Qcon：技术开发者的年度盛宴+定制书单

QCon是由极客邦科技旗下InfoQ中国主办的综合性技术盛会，每年在伦敦、北京、纽约、圣保罗、上海、旧金山召开。自2007年3月份开始举办以来，已经有超万名有多年从业经验的技术人员参加过QCon大会。QCon内容源于实践并面向社区，演讲嘉宾依据热点话题，面向5年以上工作经验的技术团队负责人、架构师、工程总监、开发人员分享技术创新和实

10月17日，技术开发者的年度盛宴——QCon全球软件开发大会，将与你在上海·宝华万豪酒店共享。汇聚多位海内外技术专家，针对大数据分析、智能运维、敏捷开发和存储注入等技术领域，并通过实践案例，详细分析行业解决方案的方向和方法，为开发者技术发展布道，为构建高效智能的技术团队提供思路。

小编根据会议专题打造书单一份，与您共享！

金融科技

如何实现更智能的金融与科技结合，应用互联网技术补充金融技术提升整体金融业务，怎样才能做到更高安全性，准确性，时效性。本专题将为大家提供更多金融科技发展的可能性及创新灵感。

１、基于Python的金融分析与风险管理

Python金融分析和风险管理的实用指南
金融大数据分析和金融风控的参考书
NumPy、Pandas、Matplotlib等重要模块的使用技巧尽在掌握

本书聚焦于Python在金融分析与风险管理的应用，全书分为入门篇、基础篇和提高篇，共12章。入门篇对Python做了介绍并结合金融场景演示了Python的基本操作；基础篇结合金融场景，讲解NumPy、Pandas、Matplotlib、SciPy等Python模块的具体运用；提高篇详细讨论运用Python分析利率、债券、股票、期货、期权以及风险价值等内容。

本书是专注于Python在金融领域运用的普及性读物，作者斯文博士在金融与风险管理方面有着深厚的积累，同时也有着丰富的编程经验，一直致力于倡导和推广Python在金融领域的运用。

本书适合想要掌握Python应用的金融学习者、金融从业者阅读，也适合想要转行到金融领域的程序员以及对Python在金融领域的实践应用感兴趣的人士阅读，并且不要求读者有Python编程基础。

２、Python金融实战

Python金融实战类指南，指导金融大数据分析过程
通过编写高效的Python程序，解决实际金融问题
本书通过12章内容介绍了Python在金融领域的应用，从Python的安装、基础语法，再到一系列简单的编程示例，本书循序渐进地引导读者学习Python。同时，本书还结合Python的各个模块以及金融领域中的期权价格、金融图形绘制、时间序列、期权定价模型、期权定价等内容，深度揭示了Python在金融行业中的应用技巧。

本书适合金融、会计等相关专业的高校师生阅读，也适合金融领域的研究人员和从业人员参考学习。对于有一定计算机编程基础，但想要从事金融行业的读者，本书也是不错的参考用书。

３、量化金融R语言初级教程

《量化金融R语言初级教程》通过9章的内容向读者详细介绍使用R语言实现量化金融的一些基础知识和方法，内容包括时间序列分析、投资组合优化、资产定价模型、固定收益证券、估计利率期限结构、衍生品定价、信用风险管理、极值理论和金融网络等。

目标读者是那些希望通过R语言来解决量化金融问题的读者，如果读者具备一定的金融知识，读者将学习到有关R语言的诸多核心内容，并了解R语言在量化金融方面的各类应用。

４、量化金融R语言高级教程

学习量化金融R语言高级教程
掌握R语言金融建模的核心技术
构建定制化的量化交易平台。

《量化金融R语言高级教程》通过13章的内容向读者详细介绍了使用R语言实现量化金融的方方面面。本书包括实证金融（第1～4章）、金融工程（第5～7章）、交易策略优化（第8～10章）和银行管理（第10～13章）等主题。

目标读者是那些既熟悉基本金融概念又具有一定编程能力的人。通过阅读本书，读者可以了解R语言与量化金融相关的各类知识和编程技巧。

５、量化交易学习指南基于R语言

本书基于R语言进行讲解，循序渐进地教读者如何构建量化金融模型，如何通过R编程高效地解决金融难题，同时还将机器学习算法、时间序列分析、预测建模、风险分析等重要技术点纳入其中。书中展示了诸多易于理解的示例和应用级案例，这些内容有助于读者更好地理解相关的主题以及如何在R中通过编程实现。

