本书介绍了经典人工智能（逻辑或演绎推理）和现代人工智能（归纳学习和神经网络）之间的覆盖范围。分别阐述了三类方法：演绎推理方法： 这些方法从预先定义的假设开始，并对其进行推理，以得出合乎逻辑的结论。底层方法包括搜索和基于逻辑的方法。这些方法在第 1 章到第 5 章中讨论。归纳学习方法：这些方法从例子开始，并使用统计方法来得出假设。示例包括回归建模、支持向量机、神经网络、强化学习、无监督学习和概率图形模型。这些方法在第 6 章到第 11 章中讨论。整合推理和学习：第 12 章和第 13 章讨论整合推理和学习的技术。例子包括知识图谱和神经符号人工智能的使用。

人工智能时代，数字数据的爆炸式增长推动了人们对使用机器学习（ML）的交易策略相关知识的需求。《机器学习在算法交易中的应用（第2版）》就以Python为基本工具，从全局、战略的视角介绍了相关的概念，以及机器学习在交易策略设计和执行中的价值及实践运用。全书分4部分，其中第1部分主要介绍基于机器学习的交易策略的基础知识，该部分内容围绕机器学习算法以及交易策略相关的数据展开，概述了如何有效捕获数据信号内容、如何准确提取特征，以及如何基于这些数据优化算法评估投资组合。第2部分重点阐述了在端到端工作流环境中，一些基本的监督学习、无监督学习是如何为交易策略的制定提供帮助的。第3部分是自然语言处理，这部分引入了无监督学习算法，力求从文本数据这种最关键的另类数据中高质量地提取信号。第4部分通过TensorFlow和PyTorch，重点介绍深度学习和强化学习在交易策略设计中的应用。 《机器学习在算法交易中的应用（第2版）》通过大量示例，详细介绍了如何使用不同机器学习算法设计交易策略，并通过大量的数学及统计知识，帮助读者更好地理解算法调优过程及整个计算过程。特别适合想获得用于交易的机器学习算法相关知识或想设计交易策略的数据分析师、数据科学家、Python开发人员、投资分析师或投资组合经理参考学习。

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，包括相关专业的本科生、研究生、博士生，以及从事信息检索、搜索引擎、推荐系统、计算广告相关工作的软件工程师。

当前，有很多关于人工智能（AI），并和人类生产、生活关系紧密的议题被广泛讨论，包括“如何避免大数据时代个人隐私形同虚设”“代码是否具有道德”等。这些现实议题背后，是两个根本问题：何为“AI伦理”？何为“AI治理”？ 本书汇聚众多专家的观点，对这两个根本问题进行了深入探讨，涉及人工智能、计算机、法律、社会学等多个领域，覆盖社会和个人、生产和生活的诸多方面。　本书是根据未来论坛“AI伦理与治理”系列研讨会的成果总结、整理而来，分为AI向善的理论与实践、AI的公平性、AI与风险治理、AI决策的可靠性和可解释性、用户数据隐私、包容性的AI这6个专题方向。每个专题方向均汇集了各领域中一线专家经充分思辨讨论后形成的观点。　本书适合人工智能领域学者、工程师、管理者、创业人员和相关专业学生，法律、社会学等领域的专业人士，以及政府相关部门人员阅读。

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，也可作为软件测试及软件开发人员的参考书。

本书主要从技术原理和技术应用两方面讲述人工智能技术。全书共12章，内容涵盖人工智能概述、人工智能软硬件、人工智能与数据、计算机视觉、语音识别、自然语言理解、知识推理、经典机器学习、深度学习与强化学习、自动驾驶、智能问答及人工智能伦理等。 本书不仅可作为高等院校智能科学与技术、计算机科学、电子科学与技术、控制科学与工程等专业的低年级本科生或专科生的教材，同时也可作为人文社科类各专业本科生的通识课程教材，还可为对人工智能技术及其应用感兴趣的工程技术人员提供参考。

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。

本书是《Scikit-learn机器学习详解》（潘风文编著）的进阶篇，讲解了Sklearn（Scikit-learn）机器学习框架的各种高级应用技术，包括数据集导入工具、集成学习、模型选择和交叉验证、异常检测、管道、 信号分解、模型持久化以及Sklearn系统高级配置。通过本书的学习，读者可快速掌握Sklearn框架的高级知识，迈入人工智能殿堂的大门。 本书适合有志于从事机器学习、人工智能技术开发的人员或爱好者使用，也可作为相关专业的教材。

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。