本书的定位是“通识性、基础性、实用性”，面向计算机和非计算机专业的大学新生。全书共分十章，可概括为“3+3+4”结构：前三章关注的基础知识和基本概念，中间三章关注核心方法——基本的神经网络及其训练，最后四章则聚焦于人工智能的经典应用场景。全书遵循“基础概念—核心方法—关键技术—实践应用”的逻辑主线。在承担基础概念的第一部分，首先详细介绍了计算机数据编码、软硬件知识、互联网及云平台等在实践中必须知道的基础知识，然后概述性地介绍了人工智能的定义、发展简史与伦理挑战，最后是python编程基础，帮助建立宏观认知，夯实基础知识。在承担核心方法的第二部分，我们根据人工智能项目的实验过程，非常详细地阐述了数据准备、训练过程、评估指标和基础模型等技术细节，不单介绍了理论知识，还描述了几类问题的简单直接的具体算法，如基于最小二乘的一元线性回归算法、KMeans聚类算法，以及决策树和KNN的经典训练算法，对经典神经网络，我们介绍了他们的基本结构，也比对了他们优缺点和应用场景，使得读者能够在面对给定问题时，能知道用什么样的基础模型是恰当的。最后的实践应用部分，图像识别、语音识别和自然语言处理，主要介绍了模型训练的过程和核心技巧，让读者明白神经网络是如何应用到这些领域的，而大语言模型，则提供了大量的案例，说明该如何使用现有工具，辅助完成日常学习和工作。