本书共9章。第1章为Python语言概述，介绍Python语言的特点、应用领域，以及Python语言开发环境和VS Code的配置与使用。第2章讲解Python语言基础，涵盖基本语法、数据类型、基本运算和程序控制结构。第3章围绕组合数据类型展开，涉及列表、元组、字典和集合的定义、操作与实际应用。第4章介绍函数的定义、参数传递、返回值及模块化编程思想。第5章讨论文件操作与异常处理，包括文件的打开、读写、关闭及异常处理机制。第6章聚焦数据可视化，讲解基本概念与常用可视化工具库的应用。第7章概述人工智能基础，包括人工智能的概念、发展历程与应用。第8章深入介绍人工智能技术，如机器学习、深度学习、自然语言处理、计算机视觉等。第9章探讨人工智能安全与伦理，简要阐述安全框架、关键技术与治理措施。本书既可以作为普通高等院校、职业本科的相关课程的教材，也可以作为相关技术人员的自学参考书。

刘金华，男，副教授。主要研究方向：智能算法。参与多项省级科研项目和教改项目，发表多篇期刊论文，主持1项省教育厅教改项目，主持 1项教育部产学合作协同育人项目，主持1项横向课题项目。

第1章　Python语言概述
1.1　计算机程序设计语言
1.2　Python语言介绍
1.2.1　Python语言的发展历程
1.2.2　Python语言的核心特点
1.2.3　Python语言的应用领域
1.3　Python语言开发环境
1.3.1　Python语言的下载与安装设置
1.3.2　VS Code的下载与安装设置
1.3.3　Python扩展库的安装
1.3.4　标准库与扩展库的导入
1.4　Python程序示例
实验1　Python语言开发环境初体验
实验2　初识Python程序
习题1
第2章　Python语言基础
2.1　Python程序的书写规范
2.1.1　语句行
2.1.2　代码缩进
2.1.3　代码注释
2.1.4　标识符与关键字
2.2　常量与变量
2.2.1　变量
2.2.2　常量
2.3　Python语言基本数据类型
2.3.1　数值型
2.3.2　布尔类型
2.3.3　字符串
2.3.4　组合数据类型
2.4　常用系统函数
2.4.1　数据类型转换函数
2.4.2　基础数学运算函数
2.4.3　数据输入与输出函数
2.4.4　常用math模块函数
2.4.5　常用random模块函数
2.4.6　其他常用内置函数
2.5　Python语言基本运算
2.5.1　算术运算
2.5.2　赋值运算
2.5.3　关系运算
2.5.4　逻辑运算
2.5.5　测试运算
2.6　程序控制结构
2.6.1　程序设计概述
2.6.2　程序的顺序结构
2.6.3　程序的分支结构
2.6.4　程序的循环结构
实验3　Python语言数据的输入与输出
实验4　选择结构
实验5　循环结构
习题2
第3章　Python组合数据类型
3.1　字符串
3.1.1　字符串的创建
3.1.2　字符串的索引与切片
3.1.3　字符串常用操作
3.1.4　正则表达式
3.1.5　字符串应用实例
3.2　列表
3.2.1　列表的创建
3.2.2　列表的索引与切片
3.2.3　列表的操作
3.2.4　序列的常用函数与方法
3.2.5　列表应用实例
3.3　元组
3.3.1　元组的创建
3.3.2　元组的访问
3.4　字典
3.4.1　字典的创建
3.4.2　字典的访问
3.4.3　字典的基本操作
3.4.4　字典的其他常用方法
3.4.5　字典的遍历
3.4.6　字典的应用实例
3.5　集合
3.5.1　集合的创建
3.5.2　集合的操作运算符
3.5.3　集合的常用函数与方法
3.5.4　集合应用实例
3.5.5　不可变集合frozenset
3.6　序列解包
3.7　用于序列的常用Python内置函数
3.7.1　map()函数
3.7.2　zip()函数
3.7.3　filter()函数
3.7.4　enumerate()函数
实验6　字符串与正则表达式的应用
实验7　列表与元组的应用
