本书着力普及 RPA 的概念，并讲解各类 RPA 实战化应用场景，理论与实践并重。第 1 章对RPA 进行全面介绍，使初学者了解什么是 RPA、为什么需要 RPA 及目前 RPA 市场的发展情况。第 2 章对企业级 RPA 架构及主要组成部分做简单阐述，以便读者了解 RPA 的内部构成。RPA的关键技术将会在第 3 章进行讲解，包括与 RPA 相关的自动化技术及人工智能技术。基于以上提到的技术，亚信科技推出自研的 RPA 产品—AISWare AIRPA，作为例子，本章将简单介绍AIRPA 的设计要点、功能构成。第 4 章从理论与实践层面介绍 RPA 卓越中心的概念以及企业如何搭建 RPA 卓越中心，帮助企业的决策者了解卓越中心。第 5 章从需求规划、设计开发、测试验证、部署运营 4 个层面详细阐述 RPA 项目如何落地与管理。第 6 ～ 10 章介绍 RPA 在各行各业的实战案例与应用场景，涉及电信行业、金融行业、政务行业、零售行业以及卫健行业，为处在数字化转型阶段的企业提供参考依据。第 11 章汇总当前 RPA 技术存在的应用挑战，并分析 RPA 未来的发展趋势，使读者对 RPA 有着更深远的认识。 本书的读者对象包括所有 RPA 厂商的从业人员，RPA 产品广大的甲方客户，RPA 领域的咨询、顾问、投资人及其他对 RPA 感兴趣的读者。

本书由数数科技分析师团队撰写。基于数数科技成立以来服务上千家游戏企业、近万个游戏项目的经验，作者介绍了游戏行业的数据分析现状，解读了数据驱动增长的典型案例，阐明了如何建设数据分析体系才能给游戏企业带来商业价值，希望为游戏行业的运营、数据分析、策划等岗位从业者提供从方法到实践的指导，驱动游戏业务增长。

本书由杰出的科学史专家托马斯·黑格和保罗·塞鲁齐撰写，在经典之作《现代计算机发展史》第二版的基础上，进行了脱胎换骨式的全面重构，用全新视角，深入阐释计算技术体系及其应用的进化，带领读者理解计算机的变革历程，以及技术与社会的相互塑造。全书共分15章，每章讲述计算机的一种转变，从1945年的ENIAC谈起，到电子邮件、袖珍计算器、个人计算机、万维网、电子游戏、智能手机的发展，再到计算机无处不在又无迹可寻的当今世界，最后以集成了多种计算模式的特斯拉Model S作为结尾。全书史料丰富，见解深刻，叙述生动，是现代计算机发展史的最佳入门级读物。

本书主要通过建立全面评价人脑认知控制能力的综合认知控制实验平台，采集实验者的认知控制脑电数据，利用数据处理方法，发现多通道进行认知控制的共性生物计算指标，从而分析各指标和认知控制过程的对应关系，挖掘认知控制的规律，并构建认知控制的相关模型。 本书提出基于认知控制的认知规律及认知控制模型，构造针对单次脑电试验进行认知控制特征提取的信号处理方法，利用新的特征提取方法所提取的特征形成样本空间分布信息，并将其融入模式分类方法，构造充分考虑单个样本的认知特性以及新的样本群体空间分布性的模式分类方法，能够实时、在线、准确地对单次试验的脑电数据进行识别。 本书对认知科学、计算机科学、智能科学和信息科学具有重要的理论意义和实用价值，可供认知心理科学家、计算机科学家、神经心理科学家以及对人脑科学感兴趣的读者阅读和参考。

本书主要以纯案例驱动的形式，分别使用和结合使用requests库、selenium库，从互联网上收集数据。主要内容包括收集静态网页数据，网页解析，JSON数据，JSON解析，多级翻页，cookie和session，验证登录，多线程，数据的存储，收集到的数据包括静态网页数据、json、图片、音频、视频等数据，并对获取的数据进行清洗。适合Python初学者，也适合研究Python的广大科研人员、学者、工程技术人员。本教材采用纯的案例，和简单的注释，其他一些先修的知识是在其他课程有开设。

