前言

近年来，随着大数据技术、机器学习、数据挖掘、数据科学以及人工智能等领域的发展与兴起，掀起一场新的技术革命，各行各业对相关人才的需求也随之而来。数据科学作为数学与计算机的交叉学科，旨在塑造集数学知识和计算机编程于一体的优秀人才。人工智能的兴起离不开数学的发展，而人工智能的核心就是数学。在教育、金融、电商以及医疗等行业的业务工作过程中，人工智能对于各行各业的发展已不可或缺，随着5G时代的到来必将进一步加快人工智能的发展。
本书以问题为导向，非常适合具备一定数学基础和Python基础的读者学习。读者可以在短时间内学习本书中介绍的所有算法。
作为一本关于人工智能算法的入门级书籍，本书共有5章。
第1章主要阐述Python的基础内容，主要介绍关于Python的发展历程、不同操作系统下的安装、人工智能常用的模块以及虚拟环境搭建；着重介绍Python的数据类型、数据结构、条件判断、循环语法以及其他基础内容；最后介绍Jupyter系列软件的安装和使用方法。
第2章针对书中涉及的常用模块进行简要说明和实例讲解，主要有关于数值计算的NumPy模块、数学符号运算的SymPy模块，着重介绍关于科学计算的SciPy模块，比如非线性方程组的求解、最小二乘法的实现以及样条插值等内容。人工智能离不开数据，而pandas是数据处理最常用的模块，简要介绍了关于pandas的一些内容。最后介绍数据可视化常用的Matplotlib模块。
第3章主要介绍描述性分析的相关内容，包括数据的定义和分类、基本统计量、数据转换、常见距离以及多维数据；着重介绍几种常见的基本统计量，比如变异系数、协方差以及相关系数等，数据转换主要介绍关于数据的标准化方法。
第4章主要介绍关于人工智能的常见算法，共涉及12种经典算法。算法涉及监督学习和无监督学习。监督学习包括线性回归、判别分析、决策树、随机森林以及推荐算法等；无监督学习包括主成分分析等。本章的所有算法都有详细的算法原理、代码实现以及案例实现。
第5章介绍深度学习的有关内容，详细介绍了PyTorch的安装和基础知识，着重介绍关于深度学习的基础知识点，比如梯度下降法，激活函数，卷积神经网络中的卷积、池化等概念。另外，本章结合案例实现前馈神经网络、卷积神经网络、生成对抗网络以及其他神经网络等。
本书特色
（1） 以问题为导向，对基础理论知识点与算法演练进行详细讲解。
（2） 实战案例丰富，涵盖38个知识点案例、19个完整项目案例。
（3） 代码详尽，避免以API的形式展示，规避重复代码。
（4） 语言简明易懂，由浅入深带你学会Python以及人工智能常见算法。
（5） 各个算法相对独立，数学原理相对容易理解。
配套资源
为便于教学，本书配有微课视频、源代码、数据集、教学课件、教学大纲、程序安装包。
（1） 获取教学视频方式：读者可以先扫描本书封底的文泉云盘防盗码，再扫描书中相应的视频二维码，观看教学视频。
（2） 获取源代码、数据集和程序安装包方式：先扫描本书封底的文泉云盘防盗码，再扫描下方二维码，即可获取。


源代码




数据集




程序安装包



（3） 其他配套资源可以扫描本书封底的课件二维码下载。
读者对象
本书主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员，高等院校相关专业师生，以及相关领域的广大科研人员。
特别感谢
特别感谢韩丹夫教授(杭州师范大学硕士生导师，主要从事非线性数值代数、偏微分数值解和连续问题的计算复杂性、大数据分析等方面的研究)对本书殷切指导与宝贵建议，以及日常生活中对于祥雨提供的帮助，在此表示衷心的感谢！
本书的编写参考了诸多相关资料，在此对原作者表示衷心的感谢。限于个人水平和时间仓促，书中难免存在疏漏之处，欢迎读者批评指正。

作者

2020年8月