本书英文版出版至今已近20年，但关于大脑究竟如何工作的问题至今仍无答案，而符号主义（认为大脑是类似于计算机的加工符号的机器）与联结主义（认为大脑是并行运转的大型神经网络）之间的争论也从未停息。本书分析了联结主义模型和符号加工模型在计算方面的优势和劣势，关注不同联结主义模型之间的差异以及特定模型与符号加工的特定假设之间的关系，并围绕多层感知器展开讨论。书中的观点在今天依然频繁成为学术讨论的焦点，并为认知科学、人工智能、深度学习等领域的未来研究指明了可能的方向。

本书介绍了一系列结合人工智能技术处理网络空间安全问题的方法-包括处理网络威胁情报、为恶意软件提供战略防御机制、解决网络犯罪、评估漏洞-以及产生主动而不是被动的对策的人工智能方法。

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.

这是一本故事性、趣味性十足的讲解自然语言处理的入门图书。本书以黄鼠狼想要制作一个全能机器人的故事为主线，通过黄鼠狼与其他动物的交流引出制作全能机器人过程中遇到的各种问题及找到的解决方案，并通过对每个阶段的机器人进行分析，详细介绍词法分析、句法分析、语义分析、文本生成、语音识别等关键技术，帮助读者深入理解有关自然语言处理的知识。本书非常适合作为中小学生了解人工智能、机器学习、自然语言处理的入门书，能为他们以后深入学习自然语言处理打下坚实的基础。

这是一部系统讲解评分卡建模的智能风控著作，从业务与技术、理论与实践、传统风控与智能风控等角度透彻讲解评分卡建模的原理、流程、方法及其风控策略构建。作者在智能风控领域深耕十余年，既熟悉商业银行传统风控体系思想、方法、技术、工具，又熟悉人工智能背景下的创新智能风控相关解决方案、风险策略和风险建模技术，本书是作者实践经验的系统性总结。本书内容分为六部分。第1部分（第1章）介绍评分卡建模基础知识，包括评分卡模型的概念和定义、评分卡建模全流程、评分卡模型的评价等。第二部分（第2章）介绍银行零售信贷领域产品特征和业务流程，以及信用风险和欺诈风险概念，介绍评分卡的应用场景和业务基础知识。第三部分（第3~11章）系统介绍评分建模的全流程，覆盖需求理解、数据理解、特征工程、模型设计、模型开发、模型验证、模型部署、模型监控、模型优化等模型全生命周期各环节。第四部分（第12~14章）总结了评分建模的关键问题及其解决方案，包括拒绝推断、模型可解释性等，以及模型开发过程中诸如分布不均衡、模型性能下降、模型迭代漂移等问题。第五部分（第15章）介绍了当前业界除评分卡外使用频率Z高的高维机器学习技术，比较了传统评分卡模型和高维机器学习模型，并重点介绍了XGBoost和LightGBM模型。第六部分（第16章）以贷前自动化审批场景为例，介绍基于评分的自动化审批策略构建，帮助读者理解评分卡模型在风险策略设计中的应用。

本书将虚拟现实（VR）视为一种媒介，更多聚焦于内容而非技术层面，讨论如何实现虚拟现实以及如何创建成功的虚拟现实应用。书中首先介绍相关术语和背景知识；然后重点讨论界面（接口）技术，包括交互技术、内容选择和表示问题，并新增一章讨论人类用户在虚拟现实体验中扮演的重要角色；之后讨论虚拟现实的总体设计，涉及虚拟现实体验的分类以及我们可以从过去的设计中学到的经验；最后对虚拟现实系统和应用的未来进行展望。本书适合所有对虚拟现实应用及实现感兴趣的读者，包括相关产品设计人员、技术开发人员和市场营销人员等，也适合高等院校相关专业的学生阅读参考。

《5G 时代的 DevOps 理论与实践》是亚信科技结合二十多年的大型软件研发管理经验和 DevOps理论，总结成的一套体系化、标准化的实践手册。全书共18章，分为四个部分：第一部分（第 1 章和第 2 章）探讨 DevOps 的基础与总体框架；第二部分（第 3~7 章）介绍与 DevOps 紧密相 关的敏捷的基础知识和理论；第三部分（第 8~11 章）详细介绍 DevOps 在不同领域的平台和工 具；第四部分（第 12~18 章）介绍多个行业的大型项目的落地实践案例，并在最后的第 18 章对 DevOps 的未来进行展望。本书适合运营商、金融、能源等大型企业的研发效能相关人员，以及IT从业者（包括产品经理、 研发、测试、运维、敏捷教练等）阅读。

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。

《联邦学习原理与应用》既是关于联邦学习技术和实践方法的介绍，又是关于联邦学习在业界，特别是金融科技行业应用实践的案例展示。 第1章介绍联邦学习的发展背景和历程，以及金融业中数据共享的机遇和挑战。第2章~第5章介绍不同类型的机器学习方法在联邦学习模式下的实现，以及关键算法原理。第6章介绍联邦学习开源框架FATE的架构和部署，以及在金融控股集团内大数据平台上建立跨机构统一数据科学平台的实施方案。第7章从建模者的角度展示了典型建模流程的实战过程。第8章和第9章结合金融相关行业的实践，以多个应用案例和解决方案的形式，介绍联邦学习在营销运营和风险管理等不同业务方向上不同层次的应用实践。第10章从人工智能的不同方向介绍联邦学习应用扩展及前景。附录介绍了联邦学习框架中相关的密码学工具。 《联邦学习原理与应用》适合隐私保护计算研究者（特别是联邦学习技术的研究者）、大数据和人工智能方向的开发者及大数据相关的应用人员阅读参考。《联邦学习原理与应用》为希望使用大数据技术和从事数据分析挖掘的业界人员提供了新的思路和视角。