本书从语义匹配的角度解决搜索引擎和推荐系统的关键痛点，为构建解决语义匹配问题的深度学习模型提供了通用框架。第1章概述搜索和推荐中的语义匹配问题，以及近年来的研究进展。第2章介绍传统匹配模型，包括潜在空间模型。第3章介绍深度学习技术在构建匹配模型时的应用。第4章和第5章分别介绍用于搜索和推荐的深度匹配模型，并将当前的深度学习解决方案分为两类：表示学习方法和匹配函数学习方法。第6章对全书内容做了总结，并为读者指明进一步学习的方向。

本书适合对深度学习感兴趣的各类读者，包括

本教材可以作为人工智能学科相关的机器学习技术的入门教材, 目的不在于覆盖机器学习技术的所有知识点, 而是介绍机器学习的常用算法及其应用, 使读者了解机器学习的基本构成及不同场景下使用何种机器学习算法。为了增强实践效果, 本教材引入了多个基础技术案例及综合实践案例, 以帮助读者了解机器学习涉及的基本知识和技能。

深度学习是人工智能与机器学习领域的重要研究分支，经过短短十几年的发展，已经在计算机视觉与图像处理、自然语言处理等领域取得令人瞩目的成就。本书作为深度学习方面的专门书籍，融合了机器学习、人工神经网络和深度学习的相关概念，并且从信号处理视角呈现了深度学习背后的几何学原理，以便从统一的角度去深化理解深度学习的主要模型和算法，从而更好地用于指导理论分析和实践开发。全书分为三个部分，共14章。第1～4章为第一部分，主要介绍机器学习基础知识，包括向量空间、矩阵代数、凸优化等数学预备知识，以及支持向量机、核回

2019年我社联合南京大学人工智能学院出版了国内外率先公开出版和发表的人工智能本科专业教育培养体系，在国内人工智能教育领域起到了很好的引领和示范作用，有效推动了中国人工智能高等教育的发展。经过3年多的探索和实践，南京大学完成了一整轮本科和研究生培养方案的修订，准备集结出版这本AI人才培养体系的第2版，一方面对原有的AI本科体系进行了调整，另一方面是新设了AI方向研究生培养的内容，使得体系更加系统化和全面化。

本书以人工智能下的大数据时代为背景, 从数据素养、数据分析基础、统计分析、机器学习多个维度全面系统地介绍了如何探索数据、整理数据并分析数据。本书没有给出晦涩难懂的数学公式, 也不涉及复杂烦琐的程序代码, 而是在阐述基本原理的基础上, 辅以简洁的Python程序, 让读者能够快速入门, 提升个人的数据综合素养。

从取代简单机械的重复劳动到辅助内容创作、医药开发、科学实验，人工智能产品正以惊人的速度在各行业大展拳脚，预示着人类即将进入一个全新的发展阶段。本书通过浅显易懂的语言帮助你理解人工智能产品是什么，人工智能产品是怎么创造出来的以及人工智能产品是如何进行创新迭代的。 人工智能行业的快速发展对产品经理提出了更高的要求，产品经理需要具备的专业技能是广泛的，从产品设计、开发、营销到服务，无一不包括在内。产品经理需要对人工智能的原理、应用场景、发展潜力等有扎实的了解，这样才能够将人工智能的优势转化为产品的优势

本书系统介绍以相机和惯性测量单元为主传感器的视觉、视觉惯性SLAM 算法。本书通过选取该领域有代表性的两个开源项目, 从原理阐述、公式推导、代码解析和工程经验等多个维度, 对SLAM 技术进行全面的解读。为了让读者在轻松的氛围中快速理解专业知识, 本书以小白和师兄对话的形式娓娓道来, 帮助读者在学习的过程中不断思考和提升。

本书介绍了软件测试的基本概念、原理、基本方法及测试过程等内容，包括软件测试技术概述、静态测试、黑盒测试、白盒测试、集成测试、系统测试、测试报告管理、智能软件测试以及单元测试框架Junit、压力测试工具Jmeter的使用方法，同时还介绍了软件测试与质量保证等内容。
本书为软件测试的基础教材，旨在让学生能够熟练地对实际软件进行有效测试，为后续核心课程的学习积累知识，培养学生专业技能，满足软件开发、软件测试、软件质量保障等技能要求。
本书适合作为高等院校计算机相关专业学生的教材，也可作为软

本书针对高等学校人工智能本科生专业人才培养的专业内涵、定位和知识体系, 设置了数学与统计、科学与工程、计算机科学与工程核心、人工智能核心、认知与神经科学、先进机器人技术、人工智能与社会、人工智能工具与平台等专业课程群, 重点介绍了八大课程群中各课程的概况和知识点, 为培养具有科学家素养的工程师奠定知识和能力的基础。

本书包括引言、基础知识、基于知识的系统、高级专题、现在和未来以及安全与编程六部分内容。从人工智能的定义讲起, 详细讲述人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示和产生式系统等基础知识; 介绍并探究了人工智能领域的成功案例, 也介绍了机器学习、深度学习以及受到自然启发的搜索算法等; 介绍了自然语言处理和自动规划等高级专题; 对人工智能的历史和现状进行了梳理; 介绍了人工智能的安全以及编程问题。