本书以“经典计算机算法—数据挖掘算法—深度学习算法”为主线，将人工智能算法与Python程序示例相结合，开发了基于Git的在线编程平台和案例库，旨在构建人工智能算法“思想—伪码—分析—实现”四位一体的知识传递和学习框架。各章基于一个经典问题或典型例子介绍各类算法，给出问题背景、算法伪码和程序示例，注重算法设计与分析理念的传递。
本书分基础篇、提高篇和新技术篇：基础篇（第1～7章）以分治法、减治法、贪心法、动态规划法、回溯法、分支限界法为代表，介绍经典计算机算法；经典篇（第8～13章）以分类、聚类、异常检测、频繁模式挖掘、链接分析和概率推理算法为代表，介绍数据挖掘算法；新技术篇（第14～18章）以降维、目标检测、问答系统、图分析算法为代表，介绍深度学习算法。
本书内容的学习，需读者具有计算机程序设计和数据结构的基础知识，以及使用开源平台的基本能力。本书可作为计算机和电子信息类相关专业本科生、研究生、职校生的算法、人工智能或机器学习等相关课程的教材或主要参考书，也可作为人工智能相关领域研究和开发人员的参考书。教师可根据学生类别、课程性质、学分设置和学习目标等选择不同篇（或章）进行讲解。

胡矿，云南大学MOOC平台建设团队主要成员，实验师。研究方向为大数据分析与应用。致力于开源程序设计技术的研究与推广，设计并开发了云南大学开源代码托管平台和基于Gitlab的在线编程平台。于2006-2008年参与AsWing开源项目，为云南Linux用户组主要发起人。获2021年中国工业互联网安全大赛教师组省级二等奖。出版教材2部。

基础篇 经典计算机算法
第1章 算法设计与分析基础
1.1 概述
1.2 算法的基本概念
1.3 算法效率分析
1.3.1 渐进时间的概念
1.3.2 渐进时间的符号
1.3.3 渐进符号的性质
1.4 算法的最坏和平均情况分析
1.5 算法运行时间估计
1.6 小结
习题
第2章 分治法
2.1 分治法概述
2.2 合并排序
2.3 Python程序示例
2.4 小结
习题
第3章 减治法
3.1 减治法概述
3.2 拓扑排序
3.3 Python程序示例
3.4 小结
习题
第4章 贪心法
4.1 贪心法概述
4.2 哈夫曼编码
4.2.1 前缀码
4.2.2 算法步骤
4.2.3 算法正确性证明
4.3 Python程序示例
4.4 小结
习题
第5章 动态规划法
5.1 动态规划概述
5.2 0-1背包问题
5.2.1 最优子结构性质
5.2.2 递推式
5.2.3 算法步骤
5.3 Python程序示例
5.4 小结
习题
第6章 回溯法
6.1 回溯法概述
6.2 n-后问题的回溯算法
6.2.1 问题描述
6.2.2 算法步骤
6.3 Python程序示例
6.4 小结
习题
第7章 分支限界法
7.1 分支限界法概述
7.2 0-1背包问题的分支限界算法
7.2.1 广度优先搜索分支限界算法
……
提高篇 数据挖掘算法
新技术篇 深度学习算法
附录A 在线编程平台和案例库使用指南
参考文献