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。

第一章 人工智能概论
1.1 引言
1.1.1 人工智能是什么
1.1.2 人工智能的两位奠基人
1.1.3 达特茅斯会议
1.1.4 人工智能发展的历程
1.1.5 关键事件
1.2 身边的人工智能
1.2.1 下棋高手
1.2.2 自动驾驶
1.2.3 机器翻译
1.2.4 图像识别
1.2.5 智能回答
1.2.6 目标检测
1.3 人工智能的发展趋势
第二章 Python语言基础
2.1 Python概述
2.1.1 Python语言简介
2.1.2 Python开发环境搭建
2.2 Python基础语法及运算符
2.2.1 基础语法
2.2.2 变量
2.2.3 运算符
2.3 控制结构
2.3.1 顺序结构
2.3.2 分支结构
2.3.3 循环结构
2.4 数据结构
2.4.1 字符串
2.4.2 列表
2.4.3 元组
2.4.4 字典
2.5 函数的设计与调用
2.5.1 函数的定义与调用
2.5.2 常用函数
2.5.3 标准库与扩展库对象的导入和使用
第三章 智能计算方法
3.1 暴力搜索算法
3.1.1 暴力搜索算法的原理
3.1.2 暴力搜索算法的优点和缺点
3.2 爬山算法
3.2.1 爬山算法的原理
3.2.2 爬山算法的优点和缺点
3.3 模拟退火算法
3.3.1 模拟退火算法的原理
3.3.2 模拟退火算法的优点和缺点
3.4 遗传算法
3.4.1 遗传算法的原理
3.4.2 遗传算法的优点和缺点
第四章 经典机器学习
4.1 小明识数
4.2 机器识数：K最近邻分类算法
4.2.1 K最近邻分类算法的原理
4.2.2 KNN算法的基本步骤
4.2.3 k值对结果的影响
4.2.4 使用KNN算法预测样本的步骤
4.3 支持向量机分类
4.3.1 多类分类问题转化为二分类问题
4.3.2 支持向量机
4.4 机器学习的实用技巧
4.4.1 特征工程
4.4.2 数据标准化
4.4.3 超参数搜索
4.4.4 模型验证
4.5 无监督学习
4.5.1 聚类
4.5.2 降维
第五章 深度学习技术
5.1 人工神经网络
5.1.1 神经元模型
5.1.2 前馈神经网络
5.2 卷积神经网络
5.2.1 卷积层
5.2.2 池化层
5.2.3 典型的卷积网络结构
5.3 循环神经网络
5.3.1 循环神经网络的结构
5.3.2 基础循环神经网络的局限
5.3.3 长短期记忆网络
5.3.4 门控循环单元网络
5.4 小结
参考文献
使用说明