本书先从背景出发，阐述黑盒模型存在的问题以及不解决黑盒问题模型可能带来的后果，引出可解释机器学习的重要性；随后，我们从可解释机器学习的研究方向，分为内在可解释模型算法和模型事后解析方法两部分进行介绍，阐述不同模型的原理、应用及其可解释性。z后通过三个不同的应用场景，介绍在银行实战中的数据挖掘方法，由问题、处理方法出发，结合可解释机器学习模型结果，证明模型的有效性和实用性，期望读者通过对本书的阅读，可以更快更好的解决实际业务问题，而非纸上谈兵。业务场景均为业内的典型案例，希望能够对读者有所启发。同时，本书中还会有大量的公式与代码，保证内容的丰富与严谨，经得起推敲，使得读者知其然且知其所以然。

《数据治理：人工智能创建未来城市》一书从新一代人工智能环境下的数据治理技术与模式出发，揭示大数据、物联网、020模式、计算机视觉等新技术新模式驱动下高效能城市数据治理应用场景，聚焦城市数据治理的范式、顶层设计、关键技术，以及在城市规划与建设、产城融合、社会治理、公共资源均衡化等领域的应用。《数据治理：人工智能创建未来城市》专业地梳理了城市数据治理的现状，阐述所涉及的新一代人工智能关键技术的概念及发展历程并对未来前沿发展趋势做出解析，不仅能够为相关领域的学者、研究人员梳理系统的城市数据治理的科学研究方法，更能启发城市治理者未来的城市治理思路。《数据治理：人工智能创建未来城市》从数据治理的专业视角解读了人工智能与未来城市管理深度融合的模式方法与典型应用场景，为大数据与人工智能在城市管理及其相关产业的应用带来了全新数字思维空间，帮助读者简明、准确且全方位地了解数智化的关键技术与典型应用问题。

本论文集是北京数字科普协会出版的数字博物馆发展的系列论文丛书，本书的主要内容是数字博物馆方面的学术交流成果展现，本论文集展现的案例涉及智慧博物馆建设与发展中的新理念、人员队伍建设以及 外的一些创新实践，人工智能与博物馆教育、博物馆与红色文化传播、社会应急（疫情）状态下的博物馆服务和博物馆数字化与数字博物馆等方面的内容，对推动博物馆建设有很好的借鉴和参考作用。

本书介绍了如何使用scikit-learn、TensorFlow等关键库来有效解决现实世界的机器学习问题。本书着重于实用的解决方案，提供多个案例，详细地讲解了如何使用Python生态系统中的现代库来构建功能强大的机器学习应用程序；还介绍了分类、聚类和推荐引擎等多种机器学习算法，以及如何将监督学习和无监督学习技术应用于实际问题；最后，介绍了强化学习、深度神经网络和自动机器学习等应用示例。本书适合数据科学家、机器学习开发人员、深度学习爱好者以及希望使用机器学习技术和算法解决实际问题的Python程序员阅读。

演化学习利用演化算法求解机器学习中的复杂优化问题， 在实践中取得了许多成功， 但因其缺少坚实的理论基础， 在很长时期内未获得机器学习社区的广泛接受. 本书主要内容为三位作者在这个方向上过去二十年中主要工作的总结.全书共18 章， 分为四个部分： 第一部分（第1～2 章） 简要介绍演化学习和一些关于理论研究的预备知识; 第二部分（第3～6章） 介绍用于分析运行时间复杂度和逼近能力这两个演化学习的基本理论性质的通用工具; 第三部分（第7～12 章） 介绍演化学习关键因素对算法性能影响的一系列理论结果， 包括交叉算子、解的表示、非精确适应度评估、种群的影响等; 第四部分（第13～18 章） 介绍一系列基于理论结果启发的具有一定理论保障的演化学习算法.本书适合对演化学习感兴趣的研究人员、学生和实践者阅读. 书中第二部分内容或可为有兴趣进一步探索演化学习理论基础的读者提供分析工具， 第三部分内容或有助于读者进一步理解演化学习过程并为新算法设计提供启发， 第四部分内容或可为读者解决一些现实机器学习问题提供新的算法方案.

