本课程内容覆盖Python语言基础、线性回归、逻辑斯蒂分类、K-近邻分类、K-均值聚类、朴素贝叶斯分类、神经网络和深度学习等，涵盖了人工智能核心领域机器学习和深度学习的主流模型。主要特点如下：

（1）面向具有一定编程基础的人员学习，仅用一章篇幅介绍Python语言的基础语法，其余章节重点介绍人工智能的主要模型方法及其Python语言的实现。

（2）对于人工智能主要模型方法的学习，本着使读者“知其然，知其所以然”的宗旨。

（3）通过案例教学，使读者在解决实际问题的过程中学习Python语言和人工智能。

本课程是计算机专业的大学生所需要掌握的一门计算机专业课程。本课程的教学目的是，通过理论教学与上机实践，使学生掌握Python语言，掌握人工智能基础算法，能使用Python语言实现人工智能相关算法，解决人工智能相关问题。通过该课程，初步培养计算机专业学生人工智能相关领域的研究和应用能力。

本课程采用闭卷考试方式，总评成绩由平时成绩和期末成绩组成，期末考试卷面成绩占总评成绩的60%，平时成绩占总评的40%。在教学过程中，加强过程性评价，每次评价的形式和内容要围绕课程目标。

本课程要求学生学习过C或者Java等程序设计语言。后续课程主要有：《人工智能》、《数据挖掘》、《算法分析》等，本课程将使学生掌握必要的编程能力，并为后续课程的学习打下良好的基础。

[1] 陈景强等．人工智能应用实践教程（Python实现）. 人民邮电出版社，2024年．

[2] 薛景，陈景强等．Python程序设计基础教程[M].人民邮电出版社，2018年．

[3] 黄海涛．Python3人工智能从入门到实战[M]．人民邮电出版社，2019年．

[4] 董付国. Python数据分析、挖掘与可视化[M]. 人民邮电出版社，2020年．

[5] 周志华. 机器学习[M]. 清华大学出版社. 2017年.