本书致力于推动人工智能的普及教育，使用通俗易懂的语言深入浅出地介绍了人工智能的相关知识，包括机器学习和深度学习的基本内容，并结合图像信息处理和自然语言处理两个典型应用展开阐述，使读者能快速掌握人工智能的基本概念、基本知识体系和框架，为进一步深入学习打下良好基础。
本书共分6章：前4章主要介绍基础入门知识，包括绪论、基本分类、回归与聚类及神经网络与深度学习；第5章和第6章结合人工智能目前最热门的两个技术应用领域——图像信息处理和自然语言处理展开论述。
本书强调实用性和可读性，可作为高中生的科普教材、高等院校低年级本科生学习人工智能的通识课程教材，也可作为人工智能技术人员和管理人员的入门参考书。

前言
第1章 绪论
1.1 人工智能的基本概念
1.2 人工智能的发展历史
1.3 人工智能的研究范式
1.4 人工智能的应用领域
1.5 小结
第2章 基本分类
2.1 分类的概念
2.2 向量的基本运算
2.3 分类器
2.4 分类识别技术
2.4.1 感知机
2.4.2 导数与微分
2.4.3 梯度下降法
2.4.4 SVM
2.5 测试与分类实现
2.5.1 测试
2.5.2 分类实现
2.5.3 多分类识别
2.6 小结
第3章 回归与聚类
3.1 基本概念
3.1.1 机器学习的类别
3.1.2 变量之间的关系
3.2 回归
3.2.1 回归的概念
3.2.2 线性回归
3.2.3 逻辑回归
3.3 聚类
3.3.1 聚类的概念
3.3.2 K均值聚类算法
3.3.3 层次聚类算法
3.4 相似度计算
3.5 小结
第4章 神经网络与深度学习
4.1 人工神经网络的发展历史
4.2 神经网络的分类
4.2.1 生物神经网络
4.2.2 人工神经网络
4.3 浅层神经网络
4.3.1 多输出感知机
4.3.2 多层神经网络
4.4 深度学习
4.4.1 深度学习模型
4.4.2 激活函数
4.4.3 深度学习的特点及发展
4.5 小结
第5章 图像信息处理
5.1 人眼成像
5.2 图像信息处理的基本概念
5.3 图像采集及处理发展历史
5.4 数字图像处理
5.4.1 图像的基本运算
5.4.2 图像增强
5.4.3 图像分割
5.4.4 图像压缩
5.5 数字图像分析
5.6 视频分析
5.6.1 视频的概念
5.6.2 运动检测
5.6.3 目标跟踪
5.7 卷积神经网络CNN
5.7.1 卷积
5.7.2 卷积层
5.7.3 池化层
5.7.4 AlexNet
5.8 小结
第6章 自然语言处理
6.1 自然语言处理的发展历史
6.2 自然语言处理典型应用
6.3 自然语言处理基本技术
6.3.1 词法分析
6.3.2 句法分析
6.3.3 语义分析
6.3.4 语用分析
6.4 自然语言特征提取
6.4.1 词袋模型BOW
6.4.2 N-Gram模型
6.4.3 Word2Vec模型
6.4.4 循环神经网络RNN
6.5 小结
参考文献