本书内容包括：人工智能基础篇介绍人工智能的基本概念、数据预处理、特征提取、降维技术和数据可视化方法；自然启发的人工智能篇讲授进化算法、群体智能算法等自然启发算法的基本原理，如遗传算法和蚁群算法；机器学习基础篇涵盖线性模型、决策树、集成学习模型、支持向量机、朴素贝叶斯算法和聚类算法等经典机器学习算法；深度学习基础篇介绍前馈神经网络、卷积神经网络、循环神经网络、注意力机制、Transformer模型、图神经网络、生成对抗网络(GANs)和扩散模型等深度学习技术；人工智能拓展篇介绍表征学习、自监督学习、迁移学习、强化学习、联邦学习、时间序列分析、自然语言处理、图像和视频生成及气象大模型等前沿技术；人工智能可解释性技术篇讲解机器学习模型的可解释性技术和人工智能因果推理。本书不仅提供了全面的知识体系，还注重培养读者的实践能力，通过丰富的实际案例，提升解决问题的能力。