本書巧妙地將Python語言與人工智能知識結(jié)合在一起進行編排，使讀者既能全面學習Python編程語言，又能系統(tǒng)了解人工智能基本原理并深入掌握人工智能特別是新一代人工智能關(guān)鍵技術(shù)，同時配有豐富的教學案例和前沿熱點應(yīng)用，每一個知識點都有對應(yīng)Python語言實現(xiàn)。
全書共分為9章。第1章主要講解人工智能的發(fā)展歷史、驅(qū)動因素以及關(guān)鍵技術(shù)等。第2章為Python編程語言，系統(tǒng)介紹Python的語法規(guī)則、數(shù)據(jù)類型、程序結(jié)構(gòu)及文件操作和圖形化編程等。第3章為概率統(tǒng)計基礎(chǔ)，是人工智能的理論基礎(chǔ)。第4章為最優(yōu)化方法，解釋人工智能算法本質(zhì)問題。第5章深度學習與神經(jīng)網(wǎng)絡(luò)是本書的重點章節(jié)，該章對當前基于深度學習的多層神經(jīng)網(wǎng)絡(luò)，如卷積神經(jīng)網(wǎng)絡(luò)、遞歸/循環(huán)神經(jīng)網(wǎng)絡(luò)、長短期記憶神經(jīng)網(wǎng)絡(luò)等進行全面、深入的講解。第6章TensorFlow深度學習，重點介紹深度學習開源框架TensorFlow的使用方法及如何利用TensorFlow開發(fā)和部署各種深度學習模型。第7章數(shù)據(jù)采集與數(shù)據(jù)集制作，詳細介紹如何通過網(wǎng)絡(luò)爬蟲等方法從互聯(lián)網(wǎng)上搜集數(shù)據(jù)并制作成數(shù)據(jù)集。第8章詳細闡述如何利用GPU并行計算設(shè)備和CUDA編程來加速人工智能深度學習的模型訓練。第9章精心挑選了7個人工智能實驗案例，包括數(shù)據(jù)智能分析、視頻圖像智能理解、自然語言處理等各個方面，從簡到難，可以作本書配套的實驗教學內(nèi)容。
本書可作為人工智能、計算機、電子信息、智能科學與技術(shù)、數(shù)據(jù)科學與大數(shù)據(jù)、機器人工程等專業(yè)的高年級本科生以及研究生的學習用書，也可作為從事人工智能研究與開發(fā)的科研人員、工程技術(shù)人員及智能應(yīng)用愛好者的參考書籍。