本书内容全面，既涵盖项目实践所需的Python语言基础和实践环境搭建，又涉及项目相关的技术原理和方法等理论知识介绍，还包含多个案例项目的实践内容。书中讲解了Python语言，包括Python的安装、数据类型、涉及的函数、文件读/写、第三方库等知识；讲解了人工智能实战基础，包括数据预处理技术和方法，KNN算法、回归分析应用和其他机器学习技术等内容；还讲解了人工智能实战进阶，包括自然语言处理、语音识别、图像识别和神经网络与深度学习等内容。
本书适合作为高等院校人工智能、智能科学与技术等专业的人工智能课程实验指导教材，也适合作为学习人工智能基本技术读者的参考书。

第一篇 Python语言
第1章 Python简介
1.1 Python介绍
1.2 Python的环境配置
1.2.1 Python的安装
1.2.2 IPython的安装
1.2.3 PyCharm的安装
1.2.4 Anaconda的安装
1.3 本章小结
1.4 本章习题
第2章 Python人工智能之路——基础
2.1 书写格式和基本规则
2.2 数据类型
2.2.1 基本数据类型
2.2.2 特征数据类型
2.3 基本运算和表达式
2.3.1 变量
2.3.2 算术运算
2.4 基本流程控制
2.4.1 顺序控制
2.4.2 条件控制（选择控制）
2.4.3 循环控制
2.4.4 循环控制语句
2.5 函数
2.5.1 Python函数
2.5.2 参数
2.5.3 匿名函数
2.6 本章小结
2.7 本章习题
第3章 Python人工智能之路——进阶
3.1 正则表达式
3.1.1 基本语法和使用
3.1.2 贪婪匹配和非贪婪匹配
3.2 re模块的内置函数
3.2.1 匹配与搜索
3.2.2 切分与分组
3.3 图形绘制
3.3.1 Tkinter库的Canvas图形绘制方法
3.3.2 Turtle库的图形绘制方法
3.3.3 Matplotlib库的图形绘制方法
3.4 文件读/写
3.4.1 文本文件和二进制文件的区别
3.4.2 文件的打开和关闭
3.4.3 文件的读取、写入、追加
3.5 案例应用
3.5.1 猜数字
3.5.2 CSV文件读/写
3.5.3 Web服务器的构建
3.6 本章小结
3.7 本章习题
第4章 Python人工智能之路——第三方库
4.1 第三方库的安装和使用
4.1.1 第三方库的安装
4.1.2 第三方库的使用
4.2 NumPy库
4.2.1 NumPy库简介
4.2.2 NumPy库的应用
4.3 Pandas库
4.3.1 Pandas库简介
4.3.2 Series库简介
4.3.3 DataFrame库简介
4.3.4 数据分析和可视化
4.4 Sklearn库
4.4.1 Sklearn库简介
4.4.2 Sklearn库的应用
4.5 Keras库
4.5.1 Keras库简介
4.5.2 Keras库的应用
4.6 TensorFlow库
4.6.1 TensorFlow库简介
4.6.2 TensorFlow库的应用
4.7 本章小结
4.8 本章习题
第二篇 人工智能实战基础
第5章 数据预处理技术和方法
5.1 数据预处理概述
5.2 缺失值处理
5.3 特征编码
5.4 数据标准化和正则化
5.4.1 数据标准化
5.4.2 数据正则化
5.5 特征选择
5.5.1 过滤式特征选择
5.5.2 包裹式特征选择
5.5.3 嵌入式特征选择
5.6 稀疏表示和字典学习
5.7 主成分分析
5.8 本章小结
5.9 本章习题
第6章 KNN算法
6.1 KNN算法概述
6.1.1 KNN算法的基本原理
6.1.2 KNN算法的重要参数
6.1.3 KNN算法的特点
6.2 基于KNN算法的手写字识别
6.2.1 项目背景
6.2.2 项目实战
6.3 基于KNN算法的网站约会配对
6.3.1 项目背景
6.3.2 项目实战
6.4 基于KNN算法的乳腺癌诊断
6.4.1 项目背景
6.4.2 项目实战
6.5 本章小结
6.6 本章习题
第7章 回归分析应用
7.1 回归分析概述
7.1.1 回归分析的定义
7.1.2 线性回归
7.1.3 逻辑回归
7.1.4 多项式回归
7.1.5 回归模型的评价指标
7.2 基于线性回归预测鲍鱼年龄
7.2.1 项目背景
7.2.2 项目实战
7.3 基于逻辑回归的病马死亡率预测
7.3.1 项目背景
7.3.2 项目实战
7.4 多项式回归应用案例
7.4.1 项目背景
7.4.2 项目实战
7.5 本章小结
7.6 本章习题
第8章 其他机器学习技术
8.1 Apriori算法应用
8.1.1 Apriori关联分析概述
8.1.2 Apriori算法的原理和流程
8.1.3 Apriori算法实现
8.1.4 Apriori算法应用案例
8.2 决策树算法应用
8.2.1 决策树算法的基本概念
8.2.2 决策树构造算法
8.2.3 决策树应用案例
8.3 AdaBoost分类器应用
8.3.1 AdaBoost分类器概述
8.3.2 应用案例——泰坦尼克号生存率预测
8.4 网格搜索优化模型参数
8.4.1 网格搜索概述
8.4.2 网格搜索应用案例
8.5 本章小结
8.6 本章习题
第三篇 人工智能实战进阶
第9章 自然语言处理
9.1 自然语言处理简介
9.2 Python中文分词
9.2.1 项目背景
9.2.2 项目实战
9.3 TF-IDF算法解析
9.3.1 项目背景
9.3.2 项目实战
9.4 意图识别
9.4.1 项目背景
9.4.2 项目