近年来，随着脑机接口（BCI）技术的不断发展，国内外多个科研机构将研究的重点放在了比单模态BCI更具有优势的多模态BCI领域。这些科研机构取得了很多科研成果，这些成果都能够利用多模态BCI的优势来弥补单模态BCI的一些缺陷，从灵活性或稳定性方面来提升BCI系统的性能。本书首先提出并实现了一套基于运动想象和运动起始的视觉诱发电位结合的混合BCI系统，然后分别针对组成多模态系统的各单模态BCI提出、改进了更为稳定和有效的特征提取与识别方法。

本书系统介绍了机器学习常用算法及其应用，在深入分析算法原理的基础上，结合当前热门应用场景，向读者展现了机器学习算法的综合应用，带领读者进入机器学习领域，开启人工智能行业的大门。 全书共 21 章，分为 3 部分。第 1 部分介绍机器学习基础算法，包括线性回归、多项式回归、逻辑回归、k-NN、决策树、k-Means、SVM、随机森林、朴素贝叶斯、PCA 降维等，针对每个算法给出应用案例，让读者既掌握算法原理，又能够使用算法解决问题。第 2 部分是机器学习基础算法综合应用，通过学生分数预测、自闭症患者预测、淘宝用户价值分析、耳机评论情感预测几个案例提升读者对机器学习算法的应用能力。第 3 部分是机器学习进阶算法与应用，介绍逻辑更为复杂的机器学习算法，如改进的聚类算法、HMM算法、Boosting 算法等，并给出相应案例，此外，还展示了多个算法综合应用项目。 本书适合对机器学习、人工智能感兴趣的读者阅读，也可以作为应用型大学和高等职业院校人工智能相关专业的教材。本书可以帮助有一定基础的读者查漏补缺，使其深入理解和掌握相关原理与方法，提高其解决实际问题的能力。

本书致力于系统地介绍网络药理学的理论、方法和应用的研究进展，主要包括四大部分：1）网络药理学涉及的概念与理论；2）常用分析方法、数据库与分析软件；3）基于网络药理学的中医药现代化、现代药物研究的典型案例；4）基于药物、疾病的网络药理学实践流程。适用于初接触网络药理学、需要系统了解该领域的研究人员和学生。网络药理学是人工智能和大数据时代药物系统性研究的新兴前沿学科，也是融合系统生物学、生物信息学、网络科学、系统药理学等学科的原创性学科，强调从系统层次和生物网络的整体角度出发，解析药物及其治疗对象之间的分子关联规律，揭示药物的系统性药理机制，指导新药研发和临床治疗。随着计算、实验方法的进步，网络药理学的发展将有望帮助系统理解药物和病证的相互作用关系，为药物研发、机制阐释、药效评价、精准用药等提供技术支撑，促进从“还原论”到“系统论”的方法论革新，为“下一代药物研究模式”的推广应用提供强劲动力。

本书系统介绍了自然语言处理及深度学习，并结合实际应用场景和综合案例，深入浅出地讲解自然语言处理领域的相关知识。 全书共 15 章，分为 4 个部分。第 1 部分是自然语言处理基础，首先介绍自然语言处理的相关概念和基本技能，然后介绍词向量技术和实现方法，最后介绍关键词提取技术。第 2 部分是自然语言处理核心技术，分别介绍朴素贝叶斯算法、N-gram 语言模型、PyTorch 深度学习框架、FastText 模型文本分类和基于深度学习的文本分类。第 3 部分是序列标注，介绍序列标注的具体应用，如 HMM 词性标注和 HMM 命名实体识别等常见的自然语言处理应用场景。第 4 部分是预训练模型，它在很大程度上促进了自然语言处理的发展，这部分内容关注预训练模型的具体应用，如 ALBERT 的命名实体识别、Transformer 的文本分类、BERT的文本相似度计算、ERNIE 的情感分析等。 本书适合对人工智能、机器学习、深度学习和自然语言处理感兴趣的读者阅读，也可以作为应用型本科院校和高等职业院校人工智能相关专业的教材。

本书介绍了数据可视化的基本原理和设计方法，适合初学者或希望系统学习数据可视化设计的读者阅读。本书特色：内容翔实，基于大量的中外案例，对数据可视化进行了多方位的解剖，展现了数据可视化的丰富性和趣味性；注重实践，提供了切实可行的工具、数据集和教程，供读者能够“在学中做，在做中学”；通俗易懂，将专业术语和学术成果转化为平实的语言，让知识不再“高冷”。