第1章人工智能概述/1
1.1什麼是人工智能1
1.2人工智能的發展歷史2
1.2.1曲折的發展史3
1.2.2三大學派3
1.2.3智能層次5
1.3人工智能的應用方向及場景5
1.3.1三大技術方向5
1.3.2典型應用領域6
1.4人工智能項目初體驗6
1.5本章小結8
1.6拓展延伸8
習題一9
第2章Python基礎及控制結構/10
2.1Python概述11
2.1.1Python的發展歷史11
2.1.2Python的應用領域11
2.1.3Python的環境安裝12
2.2Python基礎知識12
2.2.1程序的格式框架13
2.2.2賦值和輸入輸出14
2.2.3基本數據類型16
2.3基本控制結構22
2.3.1分支結構23
2.3.2循環結構28
2.3.3異常處理33
2.4本章小結34
2.5拓展延伸35
習題二36Python人工智能實踐目錄第3章Python函數及組合數據類型/38
3.1函數39
3.1.1函數的定義與調用39
3.1.2函數的參數傳遞41
3.1.3函數的返回值42
3.1.4局部變量和全局變量43
3.1.5lambda函數46
3.1.6函數遞歸47
3.2組合數據類型49
3.2.1序列類型49
3.2.2集合類型54
3.2.3映射類型57
3.3本章小結60
3.4拓展延伸60
3.4.1jieba庫60
3.4.2詞頻統計61
習題三62
第4章Python數據處理/64
4.1文件65
4.1.1文件的概念65
4.1.2文件的打開和關閉65
4.1.3文件的讀寫66
4.2數據格式69
4.2.1二維數據格式70
4.2.2高維數據格式71
4.3常用標準庫72
4.3.1math庫72
4.3.2random庫77
4.3.3json庫79
4.3.4csv庫80
4.4科學計算83
4.5數據獲取87
4.6數據分析92
4.7數據可視化94
4.7.1Matplotlib庫94
4.7.2wordcloud庫103
4.8AI相關的庫105
4.9本章小結105
4.10拓展延伸106
習題四106
第5章人工智能數學基礎/108
5.1數學與人工智能108
5.2線性代數109
5.2.1矩陣的概念及矩陣運算109
5.2.2張量109
5.2.3向量和矩陣的應用110
5.2.4矩陣的運算110
5.2.5矩陣的應用114
5.2.6線性變換121
5.2.7特殊矩陣123
5.2.8矩陣的分塊129
5.2.9行列式131
5.2.10特征值與特征向量136
5.2.11奇異值分解140
5.3概率論144
5.3.1概率論與人工智能144
5.3.2隨機試驗144
5.3.3樣本點、樣本空間、隨機事件144
5.3.4隨機變量145
5.3.5分布列145
5.3.6特殊離散分布146
5.3.7分布函數147
5.3.8特殊連續分布147
5.3.9圖像的泊松噪聲與高斯噪聲148
5.3.10隨機向量148
5.3.11聯合分布函數149
5.3.12聯合概率密度149
5.3.13條件概率、貝葉斯公式149
5.3.14貝葉斯定理應用150
5.3.15期望、方差150
5.3.16協方差、相關繫數、協方差矩陣151
5.4化問題152
5.4.1化問題的概念152
5.4.2化問題的分類153
5.4.3化問題求解153
5.4.4幾種化算法153
5.5本章小結157
5.6拓展延伸158
習題五158
第6章人工智能常用算法/160
6.1學習算法概述160
6.1.1學習算法的定義160
6.1.2機器學習算法的理性認識160
6.2機器學習的典型任務及分類161
6.2.1機器學習整體流程161
6.2.2機器學習基本概念161
6.2.3數據與特征的關繫162
6.2.4常見的數據清理與特征選擇方式162
6.2.5機器學習的訓練方法163
6.2.6模型的有效性165
6.2.7機器學習的性能評估166
6.3機器學習常用算法168
6.3.1聚類168
6.3.2回歸算法169
6.3.3決策樹173
6.3.4支持向量機174
6.3.5貝葉斯177
6.4超參數和驗證集179
6.4.1參數179
6.4.2超參數180
6.4.3留一法驗證180
6.4.4交叉驗證181
6.4.5隨機選取驗證集181
6.4.6相似性評估方法181
6.4.7相似性評估曲線182
