本书主要介绍了人工智能的基础知识、人工智能的编程语言（Python）及人工智能领域的核心技术和应用。全书包含理论篇与实验篇两部分。理论篇共8章，包括人工智能概述、Python程序设计基础、Numpy数值分析库、pandas数据分析库、计算机视觉技术与应用、智能语音技术与应用、自然语言处理与应用、生成式大模型应用等内容；实验篇设计了与理论章节配套的13个实验项目。 本书以培养读者人工智能素养、程序设计思维和人工智能基本应用能力为目标，通过理论与实践相结合的方式，旨在帮助读者建立起系统的人工智能知识体系，并在实践中提升其解决实际问题的能力。书中的实验设计紧密联系实际应用，使读者能够在学习中体验到人工智能技术的实际应用价值。

理论篇
第1章 人工智能概述
1.1 人工智能简介
1.1.1 人工智能的定义与核心特征
1.1.2 人工智能对人类智能的模拟与超越
1.2 人工智能的发展历程
1.3 人工智能的产业结构
1.4 人工智能的核心技术
1.4.1 机器学习
1.4.2 知识图谱
1.4.3 自然语言处理
1.4.4 计算机视觉
1.4.5 人机交互
1.5 人工智能的应用领域
1.6 人工智能风险
1.7 本章小结
1.8 习题
第2章 Python程序设计基础
2.1 Python基础知识
2.1.1 Python简介
2.1.2 Python编程环境
2.1.3 Python基本数据类型
2.1.4 Python组合数据类型
2.1.5 内置函数
2.1.6 运算符与表达式
2.2 Python程序控制语句
2.2.1 条件语句
2.2.2 循环语句
2.2.3 可迭代对象的遍历方法
2.2.4 异常处理
2.3 函数
2.3.1 函数定义
2.3.2 函数调用
2.3.3 模块与包的使用
2.3.4 第三方库的安装与使用
2.3.5 文件操作
2.4 本章小结
2.5 习题
第3章 Numpy数值分析库
3.1 Numpy数组创建与操作
3.1.1 Numpy数组创建
3.1.2 Numpy数组属性
3.1.3 Numpy数组基本操作
3.1.4 Numpy函数
3.2 Numpy数据类型
3.2.1 Numpy数据类型概述
3.2.2 Numpy数据类型转换
3.3 Numpy数组广播机制
3.4 特殊数值处理
3.5 本章小结
3.6 习题
第4章 Pandas数据分析库
4.1 Pandas数据结构的创建与操作
4.1.1 序列创建与基本操作
4.1.2 数据框创建与基本操作
4.2 数据选择与过滤
4.2.1 使用选择器和快速访问器
4.2.2 基于条件的数据筛选
4.2.3 多条件联合筛选
4.3 数据分组与聚合
4.3.1 数据分组
4.3.2 对分组数据进行聚合操作
4.3.3 分组后的数据转换
4.4 合并和连接
4.4.1 数据框合并
4.4.2 合并方式
4.4.3 数据框连接
4.5 数据读取和存储
4.5.1 读写CSV文件
4.5.2 读写Excel文件
4.6 数据清洗和预处理
4.6.1 缺失值检测与处理
4.6.2 异常值检测与处理
4.6.3 重复值检测与处理
4.6.4 数据类型转换
4.7 时间序列处理
4.7.1 时间序列生成与索引设置
4.7.2 时间间隔计算与转换
4.7.3 时间序列数据重采样
4.7.4 移动窗口计算
4.7.5 时间序列数据分析
4.8 本章小结
4.9 习题
第5章 计算机视觉技术与应用
5.1 计算机视觉基础
5.1.1 计算机视觉的概念与发展历程
5.1.2 计算机视觉处理流程
5.1.3 计算机视觉与相关领域的联系与区别
5.1.4 应用领域
5.2 计算机视觉的基本任务
5.2.1 图像分类
5.2.2 目标检测与定位
5.2.3 图像分割
5.3 计算机视觉常见应用
5.3.1 图像技术
5.3.2 OCR及其应用
5.3.3 人脸识别及其应用
5.3.4 人体分析及其应用
5.4 计算机视觉技术面临的挑战与未来发展
5.4.1 计算机视觉技术面临的挑战
5.4.2 计算机视觉技术的未来发展趋势与展望
5.5 本章小结
5.6 习题
第6章 智能语音处理与应用
6.1 智能语音处理概述
6.1.1 智能语音处理的概念及其发展历程
6.1.2 智能语音处理的关键环节
6.1.3 智能语音处理的应用领域
6.2 智能语音常用技术
6.2.1 语音增强
6.2.2 语音识别
6.2.3 语音合成
6.3 智能语音处理常见应用
6.3.1 语音识别应用
6.3.2 语音合成应用
6.3.3 其他语音拓展应用
6.4 智能语音处理面临的挑战与未来发展趋势
6.4.1 智能语音处理面临的挑战
6.4.2 智能语音处理未来发展趋势
6.5 本章小结
6.6 习题
第7章 自然语言处理与应用
7.1 自然语言处理概述基础
7.1.1 自然语言处理的概念及其发展历程
7.1.2 语言学基础
7.1.3 自然语言中的歧义问题
7.2 自然语言处理基础任务
7.2.1 文本清洗
7.2.2 分词
7.2.3 词性标注
7.2.4 命名实体识别
7.2.5 依存句法分析
7.3 自然语言处理常见应用
7.3.1 语言理解
7.3.2 语言生成
7.3.3 机器翻译
7.3.4 内容审核
7.3.5 个性化推荐
7.3.6 智能问答-聊天机器人
7.4 自然语言处理技术前沿
7.4.1 多模态融合
7.4.2 可解释性自然语言处理
7.4.3 深度学习模型的不