第一章，我们企图用非常有限的篇幅，让学生了解人工智能的发展历史，现实意义和未来的广阔应用；第二章，介绍Python语言基础；第三章，重点介绍几种简单常用的智能计算方法；第四章，介绍经典机器，学习编程方法和技巧；第五章，介绍深度学习技术。除介绍算法基础外，第二至第五章都有案例分析和程序实现及代码。 由于人工智能的内容十分丰富和广泛，它和知识表示、机器感知、机器思维、模式识别、机器学习、深度学习、大数据等紧密相连，各种研究方法和结论不断涌现，同时人工智能的发展日新月异，本身也在不断完善中，限于作者现有水平和能力，本书的不妥之处在所难免，敬请读者给予批评和指正。
适读人群 ：高中学生 循序渐进 从简到繁，从理论到实践，从Python语言基础到深度学习技术，由浅入深的进行学习。
系统讲解 学练结合，算法基础、案例分析与程序实现结合，搭建完整的知识体系，为深入研究夯实基础。
资源丰富 附赠丰富的代码和素材文件，助力快速动手实践，学生无须自己编写代码，可根据所给代码运行程序，重点是理解，理解代码表达的意思，从而培养自己的编程思维。
集美大学教授，硕士生导师，主持参与二十余项国家及福建省科研课题，发表40余篇学术论文；
福建省教学成果一等奖获得者；
集美大学计算数学学科带头人；
2015年至今，兼任集美大学附属中学（乐安中学）学术校长。
第一章 人工智能概论 1
1．1 引言 2
1．1．1 人工智能是什么 2
1．1．2 人工智能的两位奠基人 3
1．1．3 达特茅斯会议 9
1．1．4 人工智能发展的历程 10
1．1．5 关键事件 13
1．2 身边的人工智能 15
1．2．1 下棋高手 15
1．2．2 自动驾驶 18
1．2．3 机器翻译 20
1．2．4 图像识别 21
1．2．5 智能回答 24
1．2．6 目标检测 26
1．3 人工智能的发展趋势 29
第二章 Python语言基础 31
2．1 Python概述 32
2．1．1 Python语言简介 32
2．1．2 Python开发环境搭建 33
2．2 Python基础语法及运算符 38
2．2．1 基础语法 38
2．2．2 变量 40
2．2．3 运算符 40
2．3 控制结构 42
2．3．1 顺序结构 42
2．3．2 分支结构 42
2．3．3 循环结构 43
2．4 数据结构 46
2．4．1 字符串 46
2．4．2 列表 48
2．4．3 元组 50
2．4．4 字典 50
2．5 函数的设计与调用 51
2．5．1 函数的定义与调用 51
2．5．2 常用函数 53
2．5．3 标准库与扩展库对象的导入和使用 55
第三章 智能计算方法 57
3．1 暴力搜索算法 58
3．1．1 暴力搜索算法的原理 58
3．1．2 暴力搜索算法的优点和缺点 60
3．2 爬山算法 63
3．2．1 爬山算法的原理 64
3．2．2 爬山算法的优点和缺点 64
3．3 模拟退火算法 68
3．3．1 模拟退火算法的原理 69
3．3．2 模拟退火算法的优点和缺点 70
3．4 遗传算法 75
3．4．1 遗传算法的原理 75
3．4．2 遗传算法的优点和缺点 78
第四章 经典机器学习 85
4．1 小明识数 86
4．2 机器识数：K最近邻分类算法 88
4．2．1 K最近邻分类算法的原理 88
4．2．2 KNN算法的基本步骤 89
4．2．3 k值对结果的影响 90
4．2．4 使用KNN算法预测样本的步骤 92
4．3 支持向量机分类 100
4．3．1 多类分类问题转化为二分类问题 100
4．3．2 支持向量机 103
4．4 机器学习的实用技巧 111
4．4．1 特征工程 111
4．4．2 数据标准化 118
4．4．3 超参数搜索 120
4．4．4 模型验证 121
4．5 无监督学习 124
4．5．1 聚类 124
4．5．2 降维 125
第五章 深度学习技术 137
5．1 人工神经网络 138
5．1．1 神经元模型 139
5．1．2 前馈神经网络 139
5．2 卷积神经网络 146
5．2．1 卷积层 146
5．2．2 池化层 147
5．2．3 典型的卷积网络结构 148
5．3 循环神经网络 153
5．3．1 循环神经网络的结构 154
5．3．2 基础循环神经网络的局限 155
5．3．3 长短期记忆网络 155
5．3．4 门控循环单元网络 156
5．4 小结 162
参考文献 163
使用说明 164
书单推荐
