本书以理论和实践相结合的形式深入浅出地介绍强化学习的历史、基本概念、经典算法和一些前沿技术，共分为三大部分：第壹部分（1～5章）介绍强化学习的发展历史、强化学习的基本概念以及一些经典的强化学习算法；第二部分（6～9章）在简要回顾深度学习技术的基础上着重介绍深度强化学习的一些前沿实用算法；第三部分（*后一章）以五子棋为例详细讲解战胜了人类围棋选手的Alpha Zero算法的核心思想。

本书深入讲解神经网络和深度学习技术，侧重于阐释深度学习的核心概念。作者以技术原理为导向，辅以贯穿全书的MNIST手写数字识别项目示例，介绍神经网络架构、反向传播算法、过拟合解决方案、卷积神经网络等内容，以及如何利用这些知识改进深度学习项目。学完本书后，读者将能够通过编写Python代码来解决复杂的模式识别问题。

算法规制的目标无他：其一，警惕本来应当是中立的智能应用，被用来掩饰未取得“多数人同意”的少数人集权；其二，建立利益相关者对话和商谈的场域，避免法律沦为“技术寡头”的帮凶。本书从凯伦？？杨“跳出‘数据道德’或‘AI道德’窠臼”以寻求“数据驱动机器时代正义、民主和自由”的主张开始，以李？？拜格雷夫“将数据保护法的价值观贯彻进信息系统架构之中”的倡导结束，中间穿插着马丁？？洛奇等学者对“风险导向监管路径”的反思与改进；这背后是“自然人正义观”与“算法正义观”从排斥到融合、“个人数据保护”与“技术公共利益”从对立到统一的艰苦历程。本书英文版虽出版于新冠疫情爆发之前，但作者们从不同角度对“算法规制”的路径探寻，无不包含着从“个人健康”促进“社会健康”的现实隐喻，以及人本主义“责有攸归”的道德哲学，对我国“国家治理体系和治理能力现代化”以及疫情常态化下慎终如始“科学防治、精准施策”的稳步推进有着深刻的启发和借鉴意义。

《学习量子比特（影印版）》首先概述了量子计算与传统计算如此不同的原因，并讲述了可能会对量子计算产生重大影响的一些行业案例。对理解诸如叠加、纠缠和干涉等概念所必需的经典计算理论和数学基础进行了更全面的讲解。接下来是电路和算法，既有基础的，也有更复杂的。然后，对构建量子计算硬件背后的物理和工程思想娓娓道来。最后，本书展望了未来前景并提供了指引，帮助读者了解日后的发展会如何影响到个人。

通过这本实用的教程，你将学会如何构建一个机器学习模型驱动的应用示例，将最初的想法转化成可部署的产品。数据科学家、软件工程师和产品经理——无论经验丰富的的专家，还是刚刚入门的新手——都可以循序渐进地学习构建真实机器学习应用涉及的工具、最佳实践，完成相关的技术挑战。 学习设计、构建和部署机器学习（ML）应用所需的技能。通过这本实用的教程，你将构建一个机器学习驱动的示例应用程序，将最初的想法转化成可部署的产品。数据科学家、软件工程师和产品经理——无论经验丰富的专家还是刚刚入门的新手——都可以循序渐进地学习构建实际的机器学习应用程序所涉及的工具、最佳实践和技术挑战。

本书介绍卷积神经网络的核心——错综复杂的细节和算法的微妙之处。主要包括卷积神经网络的高级主题和使用Keras和TensorFlow的对象检测。

本书围绕区块链的业务场景，对HyperLedger Fabric区块链进行实战式讲解。全书共16章，内容包括区块链技术起源、核心技术、开发平台、超级账本介绍、Fabric介绍、Fabric基础环境搭建、官方End-2-End运行、Helloworld编写、solo测试环境部署、Kafka生产环境部署、Fabric CA、CouchDB、智能合约、Java-SDK客户端和SAAS区块链支付系统。

自然语言处理是一门融语言学、计算机科学、数学于一体的科学，研究人与计算机之间用自然语言进行有效通信的各种理论和方法。计算语言学是指通过建立形式化的数学模型来分析、处理自然语言，并在计算机上用程序来实现分析和处理的过程，旨在以机器来模拟人的部分或全部语言能力的目的。《自然语言处理与计算语言学》作为一本借助于Python编程语言以及各种开源工具（如Gensim、spaCy等）来执行文本分析、自然语言处理和计算语言学算法的图书，从应用层面介绍了相关的理论知识和所涉及的技术。《自然语言处理与计算语言学》共分为15章，其内容涵盖了文本分析的定义、使用Python进行文本分析的技巧、spaCy语言模型、Gensim工具、词性标注及其应用、NER标注及其应用、依存分析、主题模型、高级主题建模、文本聚类和文本分类、查询词相似度计算和文本摘要、词嵌入、使用深度学习处理文本、使用Keras和spaCy进行深度学习、情感分析与聊天机器人的原理介绍等。《自然语言处理与计算语言学》适合对自然语言处理的实现细节感兴趣的Python程序开发人员阅读。如果读者具备统计学的基本知识，对学习本书内容会大有裨益。

迁移学习解决的是系统如何快速地适应新场景、新任务和新环境的问题，在目标域中只有少量标记数据可用时，它赋予了机器学习系统利用辅助数据和模型来解决目标问题的能力。这使得机器学习系统更加可靠和健壮，并且让机器学习模型在面对不可预见的变化时尽可能达到预期的性能。在企业层面，迁移学习允许知识的重复利用，使得每次获得的经验可以重复地应用于现实世界。 本书为迁移学习方向首本算法、理论、应用方面成熟、成体系的总结，相关领域研究的系统性参考。为迁移学习领域的新加入者提供了坚实的基础，也为经验丰富的研究人员和开发人员提供了新的视野。 本书分为两部分。第1部分（第1～14章）介绍迁移学习的基础，其中第1章对迁移学习进行概述，第2～14章介绍迁移学习相关的各种理论和算法。第2部分（第15～22章）讨论迁移学习的许多应用领域。第23章是对全书的总结。

本书是高效学习树莓派（Raspberry Pi）的入门级实践指南，将帮助你快速地掌握树莓派的各项内容，指导你开展各种项目实践。树莓派是只有一张信用卡大小的卡片式计算机，具有功能强大、性能出色和价格便宜等特点，受到了计算机硬件爱好者以及青少年STEAM教育界的欢迎，风靡一时。 本书覆盖了树莓派的许多主题，包括设置和运行图形用户界面（GUI）、驾驭命令行、操作Linux系统、编辑文件、设置网络服务器、摄像与信息服务、搭建媒体中心等有趣的实践项目等内容。 本书适合创客、单片机学习者、电子爱好者、STEAM教育工作者、计算机软硬件爱好者及对树莓派感兴趣的读者阅读，也适合作为STEAM相关实践课程的基础教程。