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

本书从原理和实战两个维度对GAN进行了全面讲解。 全书一共12章，分为两个部分： 第一部分（第1-5章） 原理篇 对生成模型，以及GAN的优化、训练、评估、可视化、结构等原理性内容进行了详细讲解。 第二部分（6-12章） 实战篇 这部分对GAN的主要应用场景的实战性内容进行了讲解，包括图像生成、风格迁移、图像增强、图像分割、目标检测、对抗攻击、语音生成等场景下的GAN实战进行了讲解。

● 本书首先介绍AI与AI安全的发展起源、世界主要经济体的AI发展战略规划，给出AI安全技术发展脉络和框架，并从AI安全实战出发，重点围绕对抗样本、数据投毒、模型后门等攻击技术进行案例剖析和技术讲解；然后对预训练模型中的风险和防御、AI数据隐私窃取攻击技术、AI应用失控的风险和防御进行详细分析，并佐以实战案例和数据；最后对AI安全的未来发展进行展望，探讨AI安全的风险、机遇、发展理念和产业构想。

● 本书适合AI和AI安全领域的研究人员、管理人员，以及需要实战案例辅助学习的广

使用TensorFlow为多个移动平台构建智能深度学习和强化学习应用程序。
本书涵盖了10余个由TensorFlow提供支持并从头开始构建的完整iOS、Android和树莓派应用程序，可在设备上离线运行各种TensorFlow模型：从计算机视觉、语音识别和自然语言处理到生成对抗网络以及AlphaZero（如深度强化学习）。你将学习如何使用或再训练现有的模型、构建模型以及开发能运行这些模型的智能移动应用程序，并通过分步教程快速掌握如何构建此类应用程序，同时学会利用大量宝贵的故障排除技巧来避免

本书主要介绍了线性表、栈与队列、递归、搜索和排序、树、图等常用的数据结构和算法的概念和最基本的应用。本书引入了各种各样的生活知识来类比，并充分运用图形语言来体现抽象内容，对数据结构所涉及的一些经典算法逐行分析、多算法比较。

本书讲述如何快速利用无服务器计算和基于云的人工智能服务的能力。介绍基础知识后, 将带你领略第一个实际操作的无服务器人工智能项目: 一个可识别任意网页图像的系统。在本书中, 你将探索用于图像分析的Amazon Rekognition工具、云基础设施部署、爬虫服务和简单API等技术。掌握这个有趣项目中的概念和技能后, 你将着手构建一个无服务器的应用程序, 它使用基于云的人工智能工具, 如基于AWS Transcribe和Polly来实现“语音-文本”双向转换功能, 基于Lex来创建交互式聊

《图机器学习》详细阐述了与图机器学习相关的基本解决方案，主要包括图的基础知识、图机器学习概述、无监督图学习、有监督图学习、使用图机器学习技术解决问题、社交网络图、使用图进行文本分析和自然语言处理、信用卡交易的图分析、构建数据驱动的图应用程序和图的新趋势等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。

本书围绕scikit-learn库，详细介绍机器学习模型、算法、应用场景及其案例实现方法，通过对相关算法循序渐进的讲解，带你轻松踏上机器学习之旅。本书采用理论与实践相结合的方式，结合Python3语言的强大功能，以小的编程代价来实现机器学习算法。本书配套PPT课件、案例源码、数据集、开发环境与答疑服务。 本书共分13章，内容包括机器学习的基础理论、模型范式、策略、算法以及机器学习的应用开发，涵盖特征提取、简单线性回归、k近邻算法、多元线性回归、逻辑回归、朴素贝叶斯、非线性分类、决策树回归、

图神经网络是人工智能的一个热点方向,从图的视角解读大数据,可以灵活建模复杂的信息交互关系,吸引大量学者的关注并在多个工业领域得到广泛应用。《图深度学习从理论到实践》由浅入深,全面介绍图神经网络的基础知识、典型模型方法和应用实践。《图深度学习从理论到实践》不仅包括一般的深度学习基础和图基础知识,还涵盖了图表示学习、图卷积、图注意力、图序列等典型图网络模型,以自研的Galileo平台为代表的图学习框架,以及图神经网络在电商推荐和流量风控方面的两个典型工业应用。
《图深度学习从理论到实