人工智能是科技领域冉冉升起的一颗新星，年初的ChatGPT，智能驾驶等无不预示着AI时代的到来，而人工智能导论正是开始学习AI的开篇。本期我们以Python为工具之后逐步实现人工智能的四个实验（主要这门课就给我布置了四个实验）
我们的语言使用Python,原因在于Python拥有丰富的深度学习框架，大量的开源工具以及库，丰富的拓展性以及使用人群，最重要的是简单易上手。 **
环境安装 **
首先是Python的安装与相关编程工具的下载。
Python环境的安装有两个方式，一种方式是使用Anaconda安装Python全家桶
第二种方法则是直接前往Python的官网下载Python环境。我推荐是使用第二种方法，前往Python的官网（因为那个Anaconda可能是我使用的原因，我之前在使用Anaconda的时候下了好几个版本，包括Mini
Anaconda反正啰嗦的要死，我之前去Python官网的配置环境倒是简单的不要再简单了）
某度搜索Python官网，进入官网之后，在下载界面找到我们的Python最新稳定版
现在最新的稳定版是3.12，我当时下的比较早是3.7（后来更新到3.10）不过只要大版本相同，区别都不大。
接着我们下滑，找到我们的下载链接，点击下载源文件。
在最下面找到对应我们系统的版本，我们的系统一般是Win 64（Win32 和 Linux的自行切换）
不知是因为我在绿皮火车上的原因还是网站本身的原因（因为一般下载这种资源需要在镜像网站下载否则会非常非常慢）
当然我这里提供懒人链接啦，公众号私信(Python.exe)千万别傻乎乎的把括号也加上去。有时候作者看到你们的私信都有那种想顺着网线过去打你们的冲动，记住就是Python.exe
10个字母，Python.exe !!!
下载好Python.exe之后，我们运行这个文件。
勾选Add python.exe to PATH这样子能帮我们省下很多的事情。接着只需要等待Python环境的安装好。
然后我们到桌面，新建文件（什么文件都行，把后缀改成py）当我们看到图标变作Python的图标就大功告成啦（我这里不展示了因为我安装了别的东西，图标有点不太一样）
安装IDE，常编程的人都知道编译器对于一个程序员来说有多么的重要，就像我经常怒喷DEV，赞美我VS一样，想要更好的编程Python我们也要选择好合适的编译器（真有人用控制台跑Python啊？好吧我之前就是这么跑的，像个沙雕），这边我推荐PyCharm（其实我也是想推荐VS的，但是我Python其实都用PyCharm编的，只是知道VS也可以编Python）
我们依旧在某度搜索PyCharm
从一堆广告中筛选出正确的官网。 然后点击DownLoad
下载PyCharm community…….欸 PyCharm community去哪了？？？？社区版呢？？？？ 没事找了一圈没找到
PyCharm Community，钱也是不可能花的，那就找盗版的（这钱老佛爷替我们交过了），后台私信PyCharm获取链接（再次强调，别多也别少）
安装的时候这边的五个选项全部打勾（总没人傻乎乎的安装到C盘吧）（我为此还把正版的卸了装了盗版
 ）
安装完PyChram，我们的环境配置也就完成了，接下来介绍如何在PyCharm中创建我们相关的工程以及添加我们的各种各样的库。 新建工程
首先打开我们的PyCharm，点击File下拉框，点击New Project创建我们的新工程、
红色方框处选择我们的工程位置，蓝色方框处选择我们的版本（我这里比较乱，大家选择能选的就行）
点击This Window就不打开新的窗体了，在本窗体。
main.py就是我们的主要文件，右键空白（黑）处，Run "main.py"就可以运行我们的程序。 ** 库安装 **
接着我们为我们工程安装我们相关的工具包。
在File中选择Settings
选择Python Interpreter
点击加号，添加我们的库。 我们分别添加 numpy、scipy、pandas、matplotlib、scikit-learn、sklearn等工具包；
其中Numpy库可以用来处理多维数组和矩阵，神经网络的本质就是复杂的矩阵运算（不亏我线代考了五次）
Scipy则是在Numpy的基础上提供了许多模块，例如方程求解，图像处理，插值算法，信号处理，统计等等。
Pandas提供了两种额外的数据结构，可以帮助我们更好的处理数据。
Matplotlib学过Matlab的朋友可能觉得很熟悉，因为在Matlab中就是使用Plot函数进行画图的，所以这个库顾名思义就是用来画二维图像的库。
scikit-learn，这个直译，机器学习~~ sklearn 这个，额奇怪，Python里面好像没有这个库，这个应该是scikit-
learn的简称，我怀疑是我老师写错了。
from sklearn.datasets import load_irisiris_dataset = load_iris()print("Keys of iris_dataset: n{}".format(iris_dataset.keys()))print("Shape of data: {}".format(iris_dataset['data'].shape))
我们运行我老师给的代码，在下方的终端可以看见运行结果（右键空白处点击Run "main"）
上述代码其实是导入模块：从这里也可以看出sklearn其实是简称
from sklearn.datasets import load_iris
加载某个数据集：
iris_dataset = load_iris()
打印其中的iris_dataset对应的值
print("Keys of iris_dataset: n{}".format(iris_dataset.keys()))
打印其中的样本数和特征数
print("Shape of data: {}".format(iris_dataset['data'].shape))
** 下期预告 **
下期介绍Python的语法规范以及如何绘制ROC曲线