全书分为12章。第1章简要介绍了人工智能的发展历史和主要研究方向,介绍了人 工智能的基本概念、基本研究方向和主要原理及应用。第2章介绍了人工智能与数学知识 的联系,随后对人工智能算法中常用的几种数学理论及实现方法进行了阐述,包括矩阵 论、应用统计学、数值分析、经典变换,人工智能算法中的最优化问题。第3章介绍了几 种Python中常用的容器,包括列表、元组、字典与集合,并对几种容器各自的特点作用以 及相互之间的差异进行了详细介绍,随后对Python函数的定义以及使用进行了阐述,最后 总结了 Python常用库。第4章介绍了逻辑推理中常用的符号、公式、公理以及基本的逻辑 推理方法。第5章介绍了知识与知识表示的概念,然后对产生式表示法进行了详细介绍, 主要包括产生式的基本形式、产生式系统及产生式系统的优势及分类,随后对框架及框架 网络进行了介绍,最后介绍了状态空间表示的原理,并举例进行说明。第6章介绍了搜索 的概念、搜索的评价指标,介绍了常用经典的搜索方法的概念、思想及其流程,最后,对 这些经典的搜索方法进行了归纳总结,并且章节后配备习题,以便学生对搜索技术相关的 重要概念、常用搜索方法的原理和步骤有更深入的理解和掌握。第7章介绍了有关机器学 习的历史,随后讨论一些机器学习的基本概念,并论述机器学习的分类情况,分别介绍了 监督学习、无监督学习和弱监督学习。第8章介绍深度学习的发展过程,BP神经网络理 论,卷积神经网络及学习算法,循环神经网络,LSTM,自编码器理论以及生成对抗网络。 现代深度学习为监督学习提供了一个强大的框架,了解这些基础模型,有助于设计、构建 和配置一些涉及深度学习的应用。第9章介绍自然语言处理过程中对词、短语、自然语句 和上下文表达的处理方法,介绍基本的算法和基本概念。第10章介绍计算机视觉的基本 概念、图像基础知识和与计算机视觉相关的图像处理技术。第11章介绍基于模型诊断的 概念、方法和基本应用,并简要介绍了基于模型诊断的推理过程。第12章主要介绍了人 脸识别技术、癌症筛选、购物篮分析和异常检测等人工智能实战应用。