全书共10章，内容包括人工智能概述、机器学习、人工神经网络与深度学习、智能语音处理及应用、计算机视觉处理及应用、自然语言处理及应用、知识图谱及应用、机器人、经典智能算法Python实现、展望等。
本书适合作为高等院校人工智能、计算机科学与技术、大数据、软件工程或相关专业的入门教材，也适合从事相关工作的人工智能爱好者和工程师学习阅读。

金军委，河南工业大学硕士生导师，主要从事人工智能、机器学习和计算机视觉等方面的研究与教学工作，主持和参与国家级、省部级等各类科研项目5项，发表学术论文20余篇，申请国家发明专利5项。

第1章 人工智能概述
1.1 初识人工智能
1.1.1 科幻片中描绘的人工智能
1.1.2 人工智能的基本概念
1.1.3 人工智能的发展历程
1.1.4 人工智能发展现状
1.2 人工智能的起源和发展
1.3 人工智能云服务
1.3.1 为什么人工智能需要迁移到云端
1.3.2 人工智能云服务的类型
1.3.3 人工智能云服务具体应用
1.4 人工智能未来发展趋势
1.5 本章小结
1.6 课后习题
第2章 机器学习
2.1 认识机器学习
2.1.1 机器学习的定义
2.1.2 机器学习发展历程
2.1.3 机器学习算法的分类
2.1.4 机器学习的基本流程
2.2 机器学习常用算法
2.2.1 线性回归
2.2.2 K-最近邻算法
2.2.3 决策树
2.2.4 支持向量机
2.2.5 K-means算法
2.3 机器学习的应用场景
2.4 案例实训
2.4.1 监督学习案例：计算机学习计算平均分
2.4.2 无监督学习案例：K-means算法实现
2.5 本章小结
2.6 课后习题
第3章 人工神经网络与深度学习
3.1 人工神经网络简介
3.1.1 神经元结构
3.1.2 人工神经网络发展历程及结构
3.2 深度学习简介
3.2.1 深度神经网络
3.2.2 卷积神经网络发展历程及原理
3.2.3 经典深度学习模型
3.3 主流深度学习框架及使用
3.3.1 TensorFlow
3.3.2 PyTorch
3.3.3 Caffe
3.3.4 PaddlePaddle
3.4 应用场景
3.4.1 在信息领域的应用
3.4.2 在医学中的应用
3.4.3 在经济领域的应用
3.4.4 在交通领域的应用
3.4.5 在心理学领域的应用
3.5 案例实训
3.5.1 安装配置Anaconda
3.5.2 TensorFlow安装及使用
3.6 本章小结
3.7 课后习题
第4章 智能语音处理及应用
4.1 语音基本知识
4.2 语音识别
4.2.1 语音识别的概念
4.2.2 语音识别的工作原理
4.2.3 语音识别系统的实现
4.2.4 语音识别的应用
4.3 语音合成
4.3.1 语音合成的概念
4.3.2 语音合成的应用
4.4 声纹识别
4.4.1 什么是声纹
4.4.2 声纹识别技术
4.5 应用场景
4.6 现状及未来展望
4.7 案例实训
4.8 本章小结
4.9 课后习题
第5章 计算机视觉处理及应用
5.1 人眼视觉
5.1.1 人眼生理结构
5.1.2 人眼视觉特性
5.1.3 人眼立体视觉
5.2 颜色学
5.3 图像处理基础知识
5.3.1 图像的种类
5.3.2 数字图像处理概述
5.3.3 图像数字化
5.3.4 数字图像类型及其常见格式
5.3.5 数字图像处理技术
5.4 计算机视觉系统
5.4.1 计算机视觉技术处理图像的一般流程
5.4.2 计算机视觉关键技术
5.4.3 机器视觉技术
5.5 计算机视觉技术应用
5.5.1 人脸识别
5.5.2 图像识别
5.5.3 文字识别
5.5.4 人体行为分析及应用
5.6 应用场景
5.6.1 视频，监控分析
5.6.2 工业视觉检测
5.6.3 医疗影像诊断
5.7 案例实训
5.8 本章小结
5.9 课后习题
第6章 自然语言处理及应用
6.1 自然语言处理概述
6.1.1 自然语言处理的发展
6.1.2 自然语言处理的一般流程
6.1.3 自然语言处理的研究内容
6.2 自然语言处理技术
6.2.1 词法分析
6.2.2 句法分析
6.2.3 语义和语用分析
6.2.4 自然语言处理技术难点
6.3 应用场景
6.3.1 机器翻译
6.3.2 垃圾邮件分类
6.3.3 信息抽取
6.3.4 文本情感分析
6.3.5 智能问答
6.3.6 智能语音助手
6.3.7 个性化推荐
6.4 案例实训
6.5 本章小结
6.6 课后习题
第7章 知识图谱及应用
7.1 知识图谱的概念
7.1.1 知识图谱的定义
7.1.2 知识图谱的表示
7.1.3 知识图谱技术的发展历程
7.2 知识图谱的特点
7.3 知识图谱构建
7.3.1 业务问题定义
7.3.2 数据的收集与预处理
7.3.3 知识图谱的设计
7.3.4 知识图谱的数据存储
7.3.5 上层应用的开发与系统评估
7.4 应用场景
7.5 案例实训
7.6 本章小结
7.7 课后习题
第8章 机器人
8.1 机器人概述
8.1.1 机器人的发展
8.1.2 机器人的定义
8.1.3 机器人的基本组成部分
8.2 机器人的关键技术
8.2.1 机器人感知和估计技术
8.2.2 运动规划和控制技术
8.2.3 机器人设计及驱动技术
8.2.4 机器人学习技术
8.2.5 人工智能推理技术
8.2.6 机器人系统架构及编程
8.3 机器人的分类及应用
8.3.1 根据机器人的任务完成方式分类
8.3.2 根据机器人的应用领域分类
8.4 机器人的发展展望
8.5 案例实训
8.6 本章小结
8.7 课后习题
第9章