本书可视为一本以问题为导向的书籍, 非常适合具备一定数据基础和Python基础的读者学习,作为一本数据科学的基础书籍,读者可以在短时间内学习数据科学的经典算法。主要阐述 python3 基础内容；常用模块进行扼要阐述和实例操作；常见统计量, 数据转换, 以及多维数组等内容, 并通过代码实现； 特色是以问题导向的方式阐述了常见的 12 种经典算法；并介绍了 pytorch 的相关内容, 并扼要阐述了深度学习中几种经典的神经网络算法, 以及 pytorch 实现经典的神经网络算法。

于祥雨, 算法工程师, 杭州师范大学理学硕士, 长期从事于数据分析, 机器学习和人工智能等领域. 擅长 Python3 编程, 机器学习以及图像分类等问题.参与国家自然基金 1 项.

前言 近年来，随着大数据技术、机器学习、数据挖掘、数据科学以及人工智能等领域的发展与兴起，掀起一场新的技术革命，各行各业对相关人才的需求也随之而来。数据科学作为数学与计算机的交叉学科，旨在塑造集数学知识和计算机编程于一体的优秀人才。人工智能的兴起离不开数学的发展，而人工智能的核心就是数学。在教育、金融、电商以及医疗等行业的业务工作过程中，人工智能对于各行各业的发展已不可或缺，随着5G时代的到来必将进一步加快人工智能的发展。 本书以问题为导向，非常适合具备一定数学基础和Python基础的读者学习。读者可以在短时间内学习本书中介绍的所有算法。 作为一本关于人工智能算法的入门级书籍，本书共有5章。 第1章主要阐述Python的基础内容，主要介绍关于Python的发展历程、不同操作系统下的安装、人工智能常用的模块以及虚拟环境搭建；着重介绍Python的数据类型、数据结构、条件判断、循环语法以及其他基础内容；最后介绍Jupyter系列软件的安装和使用方法。 第2章针对书中涉及的常用模块进行简要说明和实例讲解，主要有关于数值计算的NumPy模块、数学符号运算的SymPy模块，着重介绍关于科学计算的SciPy模块，比如非线性方程组的求解、最小二乘法的实现以及样条插值等内容。人工智能离不开数据，而pandas是数据处理最常用的模块，简要介绍了关于pandas的一些内容。最后介绍数据可视化常用的Matplotlib模块。 第3章主要介绍描述性分析的相关内容，包括数据的定义和分类、基本统计量、数据转换、常见距离以及多维数据；着重介绍几种常见的基本统计量，比如变异系数、协方差...