前言

一般认为，人工智能经历了三次发展浪潮。第一次发生于20世纪60年代，以符号主义学派为主导；第二次发生于20世纪80年代，以连接主义学派为主导；第三次发生于2006年，以深度学习为基础。前两次浪潮都经历了从初期的极度乐观，慢慢转入失望怀疑，研究人员和经费逐渐流出，到“AI寒冬”的循环。而第三次浪潮随着深度学习而复兴，就目前来看似乎还处在循环的前半段：技术突破先前的局限而快速发展，投资狂热，追捧者甚多。问题是现在的热潮是不是技术萌芽期的过分膨胀？是否会昙花一现并逐渐冷却，然后又进入寒冬？也许任何预言、推论都没有实质意义，只有时间才有资格给出真正的答案。

那么，谁来学习人工智能？怎么去理解深度学习呢？计算机工程日益庞大、方向繁多，如前端、后端、测试等，纵然是计算机从业人员，大多数也只有精力在一个方向深入学习。AI空间是这个庞大体系的一部分，还是未来社会每个人都应该掌握的基本技能？其实深度学习更像是一种新的思维方式，能加深我们对计算机乃至世界运行规律的理解。深度学习将传统机器学习中最为复杂的“特征工程”自动化，使机器可以“自主地”抽象和学习更具统计意义的“模式”。

本书为什么会在众多语言当中选择Python来实现人工智能呢？主要原因是：Python是一种通用型编程语言，它具有良好的可扩展性和适应性，易于学习，被广泛应用于云计算、人工智能、科学运算、Web开发、网络爬虫、系统运维、图形GUI、金融量化投资等众多领域。无论是客户端、云端，还是物联网终端，都能看到Python的身影，可以说，Python的应用无处不在。特别是在移动互联网和人工智能时代，Python越来越受到编程者的青睐。

此外，Python社区有各类充满激情的人，对于程序员来说，社区是非常重要的，因为编程绝非孤独地修改代码，大多数程序员需要向解决过类似问题的人寻求建议，就算是经验丰富的程序员也不例外。当需要有人帮助解决问题时，有一个联系紧密、互帮互助的社区至关重要，Python社区就是这样一个社区。

本书旨在让读者尽快掌握Python软件，并利用Python实现人工智能。通过阅读本书，读者能够迅速掌握人工智能的概念、发展和应用，为进一步深入研究人工智能打下坚实的基础，并养成良好的编程习惯。

本书编写特色主要表现在以下3个方面。

1．易学易懂

功能更完善的Python 3.X版本凭借其简洁、易读及可扩展性，使编程更简洁，读者更易理解与掌握。本书不纠缠于晦涩难懂的概念，而用通俗易懂的语言引出概念，再通过实例进行巩固。

2．内容详尽细致

本书每个章节都构造了各种对应实例，系统全面、循序渐进地介绍了Python在人工智能各方面的应用。

3．学与用相结合

本书以解决问题为导向，注意培养编程思维，让读者感受到编程的乐趣，同时讲解与实例相结合，以“够用”为原则，带领初学者避开技术陷阱。书中案例丰富，读者能够从人工智能的各个方面体会利用Python实现智能编程的乐趣，做到学与做相结合。

全书共9章，每个章节的主要内容包括：

第1章　介绍了人工智能的基础，主要包括人工智能的数学建模、选择Python的原因、剖析Python程序、NumPy入门等内容。

第2章　介绍了人工智能背景下的科学计算，主要包括Pandas科学计算库、Matplotlib可视化库、SciPy科学计算库等内容。

第3章　介绍了人工神经网络，主要包括人工神经网络的概念、神经激活函数、反向传播、卷积神经网络、循环神经网络、生成对抗网络等内容。

第4章　介绍了迁移学习，主要包括迁移学习的概念、VGG16实现图像风格转移、糖尿病性视网膜病变检测等内容。

第5章　介绍了网络爬虫，主要包括初识爬虫、爬虫入门、高效率爬虫、利用Scrapy实现爬虫等内容。

第6章　介绍了智能数据分析，主要包括数据获取、枚举算法、递推问题、模拟问题、逻辑推理问题、排序问题等内容。

第7章　介绍了机器学习，主要包括K-Means聚类算法、kNN算法、朴素贝叶斯算法、广义线性模型、决策树算法、随机森林、支持向量机等内容。

第8章　介绍了智能模型分析，主要包括数据表达、数据升维、模型评估、优化模型参数、可信度评估等内容。

第9章　介绍了人工智能的应用，主要包括机器翻译、机器语音识别、利用OpenCV实现人脸识别、GAN风格迁移、利用OpenCV实现风格迁移、聊天机器人等内容。

本书适合Python初学者，以及利用Python进行人工智能开发的读者。

本书由佛山科学技术学院李晓东编著，由于时间仓促，加之作者水平有限，书中错误和疏漏之处在所难免，恳请各领域专家和广大读者批评指正。

编著者