本书系统地介绍了基于Python 平台的人工智能的原理及实现过程，全书共7 章。第1 章“从这里开始认 识Python”，介绍人工智能及Python 基础知识；第2 章“Python 语法基础”，通过生动有趣的实验实例介绍 Python 编程语法知识；第3 章“Python 程序设计”，以实例为基础，介绍Python 的编程方法；第4 章“数据 结构”，通过范例介绍列表、元组、字典、集合、函数等数据结构的使用方法；第5 章“数据库及应用”，主 要介绍Python 数据库应用及Web 应用开发技术，通过实例讲解Python 数据库应用；第6 章“大数据应用”， 基于实例，主要介绍网络爬虫、Excel 数据爬取及分析处理等技术，了解数据挖掘分析处理等大数据应用技 术的一般设计流程；第7 章“人工智能”，以具体实例讲解照片人脸识别、图像识别、视频人脸识别、聊天 机器人、微信语音聊天机器人、图文识别、语音识别及花朵识别等人工智能深度学习技术。 本书图文并茂，示例丰富，讲解细致透彻，介绍深入浅出，章后练习精广，具有很强的实用性和可操作 性，适合初学或自学Python 的学生，可作为中小学STEM 教育或培训机构的人工智能课程教材，也可作为 大中专院校人工智能、软件工程、计算机等专业以及相关课程的教材或参考书，还可以当作全国计算机二级 （Python）考试的教材使用。

本书以Python为平台，以将概念、实例和经典应用相结合的方式，介绍如何利用Python实现人工智能。全书分为9章，内容包括：人工智能的基础，人工智能背景下的科学计算，人工神经网络，迁移学习，网络爬虫，智能数据分析，机器学习，智能模型分析，人工智能的应用。为了帮助读者更好地掌握相关知识，书中每章节都通过理论与实例相结合的方式，让读者在掌握概念的同时，掌握程序设计方法，并能利用程序设计解决实际问题。

本书系统地介绍了基于Python 平台的人工智能的原理及实现过程，全书共7 章。第1 章“从这里开始认 识Python”，介绍人工智能及Python 基础知识；第2 章“Python 语法基础”，通过生动有趣的实验实例介绍 Python 编程语法知识；第3 章“Python 程序设计”，以实例为基础，介绍Python 的编程方法；第4 章“数据 结构”，通过范例介绍列表、元组、字典、集合、函数等数据结构的使用方法；第5 章“数据库及应用”，主 要介绍Python 数据库应用及Web 应用开发技术，通过实例讲解Python 数据库应用；第6 章“大数据应用”， 基于实例，主要介绍网络爬虫、Excel 数据爬取及分析处理等技术，了解数据挖掘分析处理等大数据应用技 术的一般设计流程；第7 章“人工智能”，以具体实例讲解照片人脸识别、图像识别、视频人脸识别、聊天 机器人、微信语音聊天机器人、图文识别、语音识别及花朵识别等人工智能深度学习技术。 本书图文并茂，示例丰富，讲解细致透彻，介绍深入浅出，章后练习精广，具有很强的实用性和可操作 性，适合初学或自学Python 的学生，可作为中小学STEM 教育或培训机构的人工智能课程教材，也可作为 大中专院校人工智能、软件工程、计算机等专业以及相关课程的教材或参考书，还可以当作全国计算机二级 （Python）考试的教材使用。

本书在不涉及大量数学与编程知识的前提下，从零开始，逐步带领读者熟悉并掌握当下***的基于Python 3的人工智能编程工具，包括但不限于数据分析（Pandas），以及支持单机（Scikitlearn）、深度（PyTorch、TensorFlow、PaddlePaddle）和分布式（PySparkML）机器学习的开源程序库，等等。 全书共分为4部分，分别如下。 （1） 入门篇： 包括对全书核心概念的指南性介绍，以及如何在多种主流PC操作系统上（如Windows、macOS和Ubuntu）配置基本编程环境的详细说明。 （2） 基础篇： 涵盖了Python 3.11的编程基础、基于Pandas 2.0的数据分析，以及使用Scikitlearn 1.3解决大量经典的单机（单核/多核）机器学习问题。 （3） 进阶篇： 介绍如何使用PyTorch 2.0、TensorFlow 2.12，以及PaddlePaddle 2.5，分别搭建多种深度学习神经网络框架。尝试基于PySpark 3.4的ML编程库完成一些常见的分布式机器学习任务。 （4） 实践篇： 利用全书所讲授的Python编程、数据分析，以及（单机、深度、分布式）机器学习知识，从事Kaggle多种类型的竞赛实战。同时，介绍如何使用Git工具，在Gitee与GitHub平台上更新和维护自己的日常代码与编程项目。 综上，本书面向所有对人工智能领域感兴趣的读者，特别适合从事数据挖掘、机器学习、计算机视觉、自然语言处理等相关技术研发和应用实践的初学者。