６、计算金融基础教程基于MATLAB

量化交易之路，学习MATLAB编程
掌握新兴的计算金融技术
解决金融计算问题入门书
在金融行业，掌握电子表格和计算器已经成为非常基本的技能，如果你想成为更出色的金融专业人士，那么本书将是一个非常好的选择。MATLAB是计算金融领域灵活、强大的平台之一，本书旨在介绍其应用方法。

无论你是打算在金融公司或投资行业谋求工作的新人，还是希望在金融领域有所发展的“职场老手”，本书都能助你一臂之力。通过阅读本书，你将了解MATLAB的方方面面，学会如何从数据集中获得更多的信息（包括非传统信息），以及如何使用新的计算工具。

７、Python金融大数据分析

详解使用Python分析处理金融大数据
金融应用开发领域从业人员参考书
学习Python编程入门基础教程，成为数据分析高手

金融行业已经以惊人的速度采用Python，一些大的投资银行和对冲基金使用Python来构建核心的交易和风险管理系统。本书可以帮助开发人员和量化分析人员入门Python，并指导他们掌握Python在计量金融学上的重要应用。

互联网安全

在互联网大潮冲击下，越来越多的企业开始遇到恶意攻击。这些攻击或许是一群职业羊毛党，或许是一个躲在暗处的神秘黑客，又或者压根不是一个人，如何抵御这些江洋大盗或梁上君子？

１、零信任网络在不可信网络中构建安全系统

[美] 埃文·吉尔曼（Evan Gilman），道格·巴斯（Doug Barth）著，奇安信身份安全实验室译

网络安全技术教程书籍
零信任网络入门指南
零信任网络学习手册，网络工程师、网络安全工程师、公司CTO读物

２、渗透测试完全初学者指南

[美] 乔治亚·魏德曼（Georgia Weidman）著，范昊译

Metasploit渗透测试人员入门的明智之选
美亚全五星好评图书，知名黑客团队Corelan
Team创始人作序推荐

本书讲解了每一位渗透测试人员都应掌握的核心技巧与技术。本书以虚拟器作为Kali Linux和目标操作系统的载体，借助于Wireshark、Nmap和Burp Suite等工具对所讲内容进行了操作验证。通过遵循每一个实验步骤执行相应的攻击，读者可对渗透设施中的关键阶段（信息收集、查找可利用的漏洞、获取系统访问权限、深度渗透测试）有更好的了解和体会。

３、Wireshark网络分析从入门到实践

李华峰，陈虹著

在eNSP和VMware构建的逼真环境中掌握网络分析技巧
用Lua扩展Wireshark特性

本书由网络安全领域资深的高校教师编写完成，集合了丰富的案例，并配合了简洁易懂的讲解方式。全书共分17章，从Wireshark的下载和安装开始讲解，陆续介绍了数据包的过滤机制、捕获文件的打开与保存、虚拟网络环境的构建、常见网络设备、Wireshark的部署方式、网络延迟的原因、网络故障的原因，并介绍了多种常见的攻击方式及应对策略，除此之外，本书还讲解了如何扩展Wireshark的功能以及Wireshark中的辅助工具。

人工智能

１、深度学习 [deep learning]

AI圣经，deeplearning中文版，2018年图灵奖获奖者作品，业内人称“花书”，人工智能机器学习深度学习领域奠基性经典畅销书
[美] Ian，Goodfellow，[加] Yoshua，Bengio，[加] Aaron … 著

本书囊括了数学及相关概念的背景知识，包括线性代数、概率论、信息论、数值优化以及机器学习中的相关内容。同时，它还介绍了工业界中实践者用到的深度学习技术，包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等，并且调研了诸如自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学以及视频游戏方面的应用。最后，本书还提供了一些研究方向，涵盖的理论主题包括线性因子模型、自编码器、表示学习、结构化概率模型、蒙特卡罗方法、配分函数、近似推断以及深度生成模型。

２、动手学深度学习

人工智能机器学习深度学习领域重磅教程图书，美亚科学家作品，交互式实战环境下动手学深度学习的全新模式，原理与实战紧密结合
阿斯顿·张（Aston Zhang），李沐（Mu Li），[美] 扎卡里·C. 立顿等著

本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。
全书的内容分为3个部分：第一部分介绍深度学习的背景，提供预备知识，并包括深度学习基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。

