本书以人工智能技术为背景，介绍了人工智能领域内的相关算法，包括机器学习算法和深度学习算法，详细介绍了各个算法的概述，原理以及应用案例。全书分为四大部分：AI基础知识、监督式学习算法、无监督式学习算法、深度学习算法。全书共17章，第1章介绍人工智能的定义、关键技术、实际应用等相关背景；第2章介绍人工智能算法的实验环境，包括环境安装，可视化库，TensorFlow框架搭建；第3章介绍线性回归算法，包括算法概述、原理以及应用案例实现；第4章介绍逻辑回归算法，包括算法概述、原理以及应用案例实现；第5章介绍支持向量机算法，包括算法概述、原理以及应用案例实现；第6章介绍K近邻算法，包括算法概述、原理以及应用案例实现；第7章介绍决策树，包括算法概述、原理以及应用案例实现；第8章介绍朴素贝叶斯算法，包括算法概述、原理以及应用案例实现；第9章介绍集成学习算法，包括算法概述、原理以及应用案例实现；第10章介绍主成分分析算法，包括算法概述、原理以及应用案例实现；第11章介绍K-Means算法，包括算法概述、原理以及应用案例实现；第12章介绍EM算法，包括算法概述、原理以及应用案例实现；第13章介绍BP神经网络，包括算法概述、原理以及应用案例实现；第14章介绍循环神经网络，包括算法概述、原理以及应用案例实现；第15章介绍卷积神经网络，包括算法概述、原理以及应用案例实现；第16章介绍LSTM神经网络，包括算法概述、原理以及应用案例实现；第17章介绍生成对抗网络，包括算法概述、原理以及应用案例。 本书适合作为高等院校人工智能专业及计算机相关专业学生的教材和参考书，也适合作为软件开发相关人员进行人工智能技术应用开发的重要参考资料。