探索未来：ABCD 四大技术必读书籍
导读：业界将人工智能（Artificial Intelligence）、区块链（Blockchain）、云计算（Cloud Computing）和数据科学（Data Science）统称为“ABCD”，并将其视为极具潜力的四大信息技术方向。
人工智能（Artificial Intelligence）是一门研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的新兴技术科学，也是一门极具挑战性的科学。从事这项工作的人员需要具备计算机知识、心理学和哲学等多方面的素养。人工智能由多个领域组成，如机器学习、计算机视觉等。总的来说，人工智能的主要研究目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。
01 智慧的疆界
作者：周志明
推荐语：畅销书《深入理解 Java 虚拟机》的作者周志明的新作，从奠基人物、历史事件、学术理论、研究成果、技术应用等五个维度进行了深入解读。他用通俗易懂的语言和巧妙的内容组织方式，将专业知识讲解得清晰明了，让没有技术基础的读者也能轻松读懂人工智能，并对其产生浓厚的兴趣。
02 智能计算系统
作者：陈云霁、李玲、李威、郭崎、杜子东
推荐语：由深度学习处理器芯片研究的开拓者陈云霁领衔，中国科学院计算技术研究所和软件研究所的专家学者共同撰写而成。本书是智能领域系统能力培养的大成之作！领衔作者陈云霁带领的团队曾成功研制出国际首个深度学习处理器芯片“寒武纪 1 号”，本书凝聚了作者团队多年的科研和教学成果，是前沿研究与技术实践相结合的产物，能够帮助读者快速提升智能领域的系统能力，是一本教材和技术参考书。
03 机器学习理论导引
作者：周志华、王魏、高尉、张利军
推荐语：由机器学习领域著名学者周志华教授领衔的南京大学 LAMDA 团队的四位教授合著而成。本书对机器学习理论中的七大重要概念或理论工具进行了系统梳理，并通过若干分析实例进行了详细说明。机器学习理论内容广泛而丰富，本书旨在为机器学习理论研究的读者提供入门导引。
区块链（Blockchain）实际上是一个共享数据库，其中存储的数据或信息具有“不可伪造”“全程留痕”“可以追溯”“公开透明”“集体维护”等特征。基于这些特性，区块链技术为“信任”奠定了坚实的基础，创造了可靠的“合作”机制，具有广阔的应用前景。
2019 年 1 月 10 日，国家互联网信息办公室发布《区块链信息服务管理规定》，明确指出要“把区块链作为核心技术自主创新的重要突破口”“加快推动区块链技术和产业创新发展”。“区块链”已成为大众关注的焦点。
04 区块链：原理、设计与应用（第 2 版）
作者：杨保华、陈昌
推荐语：本书由超级账本的核心设计和开发者撰写，内容由浅入深，详细讲解了区块链的原理，以及超级账本 Fabric 架构的设计，并深入剖析了 Fabric 的重要功能和流程，是区块链开发落地的专业指南。
05 精通区块链编程：加密货币原理、方法和应用开发（原书第 2 版）
作者：Andreas M. Antonopoulos
推荐语：本书是数字货币领域世界知名布道师、畅销书作者 Andreas M. Antonopoulos 的区块链技术入门书籍，从基础技术层面解读了开放区块链编程技术在金融领域的应用原理、实践及趋势。本书主要面向程序员，详细介绍了加密货币的原理、使用方法，以及如何开发与之相关的软件。
06 精通以太坊：开发智能合约和去中心化应用
作者：Andreas Antonopoulos、Gavin Wood
云计算（Cloud Computing）是分布式计算的一种，它通过网络“云”将大规模的数据处理任务分解为无数个小程序，然后由多部服务器组成的系统进行处理和分析，并将结果返回给用户。在云计算早期，它主要用于简单的分布式计算，以解决任务分配和合并计算结果的问题。因此，云计算也被称为网格计算。借助这项技术，可以在数秒内完成对数以万计的数据的处理，从而提供强大的网络服务。
07 云原生应用管理：原理与实践
作者：陈显鹭、阚俊宝、匡大虎、卢稼奇
推荐语：本书由阿里云容器服务团队的四位专家撰写，详细介绍了 Helm、Kustomize、CNAB、Operator 四大云原生工具的使用和原理，并深入分析了其源码，还包含了大量的实战案例。
08 企业迁云实战（第 2 版）
作者：阿里云智能-全球技术服务部
09 云原生应用构建：基于 OpenShift
作者：魏新宇、王洪涛、陈耿
推荐语：由红帽、微软的资深架构师和 OpenShift 专家撰写，得到了阿里、谷歌、亚马逊、腾讯等企业多位架构师的联袂推荐。本书从开发和运维的角度，详细讲解了基于 OpenShift 构建云原生应用的步骤、技术和方法。
数据科学（Data Science）是一个跨学科领域，它的研究对象包括数据本身和为自然科学与社会科学研究提供的新方法。数据科学的概念早在 20 世纪 60 年代就已被提出，但当时并未得到学术界的关注和认可。1974 年，彼得·诺尔在《计算机方法的简明调查》中将数据科学定义为：处理数据的科学，一旦数据与其代表事物的关系被建立起来，将为其他领域与科学提供借鉴。如今，数据就是石油，每一家互联网公司本质上都是一家数据公司。
10 数据分析即未来
作者：Gregory S. Nelson
推荐语：本书旨在为数据分析生命周期提供全面而实用的指南，并着重于为组织打造行之有效的数据分析能力。
11 人人可懂的数据科学
作者：John D. Kelleher
推荐语：本书从数据科学的发展演化史、定义、数据、数据集、数据科学生态系统、机器学习、数据科学的标准任务、隐私与道德、发展趋势等角度，对数据科学进行了全面而精彩的阐述。
12 数据科学导论：Python 语言（原书第 3 版）
作者：阿尔贝托·博斯凯蒂、卢卡·马萨罗
推荐语：通过本书的学习，你将全面了解主要的机器学习算法、图分析技术以及所有可视化工具和部署工具，使你能够更轻松地向数据科学专家和商业用户展示数据处理结果。
