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最流行的基于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。全书共四部分，分别是：(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；甚至，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。