本书是中国人民大学高瓴人工智能学院精心打造的一本精品教材，适合作为大学理工科专业的通识课程教材。本书在内容编排上，既希望能把人工智能专业的学生引入人工智能大门，为后续课程奠定初步的理论基础和程序设计基础，也希望能为整个理工科相关专业的学生普及人工智能的思维方式和基础工具。本书初稿已在中国人民大学试用3年多时间，获得了师生的普遍认可。
本书内容共分为14章，包括Python编程基础、Python编程进阶、人工智能概述、人工智能实践4个模块。其中，Python编程基础包括Python的基本语法、程序控制结构和组合数据类型；Python编程进阶包括面向对象编程、数值计算和数据可视化；人工智能概述在简单介绍机器学习流程的基础上，基于numpy实现线性回归和逻辑斯蒂回归；人工智能实践在介绍PyTorch平台编程的基础上，围绕计算机视觉和自然语言处理介绍RNN和CNN的基本原理及基于PyTorch的实践。

徐君，中国人民大学杰出学者特聘教授、博导。曾就职于微软亚洲研究院、华为技术有限公司诺亚方舟实验室和中国科学院计算技术研究所。主要研究方向包括信息检索、因果分析和数据挖掘等。发表论文100余篇，担任多个国际期刊的编委或副主编，主持多项国家级项目。

第1章 绪论
1.1 人工智能
1.2 计算机编程语言
1.3 Python编程语言
1.4 习题
第2章 Python基本语法
2.1 Python版“Hello, World”程序
2.2 变量与赋值
2.3 Python基本数据类型
2.4 表达式与运算符
2.5 输入输出与文件读写
2.6 习题
第3章 Python的程序控制结构
3.1 分支结构：if语句
3.2 循环结构：for语句和while语句
3.3 异常处理
3.4 函数的定义与调用
3.5 习题
第4章 Python组合数据类型
4.1 概述
4.2 列表
4.3 集合
4.4 字典
4.5 列表推导式
4.6 函数式编程
4.7 习题
第5章 Python面向对象编程
5.1 面向对象编程简介
5.2 自定义类
5.3 属性访问控制
5.4 继承：基类和子类
5.5 多态和鸭子类型
5.6 运算符重载
5.7 变量和对象的引用关系
5.8 可变对象和不可变对象
5.9 习题
第6章 Python数值计算
6.1 numpy库简介
6.2 numpy数组的创建
6.3 numpy数组的索引和切片
6.4 numpy数组的运算
6.5 numpy科学计算实践
6.6 习题
第7章 Python数据可视化
7.1 pandas库简介
7.2 pandas的数据结构
7.3 基于pandas的文件和数据操作
7.4 使用matplotlib库进行数据可视化
7.5 使用WordCloud库进行文本可视化
7.6 习题
第8章 人工智能概述
8.1 人工智能的基本概念
8.2 计算机视觉的发展历史和主要进展
8.3 计算机视觉的典型应用
8.4 习题
第9章 机器学习概述
9.1 背景与定义
9.2 机器学习的分类
9.3 机器学习模型性能的评价
9.4 习题
第10章 使用Python实现机器学习模型
10.1 一元线性回归模型
10.2 梯度下降算法
10.3 多元线性回归模型
10.4 使用numpy实现线性回归模型
10.5 逻辑斯蒂回归
10.6 使用numpy实现逻辑斯蒂回归模型
10.7 习题
第11章 深度学习概述
11.1 人工神经元与人工神经网络
11.2 多层感知机与激活函数
11.3 神经网络与深度学习
11.4 习题
第12章 PyTorch基础
12.1 深度学习框架介绍
12.2 PyTorch的安装
12.3 Tensor的概念和基本操作
12.4 自动求导
12.5 nn工具箱
12.6 使用PyTorch实现线性回归和逻辑斯蒂回归
12.7 习题
第13章 计算机视觉实践
13.1 计算机视觉概述
13.2 数字图像
13.3 图像的卷积运算
13.4 卷积神经网络
13.5 卷积神经网络的编程实践
13.6 习题
第14章 自然语言处理实践
14.1 自然语言处理概述
14.2 文本表示
14.3 循环神经网络
14.4 自然语言处理编程实践
14.5 习题
参考文献