本书属于计算机类区块链应用的教材，全书分为十个单元，涵盖计算机专业如区块链技术、信息安全、系统设计等专业基础内容，同时也介绍了征信与征信体系及其发展状况，具有专业性、新颖性的特点。本书的单元结构由征信与征信体系、征信产品与服务、区块链征信系统、区块链征信应用四个模块组成，使教、学、用有机结合在一起，实用性强。本书主要面向计算机专业学生，对从事区块链应用和征信体系建设的研究者、一线教学的教师及征信监管从业人员有一定的借鉴作用。

在区块链、人工智能、3D、AR等底层技术的支持下，Web 3.0高速发展，获得了更多的关注。从Web 1.0到Web 3.0，互联网由中心化走向去中心化，由以平台为中心转向以用户为中心，经济由实体经济转向数字经济。可以说，Web 3.0正在全方位赋能数字时代科技发展，重构商业模式。本书以 Web 3.0如何重构数字时代科技与商业新生态为切入点，面向互联网领域的创业者、从业者、企业家与投资人等。读者可以通过阅读本书全面了解Web 3.0的基础知识、技术以及相关案例，从而更好地适应Web 3.0时代。本书分为上、中、下三篇，上篇为读者梳理了Web 3.0的底层逻辑，带领读者了解Web 3.0的基础知识，把握Web 3.0时代的红利，描绘Web 3.0时代的蓝图；中篇分析了Web 3.0的核心驱动力，分别是区块链、DeFi、NFT、DAO和元宇宙；下篇为读者盘点了Web 3.0的落地场景，以生动的案例详细叙述了Web 3.0如何与新商业、新金融、新文娱、新营销和新社交相结合，为企业在新时代的发展提供了可行的方向。

本书结合实战案例介绍了Eviews软件的使用方法。首先介绍了Eviews软件的整体架构和设计理念，然后围绕截面数据、时间序列、面板数据 3 种典型类型的数据，介绍了Eviews软件的功能。通过配合实战案例，本书重点介绍了Eviews的操作步骤、指令和输出结果的解读。 本书分为23章，主要内容有Eviews简介、Eviews的安装、初识Eviews、工作文件、对象、序列、组、样本、图形、图形工具、截面数据的基础性分析、回归分析、定性因变量模型、受限因变量模型、分位数回归模型、工具变量、岭回归和LASSO、主成分分析、因子分析、时间序列的基础性分析、ARIMA 模型、GARCH 模型、面板数据模型。 本书内容通俗易懂，案例丰富，实用性强，特别适合 Eviews的入门用户和进阶用户阅读，也适合对经济计量学、金融计量学、统计学感兴趣的读者阅读。另外，本书也适合政府部门、研究机构从事经济管理工作的人士使用。

本书从具有内置默认设置的Vanilla Kubernetes开始，你将检查运行任意工作负载的分布式系统的抽象威胁模型，然后对安全Kubernetes系统的每个组件进行详细评估。本书的主要内容有：通过威胁建模来了解Kubernetes系统的漏洞。聚焦pod，从配置到攻防。保护你的集群和工作负载流量。使用RBAC、OPA和Kyverno定义和实施策略。深入研究沙箱和隔离技术。了解如何检测和减轻供应链攻击。探索静态文件系统、卷和敏感信息。发现在集群中运行多租户工作负载时可能出现的问题。了解即使你已采取控制措施，如果有攻击者闯入，你可以做什么。

本书全面介绍了最新的因果推断方法，并以实践应用为辅，方便读者理解。本书化繁为简，层层深入地引导读者了解因果推断方法发展的历程和现状。通过本书，读者可以获得关于因果推断方法的全局视角。本书共5章，以递进的方式展开对因果推断方法的介绍。第1章从广泛熟悉的相关关系出发，通过介绍相关关系与因果关系的联系与区别过渡到对因果关系的探索。在明确因果关系概念的基础上，第2章主要介绍洞察因果关系的金标准：随机对照试验。基于随机对照试验的原理和不同的应用场景，本书将因果推断方法分为3类：基于设计思想的因果推断方法、基于潜在结果框架的因果推断方法和基于结构因果模型的因果推断方法。第3章～第5章分别对这3类方法进一步详细分类，并进行解析。同时，这3类方法的应用场景也呈现递进的关系。本书适合有一定统计知识背景的读者，特别是希望深入研究因果推断方法并将其应用于各领域实践的相关研究者。同时，本书也适合对因果推断方法感兴趣的在校学生和业界工作人员。

