本書從語義匹配的角度解決搜索引擎和推薦系統的關鍵痛點，為構建解決語義匹配問題的深度學習模型提供了通用框架。第1章概述搜索和推薦中的語義匹配問題，以及近年來的研究進展。第2章介紹傳統匹配模型，包括潛在空間模型。第3章介紹深度學習技術在構建匹配模型時的應用。第4章和第5章分別介紹用于搜索和推薦的深度匹配模型，并將當前的深度學習解決方案分為兩類：表示學習方法和匹配函數學習方法。第6章對全書內容做了總結，并為讀者指明進一步學習的方向。本書適合對深度學習感興趣的各類讀者，包括
本教材可以作為人工智能學科相關的機器學習技術的入門教材, 目的不在于覆蓋機器學習技術的所有知識點, 而是介紹機器學習的常用算法及其應用, 使讀者了解機器學習的基本構成及不同場景下使用何種機器學習算法。為了增強實踐效果, 本教材引入了多個基礎技術案例及綜合實踐案例, 以幫助讀者了解機器學習涉及的基本知識和技能。
深度學習是人工智能與機器學習領域的重要研究分支，經過短短十幾年的發展，已經在計算機視覺與圖像處理、自然語言處理等領域取得令人矚目的成就。本書作為深度學習方面的專門書籍，融合了機器學習、人工神經網絡和深度學習的相關概念，并且從信號處理視角呈現了深度學習背后的幾何學原理，以便從統一的角度去深化理解深度學習的主要模型和算法，從而更好地用于指導理論分析和實踐開發。全書分為三個部分，共14章。第1～4章為第一部分，主要介紹機器學習基礎知識，包括向量空間、矩陣代數、凸優化等數學預備知識，以及支持向量機、核回
2019年我社聯合南京大學人工智能學院出版了國內外率先公開出版和發表的人工智能本科專業教育培養體系，在國內人工智能教育領域起到了很好的引領和示范作用，有效推動了中國人工智能高等教育的發展。經過3年多的探索和實踐，南京大學完成了一整輪本科和研究生培養方案的修訂，準備集結出版這本AI人才培養體系的第2版，一方面對原有的AI本科體系進行了調整，另一方面是新設了AI方向研究生培養的內容，使得體系更加系統化和全面化。
本書以人工智能下的大數據時代為背景, 從數據素養、數據分析基礎、統計分析、機器學習多個維度全面系統地介紹了如何探索數據、整理數據并分析數據。本書沒有給出晦澀難懂的數學公式, 也不涉及復雜煩瑣的程序代碼, 而是在闡述基本原理的基礎上, 輔以簡潔的Python程序, 讓讀者能夠快速入門, 提升個人的數據綜合素養。
從取代簡單機械的重復勞動到輔助內容創作、醫藥開發、科學實驗，人工智能產品正以驚人的速度在各行業大展拳腳，預示著人類即將進入一個全新的發展階段。本書通過淺顯易懂的語言幫助你理解人工智能產品是什么，人工智能產品是怎么創造出來的以及人工智能產品是如何進行創新迭代的。 人工智能行業的快速發展對產品經理提出了更高的要求，產品經理需要具備的專業技能是廣泛的，從產品設計、開發、營銷到服務，無一不包括在內。產品經理需要對人工智能的原理、應用場景、發展潛力等有扎實的了解，這樣才能夠將人工智能的優勢轉化為產品的優勢
本書系統介紹以相機和慣性測量單元為主傳感器的視覺、視覺慣性SLAM 算法。本書通過選取該領域有代表性的兩個開源項目, 從原理闡述、公式推導、代碼解析和工程經驗等多個維度, 對SLAM 技術進行全面的解讀。為了讓讀者在輕松的氛圍中快速理解專業知識, 本書以小白和師兄對話的形式娓娓道來, 幫助讀者在學習的過程中不斷思考和提升。
本書介紹了軟件測試的基本概念、原理、基本方法及測試過程等內容，包括軟件測試技術概述、靜態測試、黑盒測試、白盒測試、集成測試、系統測試、測試報告管理、智能軟件測試以及單元測試框架Junit、壓力測試工具Jmeter的使用方法，同時還介紹了軟件測試與質量保證等內容。本書為軟件測試的基礎教材，旨在讓學生能夠熟練地對實際軟件進行有效測試，為后續核心課程的學習積累知識，培養學生專業技能，滿足軟件開發、軟件測試、軟件質量保障等技能要求。本書適合作為高等院校計算機相關專業學生的教材，也可作為軟
本書針對高等學校人工智能本科生專業人才培養的專業內涵、定位和知識體系, 設置了數學與統計、科學與工程、計算機科學與工程核心、人工智能核心、認知與神經科學、先進機器人技術、人工智能與社會、人工智能工具與平臺等專業課程群, 重點介紹了八大課程群中各課程的概況和知識點, 為培養具有科學家素養的工程師奠定知識和能力的基礎。
本書包括引言、基礎知識、基于知識的系統、高級專題、現在和未來以及安全與編程六部分內容。從人工智能的定義講起, 詳細講述人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的邏輯、知識表示和產生式系統等基礎知識; 介紹并探究了人工智能領域的成功案例, 也介紹了機器學習、深度學習以及受到自然啟發的搜索算法等; 介紹了自然語言處理和自動規劃等高級專題; 對人工智能的歷史和現狀進行了梳理; 介紹了人工智能的安全以及編程問題。
新書資訊 新書推薦