本书将带领读者一起主动拥抱机器学习，快乐翻越高等数学、算法分析、工程实践这三座大山。根据会用即可者、想深入学习者、想成为专家者这三类读者的学习动机和阅读需求，全书一共用19章来讲解机器学习的各种模型，主要包括机器学习中基础和关键的线性回归、逻辑回归、决策树、贝叶斯、支持向量机、KNN等。全书具有语言表达轻快、模型讲解细致、图表配备众多三点特色。 本书可供计算机、人工智能、大数据等专业的大学生、研究生阅读，也可供需要用到机器学习技术的广大工程技术人员、研究人员作为参考。

本书是新一代人工智能系列教材之一。金融科技经历了金融电子化阶段、互联网金融阶段，进入了金融智能阶段。本书从金融智能的理论、应用和监管三个视角出发，围绕金融智能的理论，结合金融智能应用场景，介绍了人工智能、大数据等新兴技术所引起的金融业的解构与重构。本书共分5篇14章，主要内容包括金融智能概论、金融大数据概览、金融大数据管理、金融智能建模基础、推荐系统、知识图谱、金融智能客服、金融智能风控、金融智能营销、智能投顾、传统金融的智能化、合规科技、监管科技以及实验要求和实验指南。本书内容丰富、系统全面、实践性强，为读者学习金融智能提供了广泛的视角。 本书可作为高等学校人工智能、金融科技等专业高年级本科生和研究生相关课程教材，也可作为金融从业人员学习金融智能知识的参考读物。

语言智能正在快速发展。周建设教授主编的《语言智能研究（第1卷）》，不仅用大量材料报告了这一领域快速发展的现况，还尽量呈现相关方面的发展趋势。细读此书，可明现状，可测未来。“消极性”读者，只是被动地获取书中知识，而“积极性”读者，通过阅读能够创造新知，比如对语言智能有更深入理解，比如在本专业、本岗位积极利用语言智能成果，甚至是帮助人工智能的发展。

本书是一本Python编程和机器学习零基础入门书。书的内容由Python基础语法和机器学习两部分组成，力求前面所学为后面所用。前半部分，着重介绍了Python语言的输入输出、条件分支、循环、列表、函数、类等，力求“手把手”地帮助读者攻克初学编程的难关，边学边练，使抽象的内容得以在实践中明晰。后半部分，是基于Python语言的机器学习入门，先介绍了机器学习领域最常用的工具库NumPy和matplotlib，继而以sklearn为依托讲解了分类、回归、聚类三个经典的机器学习应用场景。经过前面层层铺垫，最后带领读者完成一个识别手势的项目，体验机器学习的全过程。本书适合Python编程学习与应用的青少年爱好者阅读，也可作为中小学生Python相关课程的教材。希望读者借由本书进入Python程序设计和人工智能世界的大门，并逐步探寻更深的领域。

《认知规律启发的显著性物体检测方法与评测》的作者范登平博士在苏黎世联邦理工学院全职从事研究工作。本书的研究内容紧密结合了人类视觉认知机制和显著性计算技术，所提出的核心技术为计算机视觉的诸多任务提供了重要的技术基础。由范博士设计的两项指标已经成为SOD领域评测模型的黄金标准，为该领域的学术共同体提供了更加全面、客观的结果。《认知规律启发的显著性物体检测方法与评测》共七章：第1章 绪论，介绍本书的研究背景并简述研究目标和主要贡献。第2章 相关工作，介绍相关工作，包括图像显著性物体检测、视频显著性物体检测、非二进制显著性物体检测评价指标和二进制显著性物体检测评价指标。第3章 富上下文环境下的显著性物体检测数据集与评测，详细介绍富上下文环境下的显著性物体检测数据集与评测，包括显著性物体检测数据集的构建和基于属性的评测。第4章 基于注意力转移机制的视频显著性物体检测，详细介绍本书提出的基于注意力转移机制的视频显著性物体检测技术、新的视频显著物体检测数据集以及模型的评测。第5章 基于结构相似性的显著性检测评价指标，详细讨论本书提出的基于结构相似性的显著性检测评价指标，并利用该评价指标对多种基于深度学习的模型进行评测。第6章 基于局部和全局匹配的显著性物体检测评价指标，讨论了本书提出的基于局部和全局匹配的显著性物体检测评价指标，该指标主要针对物体分割之后的二值显著图的评价，通过一系列元度量实验，证明了该指标*符合人眼的感知。第7章 总结与展望，总结全书并讨论未来的研究方向。

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。

本教材主要内容包括计算机视觉历史回顾与介绍、数据驱动的图像分类方式：K最近邻与线性分类器、线性分类器损失函数与很优化、反向传播与神经网络、神经网络的训练、卷积神经网络、迁移学习之物体定位与检测、卷积神经网络的可视化与进一步理解、卷积神经网络工程实践技巧、深度学习开源库使用介绍、图像分割与注意力模型、视频检测与无监督学习等。本书适合高等学校图像处理、模式识别、机器视觉、人工智能相关专业本科高年级学生和研究生使用，也可作为相关专业领域科研工作者参考书。

暂缺简介...

“人工智能超入门丛书”致力于面向人工智能各技术方向零基础的读者，内容涉及数据思维、机器学习、视觉感知、情感分析、搜索算法、强化学习、知识图谱、专家系统等方向，体系完整、内容简洁、文字通俗，综合介绍人工智能相关知识，并辅以程序代码解决问题，使得零基础的读者快速入门。 《视觉感知：深度学习如何知图辨物》是“人工智能超入门丛书”中的分册，本分册主要介绍人工智能视觉领域的相关知识，以通俗易懂的文字风格，解读用卷积神经网络等深度学习算法及机器学习算法对图像进行分类和识别的方法，介绍OpenCV在图像处理中的基础知识，为进一步学习高阶内容奠定基础。同时，本书配有关键代码，让读者在学习过程中快速上手，提升解决问题的能力。 本书可以作为大学生以及想要走向计算机视觉相关工作岗位的技术人员的入门读物，同时，对人工智能感兴趣的人群也可以阅读。

本书围绕云计算核心进行展开，从基础知识到集群架构实现，全面系统地讲解了如何从一个什么都不懂的云计算初学者成长为可以根据业务需求进行技术选型实施云计算集群架构。全书分为上下篇，上篇主要是Linux系统原理和使用，云计算的环境是以此为基础，尤其是关于防火墙和网络跟云计算的实现关系紧密，了解其原理和使用是有必要的；下篇主要介绍了云计算集群的设计和实践，从基础知识的介绍、发展趋势及应用、云计算项目的核心组件、企业项目分析及技术选型、云计算集群的搭建、小型集群的调优、大型集群的部署方案、多种网络环境配置、虚拟机和容器的部署使用、不同镜像的制作方案及使用规范、常见问题及解决方案等多个方面进行展开和实践，内容从基础到高阶，技术从概念到原理，项目从业务拆分需求分析到技术选型搭建使用，遵循逐步递进的原则，逐步深入和提高。希望读者通过本书可以了解并掌握云计算集群的使用，并对业务技术架构有自己的思考。 对于有一定的开发、设计经验的技术人员，并想了解云计算集群的搭建和使用，本书具有很大的参考意义。本书涵盖了Linux基础知识与原理，对于没有开发经验的人员，可以稳扎稳打从基础部分学习，以及云计算的核心技术与原理和大型云计算集群的实践案例，可以详细了解到云计算集群的架构及相关问题的解决思路和方案。