效的预测。
-
●7.3监督学习——k近邻
监督学习是指机器的学习系统通过学习信息之间的组合关系来对从未见过的数据进行有效的预测。
-
●7.4无监督学习
在无监督学习中，模型只能获取大量的无标记数据，它们需要利用这些无标记数据来进行学习，从而找到这些数据中潜在的组织结构。
-
●7.5算法基本概念简介
在本章的第一小节，我们首先对这一类算法中的主要概念进行介绍。
-
●7.6决策树算法-树的建立
根据预测的对象是否有标记信息，我们可以把预测学习方法分为监督学习和无监督学习。本节首先介绍监督学习的经典算法之一——决策树算法。
-
●7.7决策树算法-树的剪枝
决策树学习的目的是使得建立的树具有较强的泛化能力。在用上一节的知识构造完一棵决策树后，这棵树的性能未必是最好的，还需要对其进行修剪。本节介绍决策树中的剪枝操作。
-
●7.8k近邻算法
在分析一个人时，可以观察和他最亲密的几个人；同理，在判定一个未知事物时，可以观察离它最近的几个样本。这也是k近邻算法的直观理解。k近邻算法也是一种经典的监督学习方法，本节我们将具体介绍k近邻算法。
-
●7.9k-means 算法
在实际工作中，我们得到的数据大多是缺少标签的。对这种缺少标签的数据进行聚类，就需要利用无监督学习的方法。本节介绍一种经典的无监督学习算法——k-means算法。
-
●7.10深度学习应用
本案例包括四个部分内容，将依次介绍什么是图像识别、图像识别的深度学习方法、基于昇腾AI的实验设计以及拓展练习。
-
第八章智能决策：搜索与优化
本章的主要内容包括智能决策概述、搜索与优化技术、智能优化算法。重点介绍三种经典的智能优化算法，遗传算法、模拟退火算法、粒子群优化算法。对每一种搜索与优化技术在讲解原理的同时，将结合实际案例讲解以加深理解。
-
●8.1搜索策略
本节课我们来学习搜索策略。简单来说，搜索策略就是通过搜索可行解来做出决策。
-
●8.2强化学习——概念
人类的交互学习是一种在反复试验中试错的学习过程，强化学习模拟了人类的交互学习。本节我们将介绍强化学习的基本原理
-
●8.3强化学习——案例
人类的交互学习是一种在反复试验中试错的学习过程，强化学习模拟了人类的交互学习。本节我们将介绍强化学习的应用。
-
●8.4群体智能
这节课我们来学习机器学习中用于解决决策任务的群体智能算法。
-
●8.5搜索与优化概述
本节的主要内容是智能决策——搜索与优化技术概述，介绍智能决策的概念、典型的智能决策系统的结构、常见的搜索与优化技术。本节将结合实际案例讲解以加深理解。
-
●8.6遗传算法
本节介绍遗传算法的原理、遗传算法的求解过程、遗传算法的组成部分、遗传算法的设计过程，并以遗传算法求解八皇后问题为例讲解算法的设计过程。最后，将讲解如何应用遗传算法求解实际的流水车间调度问题。
-
●8.7模拟退火
本节介绍模拟退火算法的原理、模拟退火算法的设计，并介绍如何设计模拟退火算法求解N皇后问题。
-
●8.8粒子群优化算法
本节介绍粒子群优化算法的原理，粒子群优化算法的设计过程。将通过动画演示加深对算法原理的理解。
-
第九章大数据与机器人
随着人工智能技术成熟，大数据不断累积，两者更加紧密地结合，具备对数据的理解、分析和决策能力，从而能从数据中获取更深层次的知识。本章首先介绍大数据与机器人相关概念，然后通过真实案例来讲解与其相关技术。
-
●9.1智能机器人
这节课我们来学习智能机器人，了解一下机器人这一高新技术产物的产生、发展以及应用。
-
●9.2什么是大数据和主流平台
从物联网、5G等技术发展，引出大数据的概念，并通过相关案例引发学生对大数据前景的思考，以及机器如何来完成如此庞大数据的处理。
-
●9.3大数据架构及Hadoop生态
从物联网、5G等技术发展，引出大数据的概念，并通过相关案例引发学生对大数据前景的思考，以及机器如何来完成如此庞大数据的处理。
-
●9.4MapReduce原理
从物联网、5G等技术发展，引出大数据的概念，并通过相关案例引发学生对大数据前景的思考，以及机器如何来完成如此庞大数据的处理。
-
●9.5机器人知识图谱
介绍机器人的运动学和动力学，用人的手臂的运动讲解机械臂的设计过程，引入自由度、笛卡尔空间和关节空间的概念。并以此为基础，进一步讲解笛卡尔空间和关节空间之间的转换模型。
-
●9.6机器人运动学和动力学
介绍机器人的运动学和动力学，用人的手臂的运动讲解机械臂的设计过程，引入自由度、笛卡尔空间和关节空间的概念。并以此为基础，进一步讲解笛卡尔空间和关节空间之间的转换模型。
-
●9.7机器人应用展示
介绍机器人的运动学和动力学，用人的手臂的运动讲解机械臂的设计过程，引入自由度、笛卡尔空间和关节空间的概念。并以此为基础，进一步讲解笛卡尔空间和关节空间之间的转换模型。
-
第十章互联网数据处理