３、人工智能（第2版）

人工智能百科全书易于上手的人工智能自学指南涵盖机器学习深度学习自然语言处理神经网络计算机博弈等各种知识图文详细讲解细致配备丰富的教学资源和学习素材
[美] 史蒂芬·卢奇（Stephen Lucci），丹尼·科佩克（Danny Kopec）著

本书是作者结合多年教学经验、精心撰写的一本人工智能教科书，堪称“人工智能的百科全书”。全书涵盖了人工智能简史、搜索方法、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示、产生式系统、专家系统、机器学习和神经网络、遗传算法、自然语言处理、自动规划、机器人技术、高级计算机博弈、人工智能的历史和未来等主题。

本书提供了丰富的教学配套资源，适合作为高等院校人工智能相关专业的教材，也适合对人工智能相关领域感兴趣的读者阅读和参考。

４、PyTorch深度学习

使用PyTorch开发神经网络的实用指南，深度学习框架PyTorch入门教程，涵盖机器学习、神经网络、计算机视觉应用等知识，提供本书彩图和源代码下载
[印度] 毗湿奴·布拉马尼亚（Vishnu Subramanian）著，王海玲，刘江峰译

本书对当今前沿的深度学习库PyTorch进行了讲解。凭借其易学习性、高效性以及与Python开发的天然亲近性，PyTorch获得了深度学习研究人员以及数据科学家们的关注。本书从PyTorch的安装讲起，然后介绍了为现代深度学习提供驱动力的多个基础模块，还介绍了使用CNN、RNN、LSTM以及其他网络模型解决问题的方法。本书对多个先进的深度学习架构的概念（比如ResNet、DenseNet、Inception和Seq2Seq）进行了阐述，但没有深挖其背后的数学细节。与GPU计算相关的知识、使用PyTorch训练模型的方法，以及用来生成文本和图像的复杂神经网络（如生成网络），也在本书中有所涵盖。

５、深度学习案例精粹

[爱尔兰] 艾哈迈德·曼肖伊（Ahmed Menshawy）著，洪志伟，曹檑，廖钊坡译

python深度学习机器学习教程
机器学习实战，Tensorflow实战教程
Tensorflow自然语言处理，Python从入门到实践

本书主要讲述了深度学习中的重要概念和技术，并展示了如何使用TensorFlow实现高级机器学习算法和神经网络。本书首先介绍了数据科学和机器学习中的基本概念，然后讲述如何使用TensorFlow训练深度学习模型，以及如何通过训练深度前馈神经网络对数字进行分类，如何通过深度学习架构解决计算机视觉、语言处理、语义分析等方面的实际问题，最后讨论了高级的深度学习模型，如生成对抗网络及其应用。

６、Python神经网络编程

[英] 塔里克·拉希德（Tariq Rashid）著

人工智能深度学习机器学习领域又一重磅力作
自己动手用Python编写神经网络
美亚排名前茅荣获众多好评,全彩印刷,图表丰富

本书将带领您进行一场妙趣横生却又有条不紊的旅行——从一个非常简单的想法开始，逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识，并且本书还给出易于理解的微积分简介。本书的目标是让尽可能多的普通读者理解神经网络。读者将学习使用Python开发自己的神经网络，训练它识别手写数字，甚至可以与专业的神经网络相媲美。

7、计算机视觉度量从特征描述到深度学习

[美] 斯科特·克里格（Scott Krig）著，刘波，罗棻译

计算机视觉算法与应用教程
计算机视觉与深度学习入门，计算机视觉面试，神经网络算法与深度学习
计算机视觉、图像处理界先驱ScottKrig大作

８、Keras深度学习实战

[意大利] 安东尼奥·古利（Antonio Gulli），[印度] 苏伊特·帕尔（Sujit Pal）著

人工智能深度学习教程
Keras快速上手,基于Keras的Python实践
Keras深度学习实践应用,提升AI编程能力

本书结合大量实例，简明扼要地介绍了目前热门的神经网络技术和深度学习技术。从经典的多层感知机到用于图像处理的深度卷积网络，从处理序列化数据的循环网络到伪造仿真数据的生成对抗网络，从词嵌入到AI游戏应用中的强化学习，本书带领读者一层一层揭开深度学习的面纱，并在逐渐清晰的理论框架下，提供多个Python编码实例，方便读者动手实践。