本书以深入浅出的方式，讲解何为“人工智能”，如何掌握以深度学习为代表的人工智能相关方法，以及如何进行落地应用。本书从理论、工具基础讲解开始，层层递进，分别向读者清晰地展现了卷积神经网络、生成式对抗网络、循环神经网络、深度强化学习的知识脉络与方法原理。同时，按照具体应用场景，结合主流深度学习框架，给出所讲述理论的落地应用案例和编程开发指导，旨在结合理论与实践，平衡知识的深度与广度，明确入门与进阶路径，使读者更加深入全面地理解深度学习的原理及实践方法。
本书主要面向人工智能技术初学者、程序开发者、前沿科技爱好者，尤其是在校大学生和相关领域研究人员。

第一篇 基础人门篇
第0章 人工智能概述
O.1 人工智能的定义与学派
O.1.1 人工智能定义
O.1.2 人工智能学派
O.2 人工智能简史
O.2.1 早期的人工智能
O.2.2 人工智能的波浪式前进
O.3 人工智能的关键支撑技术
0.3.1 算法——深度神经网络
O.3.2 数据——多源异构大数据
O.3.3 算力——高性能计算芯片
O.4 人工智能的应用与面临的挑战
0.4.1 人工智能应用领域
O.4.2 人工智能前沿
O.4.3 发展趋势与面临的挑战
O.5 国家战略与政策下的人工智能
O.5.1 国内政策及战略规划
O.5.2 国外战略与政策
O.6 习题
参考资源
第1章 理论基础
1.1 数学基础
1.1.1 线性代数与矩阵论
1.1.2 概率论与统计学
1.1.3 博弈论
1.1.4 最优化理论
1.2 算法基础
1.2.1 算法概论
1.2.2 数据结构
1.3 机器学习基础
1.3.1 机器学习概述
1.3.2 监督学习
1.3.3 无监督学习
1.3.4 强化学习
1.3.5 联邦学习
1.4 大数据基础
1.4.1 数据挖掘
1.4.2 Hadoop开源生态框架体系
1.5 温故知新
1.6 习题
参考资源
第2章 工具基础
2.1 编程基础
2.1.1 编程理论
2.1.2 Python基础
2.2 开源框架基础
2.2.1 Pytorch
2.2.2 TensorFlow框架
2.2.3 PaddlePaddle框架
2.2.4 其他框架
2.3 硬件基础
2.3.1 CPU基础
……
第二篇 方法解析篇
第三篇 实战应用篇