6.5模式識別基本步驟183
6.5.1傳統的模式識別框架183
6.5.2基於深度學習的模式識別框架183
6.6本章小結184
6.7拓展延伸184
習題六185
第7章項目實踐1： 聊天機器人/186
7.1認識“聊天機器人”項目186
7.1.1聊天機器人的分類186
7.1.2聊天機器人的開發步驟187
7.2文本表示188
7.3文本相似度計算189
7.4項目實現190
7.4.1語料庫處理190
7.4.2對話處理192
7.5本章小結194
7.6拓展延伸194
習題七194
第8章項目實踐2： 識別優質客戶/195
8.1認識“識別優質客戶”項目195
8.2聚類問題196
8.3KMeans算法197
8.4項目實現198
8.5本章小結201
8.6拓展延伸202
8.6.1KMeans 202
8.6.2elkan KMeans202
8.6.3Mini Batch KMeans202
習題八203
第9章項目實踐3： 慧眼識花/204
9.1認識“慧眼識花”項目204
9.2分類問題205
9.3kNN算法205
9.4項目實現206
9.5本章小結209
9.6拓展延伸209
習題九210
第10章項目實踐4： 購車意願預測/211
10.1認識“購車意願預測”項目211
10.2邏輯回歸211
10.3項目實現212
10.4本章小結214
10.5拓展延伸214
習題十215
第11章項目實踐5： 房價我先知/216
11.1認識“房價我先知”項目216
11.2線性回歸217
11.3項目實現217
11.4本章小結222
11.5拓展延伸222
習題十一222
第12章項目實踐6： 人臉關鍵點檢測/223
12.1認識“人臉關鍵點檢測”項目223
12.2YOLOv4tiny介紹224
12.3基於YOLOv4tiny實現人臉關鍵點檢測225
12.3.1主干特征提取網絡225
12.3.2錨框設計225
12.3.3預測結果編碼225
12.3.4損失函數設計226
12.4項目實現226
12.5本章小結233
12.6拓展延伸233
習題十二234
參考文獻/235

人工智能已經給人類社會和生活帶來了變化，尤其在計算機視覺和數據挖掘、自然語言理解、語音識別等領域取得了顯著進展。Python 語言的易學易用以及豐富的開源庫，使其在人工智能領域有著廣泛的應用。
本書內容緊跟人工智能主流技術，采用Python作為編程載體，在介紹人工智能數學基礎和常用算法的基礎上，突出基於Python的人工智能實踐項目應用，提供了多個典型人工智能算法的完整實戰項目。
全書共12章，分為4部分：第1部分包括第1章，介紹人工智能技術，包括人工智能的概念、發展歷史及應用方向和場景，同時還提供了“聊天機器人”項目的初體驗。讓讀者對人工智能的應用有感性認識。第2部分包括第2～4章，介紹Python編程基礎知識以及與人工智能應用密切相關的科學計算庫（NumPy）、數據分析庫（pandas）、可視化庫（Matplotlib）等。第3部分包括5～6章，介紹人工智能的數學基礎和人工智能的常用算法。數學基礎方面具體介紹了線性代數、概率論、化問題，在介紹數學知識的同時結合其在人工智能方面的應用。常用算法方面介紹了機器學習的典型算法以及訓練過程中的超參數、驗證集等概念，還給出了模式識別的基本步驟和框架。第4部分包括第7～12章，按照每章一個人工智能的實戰項目，與人工智能的常用算法對應。其中第12章的人臉關鍵點檢測項目，使用了當前流行的深度學習目標檢測算法。
本書主要由北京聯合大學梁愛華和王雪嶠編寫，倪景秀參與了本書的編寫工作。其中，第1、4、7～12章由梁愛華編著，第2～3章由倪景秀編著，第5～6章由王雪嶠編著，付博聞負責了第12章的大部分編著工作，並提供了人臉關鍵點檢測項目的實驗支持。全書由梁愛華負責統稿和校訂，王雪嶠和倪景秀參與了校對，梁愛華基於本教材的課件進行了教學實踐。本書是北京市教育科學規劃一般課題（深度學習視角下混合式教學設計與實踐——以通識Python程序設計課為例，CDDB21201）的研究成果。
本書提供全套教學課件、源代碼、課後習題答案、配套實驗項目、教學計劃及學時分配建議。配套資源可通過清華大學出版社官網下載或與編者聯繫索取。在本書編寫過程中，編者始終以科學嚴謹的態度，力求精益求精，但限於編者水平，書中難免有錯誤和疏漏之處，懇請讀者批評和指正。

編者2022年5月