本书从“由外而内”的角度引入 API 设计，重视反映客户和产品团队的声音，将需求映射到特定的、组织良好的 API，为编写这些 API 选择正确的风格，并从零开始实现了一个真实的例子，旨在为设计新 API 或扩展现有 API 的人提供指导，帮助他们了解如何通过正确的设计过程来交付优秀的 API，如何与设计团队、客户和其他涉众就具体的成果达成一致，如何确定正确的 API 并将操作整合成统一的 API 配置文件，以及如何使 API 程序实现可伸缩的设计和管理过程。本书适合所有参与规划或构建 API 的读者阅读，包括架构师、开发人员、团队领导者、单团队和多团队环境中的项目管理人员，以及相关技术人员或业务专业人员。

本书内容实用而全面，旨在帮助读者熟悉Flowable流程引擎的基本概念、构建流程模型、实施工作流、集成系统，并解决在实际应用中遇到的问题。它为Java开发人员在流程引擎编程领域提供了丰富的知识和实战经验。同时，本书详细介绍了Flowable流程引擎各组件API及其实战应用，并以通俗易懂的语言讲解引擎设计原理、源码和进阶用法，有助于开发者进一步优化系统。如果你正在开发、调试及维护Flowable流程引擎系统，那么本书将是你宝贵的资料。

本书从自然语言处理基础开始，逐步深入各种自然语言处理的热点前沿技术，使用了Java和Python两门语言精心编排了大量代码实例，契合公司实际工作场景技能，侧重实战。 全书共19章，详细讲解中文分词、词性标注、命名实体识别、依存句法分析、语义角色标注、文本相似度算法、语义相似度计算等内容，同时提供配套完整实战项目，例如对话机器人实战、搜索引擎项目实战、推荐算法系统实战。 本书理论联系实践，深入浅出，知识点全面。通过阅读本书，读者不仅可以理解自然语言处理知识，还能通过实战项目案例更好地将理论融入实际工作中。 本书适合自然语言处理的初学者阅读，有一定经验的算法工程师也可从书中获取很多有价值的知识，并通过实战项目更好地理解自然语言处理的核心内容。

在制造业，将各个软件之间的一些基本功能协同起来，会使工作变得更加高效。本书围绕欧特克公司的产品制造与设计软件集“Product Design & Manufacturing Collection”（简称PDMC），详细介绍了如何协同使用Plant 3D、Inventor和Navisworks等软件在流程工厂设计和规划中进行高效率的工作。本书内容新颖全面，实用性强，配套讲解视频，有助于读者快速理解并掌握PDMC高效设计方法，可供计算机辅助设计人员、机械设计人员及相关专业师生、技术人员阅读参考。

大模型是深度学习自然语言处理皇冠上的一颗明珠，也是当前AI和NLP研究与产业中最重要的方向之一。本书使用PyTorch 2.0作为学习大模型的基本框架，以ChatGLM为例详细讲解大模型的基本理论、算法、程序实现、应用实战以及微调技术，为读者揭示大模型开发技术。本书配套示例源代码、PPT课件。 《从零开始大模型开发与微调：基于PyTorch与ChatGLM》共18章，内容包括人工智能与大模型、PyTorch 2.0深度学习环境搭建、从零开始学习PyTorch 2.0、深度学习基础算法详解、基于PyTorch卷积层的MNIST分类实战、PyTorch数据处理与模型展示、ResNet实战、有趣的词嵌入、基于PyTorch循环神经网络的中文情感分类实战、自然语言处理的编码器、预训练模型BERT、自然语言处理的解码器、强化学习实战、只具有解码器的GPT-2模型、实战训练自己的ChatGPT、开源大模型ChatGLM使用详解、ChatGLM高级定制化应用实战、对ChatGLM进行高级微调。 《从零开始大模型开发与微调：基于PyTorch与ChatGLM》适合PyTorch深度学习初学者、大模型开发初学者、大模型开发人员学习，也适合高等院校人工智能、智能科学与技术、数据科学与大数据技术、计算机科学与技术等专业的师生作为教学参考书。