本书在不涉及大量数学与编程知识的前提下，从零开始，逐步带领读者熟悉并掌握当下***的基于Python 3的人工智能编程工具，包括但不限于数据分析（Pandas），以及支持单机（Scikitlearn）、深度（PyTorch、TensorFlow、PaddlePaddle）和分布式（PySparkML）机器学习的开源程序库，等等。 全书共分为4部分，分别如下。 （1） 入门篇： 包括对全书核心概念的指南性介绍，以及如何在多种主流PC操作系统上（如Windows、macOS和Ubuntu）配置基本编程环境的详细说明。 （2） 基础篇： 涵盖了Python 3.11的编程基础、基于Pandas 2.0的数据分析，以及使用Scikitlearn 1.3解决大量经典的单机（单核/多核）机器学习问题。 （3） 进阶篇： 介绍如何使用PyTorch 2.0、TensorFlow 2.12，以及PaddlePaddle 2.5，分别搭建多种深度学习神经网络框架。尝试基于PySpark 3.4的ML编程库完成一些常见的分布式机器学习任务。 （4） 实践篇： 利用全书所讲授的Python编程、数据分析，以及（单机、深度、分布式）机器学习知识，从事Kaggle多种类型的竞赛实战。同时，介绍如何使用Git工具，在Gitee与GitHub平台上更新和维护自己的日常代码与编程项目。 综上，本书面向所有对人工智能领域感兴趣的读者，特别适合从事数据挖掘、机器学习、计算机视觉、自然语言处理等相关技术研发和应用实践的初学者。

前言 自本书的第1版《Python机器学习及实践： 从零开始通往Kaggle竞赛之路》于2016年付梓以来，我始终投身于人工智能（Artificial Intelligence，AI）新产品与技术的研发领域。时隔多年，回望这段时间，我亲身感受到了人工智能理论和技术的飞速发展，几乎可以用“日新月异”一词来形容。 在这段时间里，我看到了大量承载着前沿人工智能理念和技术的次世代原型产品被孵化出来，不断刷新着人类的认知。这些典型的例子包括波士顿动力（Boston Dynamics）公司的机器人Atlas可以像人类运动员一样，实现跑步越障、后空翻和惊人的三级跳动作；OpenAI发布的聊天机器人ChatGPT能够与用户进行多轮流畅的对话、创作故事，甚至编写软件代码；DeepMind构建的AlphaGo系列对弈程序，接连战胜了多位人类顶尖围棋大师；以及国内外自动驾驶平台（如特斯拉FSD和百度Apollo）所支持的新型智能汽车陆续投入量产，等等。 同时，许多世界顶级科研人员在机器视觉、语音合成、阅读理解等人工智能的细分领域进行着不懈的理论探索。在这期间，我们不断听闻人工智能已经在这些细分领域逐渐超越人类的平均水平。这些细分的领域技术经过工程化的打磨和融合之后，又重新在一些既有的人工智能产品上给我们带来了全新的用户体验（例如，更加实时和准确的机器同声传译；或者是那些敢同真人打电话，聊天过程完全不尬，甚至还略带点儿萌腔的语音助手）。 这些新的技术进步和大量的读者来信时刻鞭策着我。许多热情洋溢的读者来信肯定了上一版书籍所给予他们的莫大帮助；同时，也有资深的前辈指出了其中的疏漏与不足。...