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最流行的基于Python3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Python3.11的编程基础、基于Pandas2.0的数据分析，以及使用Scikit-learn1.3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PyTorch2.0、TensorFlow2.12，以及PaddlePaddle2.5，分别搭建多种深度学习神经网络框架。尝试基于PySpark3.4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。

入门篇
第1章全书指南
1.1 Python编程
1.2数据分析
1.3机器学习
1.3.1任务
1.3.2经验
1.3.3表现
1.4Kaggle竞赛
1.5Git代码管理
小结
第2章基本环境搭建与配置
2.1Windows下基本环境的搭建与配置
2.1.1查看Windows的版本与原始配置
2.1.2下载并安装Anaconda3(Windows版本)
……