本书以Python 3.10.7为平台，以实际应用为背景，通过“概述十经典应用”相结合的形式，深入浅出地介绍Python人工智能分析与实战相关知识。全书共8章，主要内容包括人工智能绪论、Python编程与进阶、Python数学与算法、机器学习大战、神经网络大战、深度学习大战、强化学习大战、人工智能大战等内容。通过本书的学习，读者不仅能领略到Python的简单、易学、易读、易维护等特点，还能感受到利用Python实现人工智能的普遍性与专业性。
本书可作为高等院校相关专业本科生和研究生的教学用书，也可作为相关专业科研人员、学者、工程技术人员的参考用书。

第1章 人工智能绪论
1.1 人工智能的定义
1.2 人工智能的研究方向
1.3 三大类人工智能
1.4 人工智能的三大学派
1.4.1 符号主义学派
1.4.2 连接主义学派
1.4.3 行为主义学派
1.5 人工智能的发展史
1.5.1 人工智能的起源
1.5.2 人工智能的发展历程
1.6 新一代人工智能
1.6.1 新一代人工智能的主驱动因素
1.6.2 新一代人工智能的主要特征
1.7 人工智能的关键技术
第2章 Python编程与进阶
2.1 Python特点
2.2 Python搭建环境
2.3 Jupyter Notebook的安装与使用
2.3.1 Jupyter Notebook的下载与安装
2.3.2 运行Jupyter Notebook
2.3.3 Jupyter Notebook的使用
2.4 Python语法基础
2.4.1 Python编程基础
2.4.2 基本数据类型
2.4.3 Python字符串
2.4.4 列表
2.4.5 元组
2.4.6 字典
2.4.7 集合
2.5 程序控制
2.5.1 顺序结构
2.5.2 分支结构
2.5.3 循环结构
2.6 Python雨数
2.6.1 定义一个函数
2.6.2 函数调用
2.7 Python模块
2.7.1 引入模块
2.7.2 搜索路径
2.7.3 name属性
2.7.4 命名空间和作用域
2.7.5 相关函数
第3章 Python数学与算法
3.1 枚举算法
3.2 递推算法
3.3 模拟算法
3.4 逻辑推理
3.5 冒泡排序
3.6 选择排序
3.7 插入排序
3.8 快速排序
3.9 二分查找
3.10 勾股树
3.11 玫瑰曲线
第4章 机器学习大战
4.1 机器学习概述
4.1.1 机器学习分类
4.1.2 深度学习
4.1.3 机器学习的应用
4.2 监督学习
4.2.1 kNN算法
4.2.2 线性回归
4.2.3 逻辑回归
4.2.4 支持向量机
4.2.5 朴素贝叶斯分类器
4.2.6 决策树
4.2.7 随机森林
4.3 非监督学习
4.3.1 k均值聚类
4.3.2 密度聚类
4.3.3 层次聚类
4.3.4 主成分分析
4.3.5 高斯混合模型
4.3.6 受限玻尔兹曼机
4.4 半监督学习
4.4.1 半监督思想
4.4.2 半监督算法的类别
4.4.3 半监督分类算法
4.4.4 半监督学习实战
第5章 神经网络大战
5.1 深度学习
5.1.1 神经网络的基本概念
5.1.2 深度学习的发展历程
5.1.3 深度学习基本理论
5.2 人工神经网络基础
5.2.1 神经元与感知器
5.2.2 学习过程建模
5.2.3 反向传播
5.3 卷积神经网络
5.3.1 从神经网络到卷积神经网络
5.3.2 Python实现卷积神经网络
5.3.3 实现模仿绘画
5.4 循环神经网络
5.4.1 Keras中的循环层
5.4.2 LSTM层和GRU层
5.4.3 循环神经网络的高级用法
第6章 深度学习大战
6.1 TensorFlow深度学习概述
6.1.1 深度学习特性
6.1.2 深度学习的构架
6.1.3 深度学习的思想
6.2 迈进TensorFlow
6.2.1 TensorFlow环境构建
6.2.2 Geany开发环境
6.2.3 TensorFlow编程基础
6.3 CTC模型及实现
6.4 BiRNN实现语音识别
6.4.1 语音识别背景
6.4.2 获取并整理样本
6.4.3 训练模型
6.5 自编码网络实战
6.5.1 自编码网络的结构
6.5.2 自编码网络的代码实现
6.6 生成对抗网络实战
6.6.1 GAN结构
6.6.2 GAN基本架构
6.6.3 GAN实战
6.7 深度神经网络实战
6.7.1 AlexNet模型
6.7.2 VGG模型
6.7.3 GoogLeNet模型
6.7.4 残差网络
6.7.5 Inception-ResNet v2结构
6.7.6 VGG艺术风格转移
第7章 强化学习大战
7.1 深度强化学习的数学模型
7.1.1 强化学习系统的基本模型
7.1.2 基于值雨数的深度强化学习算法
7.1.3 基于策略梯度的深度强化学习算法
7.1.4 AC算法
7.2 SARSA算法
7.2.1 SARSA算法概述
7.2.2 SARSA算法流程
7.2.3 SARSA算法实战
7.3 Q-Learning算法
7.4 DQN算法
7.4.1 DQN算法原理
7.4.2 DQN算法实战
第8章 人工智能大战
8.1 爬虫实战
8.1.1 什么是爬虫
8.1.2 网络爬虫是否合法
8.1.3 Beautiful Soup工具
8.1.4 网络爬虫实现
8.1.5 创建云起书院爬虫
8.2 智能聊天机器人实战
8.2.1 网页自动化
8.2.2 语音处理
8.2.3 图形化用户交互界面
8.2.4 智能聊天机器人程序实现
8.3 餐饮菜单推荐引擎
8.3.1 推荐问题的描述
8.3.2 协同过滤算法
8.3.3 餐饮菜单实现
8.4 人脸识别
8.4.1 OpenCV
8.4.2 人脸识别过程
8.4.3 多线程
8.4.4 人脸识别实现
参考文献