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。

本书选取人工智能的8个核心方向，精心选择不同章节的关键知识点。力求在保证教学内容易于接受的同时，与后续高等教育的人工智能教育无缝衔接。同时，书中的每一章均配备作业题与编程练习，让同学们在练习当中加深对算法与原理的理解。

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。

《人工智能》一书由腾讯一流团队与工信部高端智库倾力创作。本书从人工智能这一颠覆性技术的前世今生说起，对人工智能产业全貌、最新进展、发展趋势进行了清晰的梳理，对各国的竞争态势做了深入研究。本书还对人工智能给个人、企业、社会带来的机遇与挑战进行了深入分析。对于想全面了解人工智能的读者，本书提供了重要参考，是一本必备书籍。

人工智能已经来了，它就在我们身边，几乎无处不在。

简介：被人类束缚的智慧，带着镣铐跳舞。