本书在不涉及大量数学与编程知识的前提下，从零开始，逐步带领读者熟悉并掌握当下***的基于Python 3的人工智能编程工具，包括但不限于数据分析（Pandas），以及支持单机（Scikitlearn）、深度（PyTorch、TensorFlow、PaddlePaddle）和分布式（PySparkML）机器学习的开源程序库，等等。 全书共分为4部分，分别如下。 （1） 入门篇： 包括对全书核心概念的指南性介绍，以及如何在多种主流PC操作系统上（如Windows、macOS和Ubuntu）配置基本编程环境的详细说明。 （2） 基础篇： 涵盖了Python 3.11的编程基础、基于Pandas 2.0的数据分析，以及使用Scikitlearn 1.3解决大量经典的单机（单核/多核）机器学习问题。 （3） 进阶篇： 介绍如何使用PyTorch 2.0、TensorFlow 2.12，以及PaddlePaddle 2.5，分别搭建多种深度学习神经网络框架。尝试基于PySpark 3.4的ML编程库完成一些常见的分布式机器学习任务。 （4） 实践篇： 利用全书所讲授的Python编程、数据分析，以及（单机、深度、分布式）机器学习知识，从事Kaggle多种类型的竞赛实战。同时，介绍如何使用Git工具，在Gitee与GitHub平台上更新和维护自己的日常代码与编程项目。 综上，本书面向所有对人工智能领域感兴趣的读者，特别适合从事数据挖掘、机器学习、计算机视觉、自然语言处理等相关技术研发和应用实践的初学者。

作为计算机科学的一个分支，人工智能主要研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统，涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向。 本书包括引言、基础知识、基于知识的系统、高级专题以及现在和未来五部分内容。第一部分从人工智能的定义讲起，就人工智能的早期历史、思维和智能的内涵、图灵测试、启发法、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示和产生式系统等基础知识。第三部分介绍并探究了人工智能领域的成功案例，如DENDRAL、MYCIN、EMYCIN等经典的专家系统，振动故障诊断、自动牙科识别等新的专家系统，以及受到自然启发的搜索等。第四部分介绍了自然语言处理和自动规划等高级专题。第五部分对人工智能的历史和现状进行了梳理，回顾了几十年来人...(展开全部)

《人工智能（AI）应用从入门到精通》是一本人工智能应用入门级读物，全书分基础篇和应用篇两个部分。基础篇包括人工智能的基本认知、人工智能的关键技术、人工智能的基本要素、人工智能的产业应用和人工智能的伦理安全五部分内容；应用篇包括人工智能+教育、人工智能+医疗、人工智能+金融、人工智能+交 通、人工智能+安防、人工智能+零售、人工智能+物流、人工智能+制造和人工智 能+农业九章内容。本书去理论化，简单易懂，全面系统地涵盖了人工智能的相关知识，既简明扼要地介绍了这一学科的基础知识，适合人工智能相关领域和对该领域感兴趣的读者阅读，也适合大中专院校的老师、学生以及科普机构、基地的参观者学习参考。

从《终结者》、《黑客帝国》、《机器人瓦利》再到《超验骇客》，我们多数人对人工智能的认识还停留在好莱坞电影阶段，然而，人工智能作为一门计算机科学分支究竟是什么样的？目前发展到了什么阶段？能够战胜人类的终极AI机器真的会存在吗？从这本书中，你很快就会发现问题的答案。本书将全面介绍人工智能的发展历史、探究过程以及在各个领域的应用，以通俗易懂的语言和生动有趣的示例为你揭示人工智能不为人知的奥秘。全面介绍了人工智能的历史及其在各个领域的发展及应用。既有科学的严谨性，又不乏趣味性，以通俗的语言和生动的示例将科学之美展现得淋漓尽致，有助于读者开阔视野，激发进一步探索科学的兴趣。

本书系统地介绍了人工智能的基本原理、方法和应用技术，全面反映了国内外人工智能研究领域的进展和发展方向。全书共12章。第1章简要介绍了人工智能的概况。第2~6章阐述了人工智能的基本原理和方法，重点论述了知识表示、自动推理、机器学习和神经网络等。第7章和第8章介绍了专家系统、自然语言处理等应用技术。第9~11章阐述了当前人工智能的研究热点，包括分布式人工智能与智能体、智能机器人和互联网智能等。第12章探讨了类脑智能，展望人工智能的发展。本书力求科学性、实用性和先进性，可读性好。内容由浅入深、循序渐进，条理清晰，让学生在有限的时间内掌握人工智能的基本原理与应用技术，提高对人工智能习题的求解能力。本书可以作为高等院校计算机科学与技术、自动化等相关专业的研究生和高年级本科生的人工智能课程教材，也可以供从事人工智能研究与应用的科技人员学习参考。

全书共分为11章，除第1章人工智能概述外，其余内容划分为四大部分。第一部分为确定性人工智能的三大基本技术，包括第2,3,4章的知识表示、确定性推理和搜索部分。第二部分包括第5章不确定性人工智能和第6章的智能算法。第三部分为人工智能的重要研究领域，包括第7章的分布式人工智能，第8章的机器学习，第9章的专家系统。第四部分为人工智能应用部分，包括第10章的人工智能设计语言和第11章的人工智能的应用举例。