本书共16章。第1~10章介绍Python编程，涉及人工智能、基本描述统计、集中趋势和分散度量、模拟、静态和动态可视化、使用CSV文件、用于数据探索和数据整理的Pandas、时间序列和简单线性回归。第11~16章提供多种实践案例研究，涉及自然语言处理、Twitter数据挖掘、IBM Watson认知计算、包含分类和回归的有监督机器学习、聚类无监督机器学习、卷积神经网络深度学习、递归神经网络深度学习、包含Hadoop/Spark/NoSQL/物联网的大数据等。

本书共16章。第1~10章介绍Python编程，涉及人工智能、基本描述统计、集中趋势和分散度量、模拟、静态和动态可视化、使用CSV文件、用于数据探索和数据整理的Pandas、时间序列和简单线性回归。第11~16章提供多种实践案例研究，涉及自然语言处理、Twitter数据挖掘、IBM Watson认知计算、包含分类和回归的有监督机器学习、聚类无监督机器学习、卷积神经网络深度学习、递归神经网络深度学习、包含Hadoop/Spark/NoSQL/物联网的大数据等。

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。

本书是面向大学计算机科学专业第一门程的教材。本书以Python语言为工具，采用相当传统的方法，强调解决问题、设计和编程是计算机科学的核心技能。 全书共13章，包含两个附录。第1章到第5章介绍计算机与程序、编写简单程序、数字计算、对象和图形、字符串处理等基础知识。第6章到第8章介绍函数、判断结构、循环结构和布尔值等话题。第9章到第13章着重介绍一些较为高级的程序设计方法，包括模拟与设计、类、数据集合、面向对象设计、算法设计与递归等。附录部分给出了Python快速参考和术语表。每一章的末尾配有丰富的练习，包括复习问题、讨论和编程联系等多种形式，帮助读者巩固该章的知识和技能。 本书特色鲜明、示例生动有趣、内容易读易学，是美国颇受欢迎的教程，适合Python入门程序员阅读，也适合高校计算机专业的教师和学生参考。

本书是中国信息协会大数据分会副会长刘鹏教授组织编撰的“高级大数据人才培养丛书”之一。本书是一本全面的、从入门到实践的Python编程教程，从带领读者快速掌握基本的Python编程知识开始，循序渐进、层层深入地引导读者利用新学到的知识开发功能丰富的项目。本书首先介绍了Python基础；接着介绍了数据类型、文件、程序调试、面向对象程序设计、连接数据源等基本知识；然后结合网络爬虫、数据挖掘、自然语言处理、数据可视化、Web和移动应用等工具，以案例为依托进行项目实战；最后介绍了国内各种云服务平台，以及如何运用Python实现访问。本书的全部实验均可在大数据实验平台（https://bd.cstor.cn/login）上远程开展，也可在高校部署的BDRack大数据实验一体机上本地开展

全书以“计算思维”培养为目标，贯穿理解和运用计算生态的Python语言教学思想，系统展示了Python语言学习路径。本书分为12章，主要内容如下：第1章讲解Python基础知识与概念，以及Python的交互式解释器IDLE；第2章讲解Python语言语法基础；第3章讲解Python控制语句；第4章讲解Python数据结构；第5章讲解Python函数；第6章讲解Python模块和包；第7章讲解文件操作；第8章讲解面向对象编程；第9章讲解异常；第10章讲解Python函数式编程；第11章讲解数据分析与可视化；第12章讲解机器学习实战。 本书内容覆盖了Python语言的大部分知识点，叙述清晰，循序渐进，以大量实例为依托，提供大量学习资料、学习视频、在线实验环境、立体化教学资源。本书适合作为高等院校数据科学与大数据及计算机相关专业的教材，也可作为对Python感兴趣读者的自学参考书。

Python是一种跨平台、交互式、面向对象、解释型的计算机程序设计语言，它应用广泛，具有丰富和强大的库。 本书构建了模块化的课程结构，将Python程序设计按由易到难、由浅入深的规律分为9个教学单元；构建了理论知识与操作训练的层次化结构，每个模块的理论知识分为3个层次—入门知识、必修知识、拓展知识，每个模块的操作训练也分为3个层次—简单练习、实例训练、任务训练。本书遵循学生的认知规律和技能成长规律，充分考虑教学实施需求，针对引导学生主动学习、高效学习、快乐学习的目标选择教学内容、设置教学任务，以实现学会与会学的教学效果。 本书可以作为中等职业学校各专业Python程序设计课程的教材，也可以作为相关培训机构的培训教材及Python程序设计初学者的自学参考书。