本书为培养人工智能系统平台开发全面人才的教材。从不同的视角对机器学习、深度学习以及典型的项目案例进行介绍，涉及人工智能系统平台开发的各个方面，主要包括机器学习概述、Sklearn使用、深度学习及神经网络概述、PyTorch使用、GPU计算、系统监控及问题处理等，让读者全面、深入、透彻地理解人工智能系统平台开发的各种知识及具体使用方法，提高实际开发水平和项目能力。全书知识点的讲解由浅入深，使每一位读者都能有所收获。
本书主要涉及7个项目，即数据分析、机器学习库Sklearn、机器学习并行训练、深度学习入门、深度学习进阶、GPU计算、容器编排工具及Kubemetes，按照由浅入深的思路对知识体系进行编排，从数据分析、机器学习、机器学习实现、深度学习、深度学习实现、GPU计算方式以及资源分配等方面对知识点进行讲解。
本书结构条理清晰、内容详细，每个项目都通过学习目标、学习路径、任务描述、任务技能、任务实施、任务总结、英语角和任务习题8个模块进行相应知识的讲解。其中，学习目标和学习路径对本项目包含的知识点进行简述，任务实施模块对本项目中的案例进行了步骤化的讲解，任务总结模块作为最后陈述，对使用的技术和注意事项进行了总结，英语角解释了本项目中专业术语的含义，使学生全面掌握所讲内容。

项目一 数据分析
学习目标
学习路径
任务描述
任务技能
技能点一 数据分析概述
技能点二 基于Numpy分析
技能点三 基于Pandas分析
任务实施
任务总结
英语角
任务习题
项目二 机器学习库Sklearn
学习目标
学习路径
任务描述
任务技能
技能点一 机器学习概述
技能点二 数据集与数据处理
技能点三 模型训练与模型评估
技能点四 模型保存与加载
任务实施
任务总结
英语角
任务习题
项目三 机器学习并行训练
学习目标
学习路径
任务描述
任务技能
技能点一 并行的机器学习算法
技能点二 Spark MLlib
技能点三 Spark MLlib训练优化
任务实施
任务总结
英语角
任务习题
项目四 深度学习入门
学习目标
学习路径
任务描述
任务技能
技能点一 深度学习概述
技能点二 常用深度学习框架
技能点三 PyTorch基础
技能点四 神经网络概述
任务实施
任务总结
英语角
任务习题
项目五 深度学习进阶
学习目标
学习路径
任务描述
任务技能
技能点一 卷积神经网络
技能点二 循环神经网络
技能点三 其他神经网络
技能点四 PyTorch模块详解
任务实施
任务总结
英语角
任务习题
项目六 GPU计算
学习目标
学习路径
任务描述
任务技能
技能点一 GPU介绍
技能点二 GPU并行计算
技能点三 GPU资源共享与隔离
任务实施
任务总结
英语角
任务习题
项目七 容器编排工具及Kubernetes
学习目标
学习路径
任务描述
任务技能
技能点一 容器编排工具概述
技能点二 Kubernetes架构及组件
技能点三 Kubernetes部署
任务实施
任务总结
英语角
任务习题