本教材力求展现人工智能发展的趋势和在中医药领域的应用。本书从计算机模拟数据智能这一角度来阐述人工智能的基本算法，通过对真实中医药数据的案例分析，使学生深入了解监督学习、无监督学习、深度学习、强化学习等基本模型，明晰人工智能如何作为一种手段和方法，被应用于解决中医药领域的实际问题。教材内容使用中医药分析案例作为主线，通过项目导入、专业知识介绍、任务分解、程序实现等环节，逐步阐述人工智能在中医药领域的应用及实践操作。整个内容集理论知识传授、能力培养，职业素质提高于一体，充分体现学科交叉特色。
本教材可用于中医药院校及相关院校各专业学生人工智能通识课程学习，也可作为中医药智能分析和人工智能相关领域研究的参考书。

第一章 人工智能概述
第一节 人工智能发展简史
一、人工智能的起源
二、人工智能的发展
三、人工智能的应用
四、中国人工智能发展现状
五、人工智能面临的问题与挑战
第二节 人工智能在中医药领域的应用
一、中医药数据挖掘
二、中药现代化
三、辅助中医诊断和治疗
四、辅助中医药健康管理
五、中医药领域人工智能产品
第二章 监督学习在中医药中的应用
第一节 分类分析和回归分析
一、分类分析
二、回归分析
第二节 监督学习算法
一、逻辑回归
二、神经网络
三、贝叶斯
四、支持向量机
五、决策树
六、算法模型的评价指标
第三节 案例分析
一、数据预处理
二、算法模型构建与数据分析
第三章 无监督学习在中医药中的应用
第一节 聚类
一、聚类分析概述
二、聚类分析原理
三、聚类分析算法
四、聚类算法特征
五、聚类分析的度量
第二节 降维
一、高维数据降维简介
二、主成分分析
第三节 无监督学习算法
一、K-means算法
二、DBSCAN算法
三、隐结构分析
第四节 案例分析
一、数据预处理
二、隐结构分析
三、综合聚类
四、辨证规则的建立
第四章 深度学习在中医药中的应用
第一节 深度学习
一、深度学习的特点
二、深度学习的应用领域
第二节 卷积神经网络
一、卷积神经网络简介
二、卷积神经网络的结构
三、经典的卷积神经网络
第三节 案例分析
一、基于深度学习模型的乳腺超声数据分类
二、基于深度学习模型的乳腺超声数据分割
第五章 强化学习概述
第一节 强化学习简介
一、强化学习的组成元素
二、强化学习的基本框架
三、强化学习的关键特征
第二节 强化学习算法分类
一、有模型和无模型
二、基于概率和基于价值
三、回合更新和单步更新
四、在线学习和离线学习
第三节 强化学习算法
一、马尔可夫决策过程
二、动态规划
三、Sarsa算法
四、Q-Leanling算法
第四节 强化学习的展望
第六章 编程环境和基础
第一节 Python简介
一、Python的由来
二、Python机器学习
第二节 Python环境配置
一、Python的安装
二、Python启动及界面认识
三、Python扩展包安装
第三节 Python编程基础
一、Python基本语法
二、Python数据类型
三、运算符
四、字符串格式化
五、输入输出语句
六、Python的公有方法
七、控制结构
第四节 常用的Python库
一、Python库的安装与引用
二、标准库
三、第三方库
主要参考书目