实验8　字典与集合的应用
习题3
第4章　函数与模块
4.1　函数的定义与调用
4.1.1　函数的定义
4.1.2　函数的调用
4.2　函数的参数
4.2.1　函数参数的传递形式
4.2.2　函数参数的类型
4.3　变量的作用域
4.3.1　局部变量
4.3.2　全局变量
4.4　函数的嵌套调用与递归函数
4.4.1　函数的嵌套调用
4.4.2　递归函数
4.5　lambda函数
4.6　函数的高级特性
4.6.1　闭包
4.6.2　装饰器
4.6.3　生成器
4.7　模块
4.7.1　模块的创建和使用
4.7.2　Python程序的组成
4.7.3　包的创建
实验9　函数应用
实验10　模块化编程
习题4
第5章　文件操作与异常处理
5.1　数据持久化与文件系统
5.1.1　文件操作的必要性
5.1.2　文件的基本概念
5.2　文件操作
5.2.1　打开文件
5.2.2　with语句
5.2.3　读取文件
5.2.4　写入文件
5.2.5　关闭文件
5.3　异常处理
5.3.1　异常的概念与处理意义
5.3.2　Python语言中的异常
5.3.3　捕获与处理异常
实验11　Python文件操作
实验内容1：创建一个新文件并写入内容
实验内容2：读取文件内容
实验内容3：追加内容到文件
实验内容4：用pandas模块处理Excel文件、文本文件和CSV文件的互相转换
实验12　异常处理
实验内容1：处理文件读取异常
实验内容2：处理除零异常
实验内容3：处理网络请求异常
实验内容4：处理JSON解析异常
实验内容5：处理数据库连接异常
习题5
第6章　数据可视化分析
6.1　数据可视化与分析工具
6.1.1　数据可视化的基本概念
6.1.2　常用的可视化分析工具
6.2　数据可视化流程及常用库
6.2.1　数据可视化流程
6.2.2　常用库
6.3　数据可视化应用实例
6.3.1　中文分词与可视化
6.3.2　用matplotlib绘制南丁格尔玫瑰图
6.3.3　用pyecharts库绘制K线图
习题6
第7章　人工智能基础
7.1　人工智能概述
7.1.1　人工智能的概念
7.1.2　人工智能的发展历程
7.2　人工智能产业及应用
7.2.1　人工智能产业链
7.2.2　人工智能的应用
7.3　人工智能的价值及展望
7.3.1　人工智能的价值
7.3.2　人工智能的展望
习题7
第8章　人工智能技术
8.1　机器学习
8.1.1　机器学习的基本概念
8.1.2　有监督学习
8.1.3　无监督学习
8.1.4　半监督学习
8.1.5　自监督学习
8.1.6　机器学习的发展趋势
8.2　典型的机器学习方法
8.2.1　线性回归
8.2.2　决策树
8.2.3　支持向量机
8.2.4　主成分分析
8.2.5　聚类分析
8.3　深度学习
8.3.1　神经网络基础
8.3.2　卷积神经网络
8.3.3　循环神经网络
8.3.4　残差神经网络
8.3.5　生成对抗网络
8.3.6　知识蒸馏模型
8.4　自然语言处理
8.4.1　自然语言处理的概念
8.4.2　文本分析
8.4.3　自然语言处理的发展趋势
8.5　推荐系统
8.5.1　推荐系统概述
8.5.2　常用的推荐系统算法
8.5.3　推荐系统的应用
8.6　计算机视觉
8.6.1　计算机视觉的概念
8.6.2　计算机视觉的关键任务
8.7　语音识别
8.7.1　语音识别的概念
8.7.2　语音识别的发展方向
8.8　机器人技术
8.8.1　机器人的概念
8.8.2　机器人的发展方向
8.9　大模型技术
8.9.1　大语言模型概述
8.9.2　大模型的关键技术
8.9.3　大模型的网络结构
8.9.4　多模态大模型
8.9.5　大模型的应用场景
习题8
第9章　人工智能安全与伦理
9.1　人工智能安全
9.1.1　人工智能安全类型
9.1.2　对抗样本成因与检测
9.1.3　人工智能安全问题
9.2　人工智能伦理
9.2.1　人工智能伦理的治理原则
9.2.2　人工智能伦理的治理措施
习题9