全书共分四个模块： 介绍Python基础知识、人工智能的数学基础知识、人工智能的常用算法及各算法的应用场景、常用算法在人工智能主要领域的应用探究。在介绍各知识模块时，均以Python来实现。全书的重点在人工智能各领域所涉及到的各种算法，以及如何用这些算法来解决实际问题。目前，关于市场上关于这方面的书籍所介绍的知识都比较零散，都属于专题性质，从数学到数据结构再到算法研究及算法在人工智能领域中的应用，这种的构思是比较独特。 本书可以作为高等院校人工智能导论课程，同量对研究人工智能的各类人员有非常高的参考价值。

本书以河北工业大学徐桂芝教授带领的生物电磁团队近20多年在脑科学与脑认知方面的研究成果为核心，总结分析了国内外该领域的研究动态及发展趋势，反映了当代脑电与脑网络技术的发展。全书共11章，主要讲述脑电信号采集与处理、脑电事件相关电位、脑电源定位及其求解方法、脑网络构建与分析、脑机交互及脑功能网络技术应用等内容。本书在介绍基本原理、基本概念等理论知识的基础上，由浅入深、循序渐进，涉及大量相关领域的科学研究与应用，有益于读者加深对相关基础知识的理解，同时拓宽知识面，培养学术能力。本书可供相关专业高年级本科生、研究生和科研人员使用。

计费系统是 5G 网络的重要组成部分，对支撑各类 5G 业务的正常运行起着至关重要的作用。本书共 7 章，第 1 章介绍计费的诞生与发展，全面分析计费系统的由来及通用功能，让对计 费系统不熟悉的读者了解相关背景知识，便于顺利阅读后续章节；第 2 ～ 6 章阐述通信网络及其 计费系统的发展过程、业务支撑规范的演化、计费系统定位产生的调整与变化，重点介绍 5G 计 费系统支撑的新场景、计费的新模式以及采用的新技术，让读者对 5G 计费系统形成端到端的全 面掌握；第 7 章介绍典型的 5G 计费解决方案，通过 5G 赋能交通、电力、医疗等行业的典型案 例的介绍，分析 5G 价值变现的途径与模式，进一步强化读者对 5G 计费系统的理解。本书主要适合信息与通信技术从业人士阅读，也可以作为高等院校通信、计算机等相关专业 本科和研究生的参考书。

《TensorFlow知识图谱实战/人工智能技术丛书》介绍TensorFlow构建知识图谱的核心技术，帮助读者掌握使用深度学习构建知识图谱的方法，以及使用神经网络的技术要点和基于深度学习的应用程序编写技巧。大数据时代的到来，为人工智能的飞速发展带来未有过的数据红利。在大数据的“喂养”下，大量知识不断涌现，如何有效地发掘这些知识呢？知识图谱横空出世。《TensorFlow知识图谱实战/人工智能技术丛书》是一本讲解如何使用TensorFlow2构建知识图谱的入门教程，引导读者掌握基于深度学习的知识图谱构建概念、理论和方法。《TensorFlow知识图谱实战/人工智能技术丛书》分为13章：第1章从搭建环境开始，包含TensorFlowCPU版本和GPU版本的安装，并通过一个知识图谱的例子引导读者开始学习；第2-4章介绍TensorFlowAPI的使用；第5章是DatasetAPI，学习使用原生API处理数据的方法；第6～8章是实战准备部分，介绍ResNet模型、词嵌入（word embedding）模型、情感分类；第9～10章在“注意力模型”基础上搭建了“编码器模型”；第11～13章搭建了知识图谱联合抽取模型，利用《TensorFlow知识图谱实战/人工智能技术丛书》所学知识实战知识图谱的搭建过程和性能提升方案。《TensorFlow知识图谱实战/人工智能技术丛书》内容详尽、示例丰富，适合作为知识图谱和深度学习读者的参考书，同时也适合开设人工智能专业的大中专院校师生阅读，还可作为高等院校计算机及相关专业教材使用。

本书介绍如何构建完整的机器学习流水线，从而在生产环境中准备数据以及训练、验证、部署和管理机器学习模型。你将了解机器学习流水线的每个环节，以及如何利用TensorFlow Extended（TFX）构建机器学习流水线。模型的生命周期是一个闭环，其中包括数据读取、数据校验、数据预处理、模型训练、模型分析、模型验证、模型部署、模型反馈等环节。你将学习如何利用Beam、Airflow、Kubeflow、TensorFlow Serving等工具将每一个环节的工作自动化。学完本书，你将不再止步于训练单个模型，而是能够从更高的角度将模型产品化，从而为公司创造更大的价值。