前言

为什么写这本书

人工智能（AI）是一种新的通用技术，如同19世纪的铁路和电力，以及20世纪的汽车、电脑、互联网一样，将应用到生产经济的方方面面。从个人到企业，从企业到国家，都已感受到人工智能的强大及其带来的机遇与挑战。人工智能将深入到各个领域，也正在改变各个领域，各行各业都在忙于实现AI+，希望通过AI+突破瓶颈，改造原有的一些流程，提高效率，提升竞争力，激发新的创新能力。

“千里之行，始于足下”，在人工智能的千里之行中，学好Python及Python相关的大数据、机器学习、深度学习技能就是“足下”。

为什么是Python，而不是其他语言？因为Python是人工智能的首选语言。Python为何能成为人工智能的首选语言？因为现在大数据分析处理、网络开发、机器学习、深度学习都使用Python。为何这些技术都愿意选择Python，而不是Java、R、C或其他语言？这应该归功于Python的易用、好用、强大。我们知道Java、C很强大，但易用、好用方面做得不够好；R也比较好用、易用，但又不够强大。

本书重点介绍了Python基础，使用Python作为开发语言的各种数据处理、机器学习、深度学习的框架，以及使用这些框架的具体实例。具体来说，本书先介绍了Python入门级的一些基础知识，从Python特殊语法到变量、数据结构、控制语句，再到函数和类等。接着介绍了Python非常强大的“基因”—NumPy。NumPy是整个Python数据处理、机器学习、深度学习的基石，这也是很多深度学习、机器学习架构选择Python的重要原因之一。NumPy主要用于向量、矩阵运算，NumPy的大部分代码都是用C语言写的，其底层算法在设计时就有着优异的性能。所以，NumPy简单、好用，并且高效。最后介绍的机器学习工具Scikit-Learn，深度学习框架PyTorch、Keras都能看到NumPy的影子，如PyTorch、Keras中的张量（Tensor）基本都是基于NumPy，尤其是PyTorch中的Tensor，可以说就是可使用GPU的NumPy。

NumPy的不足之处就是无法直接在GPU上运行，GPU是现在机器学习、深度学习的重要资源，其计算性能是CPU的几十倍，甚至更多。所以在介绍Python基础之后，本书介绍了目前最流行的两种深度学习框架PyTorch和Keras，这两种框架各有特点，易用、好用，且功能强大。

机器学习、深度学习是人工智能的核心内容，Python是人工智能的首选语言。掌握这些关键技术，就相当于拿到了打开人工智能大门的钥匙。

为了广大人工智能初学者或爱好者能在较短时间内掌握Python及人工智能方面的技术，我们编写了本书。我们花了近一年的时间打磨，为便于大家更好地学习和掌握相关技术，在内容选择、安排和组织等方面采用了以下方法。

1.内容选择：常用又重要的内容+实战

Python涉及的内容非常多，本书只选择了其中与数据处理、机器学习相关的一些内容，没有涉及网络开发、爬虫等内容。这样有利于聚焦Python入门和人工智能。在介绍机器学习工具、深度学习框架时，选择了PyTorch和Keras这两个易学、好用的框架。其中PyTorch的很多内容可以看成是Python的延伸，这也是首先介绍此框架的重要原因。Keras简单明了，非常适合初学者或有一定实践经验的读者使用。对Python及各种框架的理解和掌握离不开实战，所以本书介绍了很多实例，以及对实例的后续思考等内容。

2.内容安排：简单实例开始，循序渐进

一个简单的实例胜过千言万语，所以本书的讲解都是从简单实例开始，然后逐步扩展。实例的说明也采用了类似的方法，如识别手写数字的任务，先使用Python实现，然后分别用PyTorch、Keras实现，这有利于读者更好地理解图像识别的原理和各种框架的特色。

3.表达形式：让图说话，一张好图胜过千言万语

在Python开发、机器学习、深度学习中有很多抽象的概念、复杂的算法、深奥的理论，如NumPy的广播机制、梯度下降对学习率敏感、神经网络中的共享参数、误差反向传播等，这些概念如果只用文字来描述，可能很难解释清楚。但如果用一些图形来展示，再加上适当的文字说明，往往能取得非常好的效果。

除了以上谈到的3个方面，为了帮助大家更好地理解，并更快地掌握Python、机器学习、深度学习这些人工智能的核心内容，本书还讲解了很多其他方法。我们希望通过这些方法或方式，能带给读者不一样的理解和体验，使读者感到类和对象不抽象，机器学习容易学习，难学的深度学习也非常好学。

本书特色

本书的特色概括来说就是：把理论原理与代码实现相结合；找准切入点，把复杂问题简单化；图文并茂，使抽象问题直观化；实例说明，使抽象问题具体化。希望通过阅读本书，读者能拥有新的视角、新的理解，甚至更好的未来。

读者对象

·对Python感兴趣的广大在校学生、在职人员。

·对人工智能感兴趣的广大在校学生、在职人员。

·对PyTorch、Keras等感兴趣，并希望进一步提升的在校学生、在职人员。

如何阅读本书

本书分为两部分，共20章，第一部分为Python基础，第二部分为人工智能基础。

第一部分（第1～11章）为Python基础部分，这也是本书的基础，可以为后续章节的学习打下坚实的基础。第1章介绍了Python的安装与配置；第2章介绍了变量与数据类型；第3、4、5章介绍了序列、字典、集合等数据结构及if、for循环等内容；第6、7章是第一部分的重点，分别介绍了函数、类和对象等概念；第8章涉及文件与异常处理；第9、10章分别介绍了科学计算的神器NumPy、善于数据处理的Pandas；第11章介绍了如何实现数据可视化。

第二部分（第12～20章）为人工智能基础部分，这是本书的核心部分，包括机器学习常用算法、机器学习一般流程、神经网络和两种深度学习框架等内容。第12章为机器学习基础，也是深度学习基础，其中包含很多机器学习经典理论、算法和方法等内容；第13章介绍了神经网络；第14章介绍了PyTorch及用PyTorch实现神经网络；第15章介绍了卷积神经网络；第16章介绍了提升模型性能的几种方法；第17章为Keras入门；第18、19、20章分别用Keras实现图像识别、迁移学习、风格迁移等内容。

勘误和支持

由于笔者水平有限，加之编写时间仓促，书中难免出现错误或不准确的地方，恳请读者批评指正。读者可以通过链接下载资源。

可通过以下渠道给我们反馈，非常感谢您的支持和帮助。

QQ：1715408972

邮箱：wumg3000@163.com

致谢

在本书编写过程中，得到了很多同事、朋友、老师和同学的支持！感谢博世王冬的大力支持；感谢上海交大慧谷的程国旗老师，上海大学的白延琴老师、李常品老师，上海师范大学的田红炯老师、李昭祥老师，赣南师范大学的许景飞老师等的支持和帮助！

感谢北京大学出版社魏雪萍老师给予本书的大力支持和帮助。

最后，感谢我的爱人赵成娟，在繁忙的教学工作之余帮助审稿，提出不少改进意见和建议。

吴茂贵