人工智能是一门实践性很强的学科，特别适合基于案例的新型教学形式。本书是为了引导学生深入 理解人工智能算法原理，提高学生对人工智能应用问题的研究、分析、解决能力而编写的。 本书是以实验案例方式组织的，全书共给出了21 个人工智能实验案例，覆盖了人工智能课程涉及 的主要内容，包括搜索求解、逻辑推理、贝叶斯网络、马尔可夫决策、监督学习、非监督学习、强化学 习等各方面，也包含了深度神经网络技术。为了便于教学，每个实验案例对实验的内容、背景和目标进 行了明确阐述，对所涉及的理论基础及算法也进行了详细介绍，并提供了相应的Python 语言代码。 本书可作为高等学校相关专业的人工智能案例课程教材，也可作为从事相关专业的技术人员的参考 用书。

徐义春,长期从事计算机科学与技术专业的教学与研究，负责数据结构、计算机算法、人工智能等课程的教学，主要研究方向为计算机算法、机器视觉、自然语言处理。

前 言 人工智能是目前发展迅速的学科，是新一轮科技革命和产业变革的重要驱动力量，各高校纷纷开设了相关专业及课程。人工智能学科知识体系庞大，以数学知识为基础，也非常重视应用，因此在教学的过程中，算法案例和实验极其重要。 本书一共提供了21 个人工智能实验教学案例，涉及基于搜索求解、逻辑推理、贝叶斯网络、马尔可夫决策、监督学习、非监督学习、强化学习等各方面。所有的案例按教学方案的方式表述，从实验任务、实验过程、相关知识、教学目标、教学指导、考核要求等各方面进行说明。 本书实验算法及参考代码用Python 语言完成，学生在学习过程中还会用到keras、sklearn、numpy 等常用的软件库。通过对本书的学习，可以培养学生深入理解人工智能算法原理，提高学生对人工智能应用问题的研究、分析及解决能力。 本书可作为高等学校相关专业的人工智能案例课程教材。其内容配合了Stuart J. Russell 和Peter Norvig 的《人工智能--一种现代方法》这本流行的教材，可作为其配套实验书使用。 本书配套教学视频参见https://space.bilibili.com/21418302。 由于人工智能技术发展迅速，以及编著者水平限制，本书难免存在缺点和疏漏，恳请使用者不吝指正，以便修改。感谢三峡大学研究生课程建设项目（SDKC 202112）的资助。