计算机网络是20世纪最伟大的技术成就之一。现代社会人们获取信息绝大部分来源于互联网。本章介绍了计算机网络发展历史和基础知识，如何通过网络爬虫获取网页信息及提取所需要的信息。
-
●10.1互联网基础
本节先介绍计算机网络的发展历史，然后以访问两个网页为例提出四个问题，在回答问题中介绍因特网特点， Web系统构成及工作原理。
-
●10.2HTML语言简介
本节结合实例简要什么是HTML？以校训网页xx.html制作为例介绍了HTML文档基本格式，网页制作的步骤和遵循的Web标准。
-
●10.3网络爬虫
本节介绍了网络爬虫的工作流程，以爬取湖南大学网站首页（http://www.hnu.edu.cn）为例介绍用requests库爬取网页的过程。然后介绍了requests库的安装，get请求方法，响应对象属性等内容。
-
●10.4信息提取
本节介绍了以Beautifulsoup4库及HTMLParser解析网页提取网页信息的步骤和方法，包括标签及属性，查找标签的方法find和findall等内容。最后以提取湖南大学网站首页新闻标题信息为例演示网页信息提取的过程。
-
●10.5爬虫协议
本节介绍了网络爬虫需要遵循相应的法律法规，robots网络排除协议及建立原则，网络爬虫引发的问题。最后，介绍了组图爬取的案例分析和实现过程。
-
●10.6nlp基础
中文分词对理解中文文本信息具有重要作用。本章从计算思维问题求解的角度讲解计算机中文分词的解决方法。为了直观理解中文文本内容介绍了词云图及制作词云图的方法。本章结合二十大报告高频词统计和词云图制作的实际案例进行讲解以深入领会二十大精神。
-
第十一章数据管理与大数据
介绍计算机数据管理的三个阶段，再通过一个教务管理数据库系统的案例，详细地讲解数据库系统的组成，如何设计数据库，在mysql中如何建立数据库和数据表，通过sql语句对数据表进行增删查改。最后如何通过python程序来管理mysql中建立的数据库。
-
●11.1计算机数据管理的三个阶段
介绍计算机数据管理的三个阶段-人工管理阶段、文件系统阶段和数据库管理阶段。
-
●11.2数据库系统的组成
介绍数据库系统的组成：计算机硬件、数据库集合、数据库管理系统、其他软件和工作人员。
-
●11.3数据库设计
介绍如何设计数据库：需求分析、确定数据表、数据表的结构、确定数据表的主关键字，确定数据之间的关系。
-
●11.4数据库和数据表基本操作
介绍在mysql中建立数据库和数据表，如何使用sql语句对数据表进行增删查改。
-
●11.5python操作数据库
介绍如何编写python程序，通过pymysql库来操作mysql中的数据库。
-
第十二章数据分析
介绍数据分析的定义以及应用场景，再通过一个气候数据分析的案例，详细地讲解数据分析的步骤。包括使用python程序将文件中的数据存入到字典，使用pandas库进行数据统计，使用matplotlib库绘制图表，以及使用sklearn库进行数据挖掘的过程。
-
●12.1数据分析定义及应用场景
介绍数据分析的定义，及其在天气预报、农牧业、医疗卫生教育行业、金融行业、电商行业、制造业、物流配送、交通出行的应用场景。
-
●12.2数据分析步骤
通过对新一线城市-长沙的气候数据分析，帮助大家了解数据分析的基本步骤：包括数据采集、数据处理、数据分析和挖掘、数据可视化4个部分。
-
●12.3从数据文件到字典
介绍如何编写python程序，将数据文件中的数据，存储到python的数据结构-字典中。
-
●12.4数据处理pandas数据统计
介绍如何编写python程序，将字典中的数据导入到pandas库的数据集中，对数据进行统计、筛选、分组统计、连接等操作。
-
●12.5数据可视化
介绍如何编写python程序，通过matplotlib库中提供的pyplot模块，绘制柱状图和折线图，以及如何设置图表选项，绘制子图。
-
●12.6数据挖掘
介绍数据挖掘的概念，简介sklearn库和支持向量回归svr算法，如何进行数据准备、导入数据集、划分训练集和测试集、预测数据、评估模型。
-
●12.7GDP数据可视化、曲线拟合及预测
为了清楚阐述机器学习算法原理，以一个完整又不失趣味的例子讲述了数据的预处理、数据可视化、梯度下降算法拟合曲线及预测的全流程过程。数据选用的是世界银行发布的历年来全球GDP数据，以便学习机器学习流程的过程中，了解世界经济发展历史、现状及趋势。带着问题一路引领，最终达到知识授予及融会贯通的目的，期间适时穿插思政内容，启迪学生思维的同时注重思想教育。以案例的形式，将知识点融入其中，适合零基础的学生逐步掌握机器学习理论及实践。课程中的代码完整而又环环相扣，重点代码均有详细解析及参考资料，适合有余力的学生自学并扩展学习。
