本书致力于推动人工智能的普及教育，使用通俗易懂的语言深入浅出地介绍了人工智能相关知识，包括机器学习和深度学□□基本内容，并结合图像信息处理和自然语言处理两个典型应用展开阐述，使读者能快速掌握人工智能的基本概念、基本知识体系和框架，为进一步学习打下良好基础。本书共分6章：前4章主要介绍基础入门知识，包括绪论、基本分类、回归与聚类和神经网络与深度学习；第5章和第6章结合人工智能目前□热门的两个技术应用领域图像信息处理和自然语言处理展开论述。本书强调实用性和可读性，并在章节中增加了课程思政的案例和内容，可作为高中生的科普教材、高职高专和高等院校学生学习人工智能的通识课程教材，也可作为人工智能技术人员和管理人员的入门参考书。本书提供□□、PPT、习题等辅助教学资料，读者可访问本出版社教学资源链接http：www.w□□ookshow.com和http：www.waterpub.com.cn获得；本书配套慕课教程，读者可访问智慧树网站链http：www.zhihuishu.com搜索课程人工智能基础获得。以上资源也可联系作者（xdzhanggy@163.com）或出版社（3055866□7@qq.com）获得。

第二版前言
□□版前官
□□章 绪论
1.1 人工智能的基本概念
1.□ 人工智能的发展历史
1.3 人工智能的研究范式
1.4 人工智能的应用领域
1.5 小结
第□章 基本分类
□.1 分类的概念
□.□ 向量的基本运算
□.3 分类器
□.4 分类识别技术
□.4.1 感知机
□.4.□ 导数与微分
□.4.3 梯度下降法
□.4.4 SVM
□.5 测试与分类实现
□.5.1 测试
□.5.□ 分类实现
□.5.3 多分类识别
□.6 小结
第3章 回归与聚类
3.1 基本概念
3.1.1 机器学□□类别
3.1.□ □量之间的关系
3.□ 回归
3.□.1 回归的概念
3.□.□ 线性回归
3.□.3 逻辑回归
3.3 聚类
3.3.1 聚类的概念
3.3.□ K均值聚类算法
3.3.3 层次聚类算法
3.4 相似度计算
3.5 小结
第4章 神经网络与深度学□<□r> 4.1 人工神经网络的发展历史
4.□ 神经网络的分类
4.□.1 生物神经网络
4.□.□ 人工神经网络
4.3 浅层神经网络
4.3.1 多输出感知机
4.3.□ 多层神经网络
4.4 深度学□<□r> 4.4.1 深度学习模型
4.4.□ 激活函数
4.4.3 深度学□□特点及发展
4.5 小结
第5章 图像信息处理
5.1 人眼成像
5.□ 图像信息处理的基本概念
5.3 图像采集及处理发展历史
5.4 数字图像处理
5.4.1 图像的基本运算
5.4.□ 图像增强
5.4.3 图像分割
5.4.4 图像压缩
5.5 数字图像分析
5.6 □□分析
5.6.1 □□的概念
5.6.□ 运动检测
5.6.3 目标跟踪
5.7 卷积神经网络CNN
5.7.1 卷积
5.7.□ 卷积层
5.7.3 池化层
5.7.4 AlexNet
5.8 小结
第6章 自然语言处理
6.1 自然语言处理的发展历史
6.□ 自然语言处理典型应用
6.3 自然语言处理基本技术
6.3.1 词法分析
6.3.□ 句法分析
6.3.3 语义分析
6.3.4 语用分析
6.4 自然语言特征提取
6.4.1 词袋模型BOW
6.4.□ N-Gram模型
6.4.3 Word□Vec模型
6.4.4 循环神经网络RNN
6.5 小结
参考文献