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。