中国计算机行业盛会 CNCC 2024 即将拉开帷幕。我们诚挚邀请您在10月24日至26日，莅临中国横店，与我们一同见证这场科技与学术的盛宴。
📍地点：中国·浙江·横店
📅 时间：10月24日-10月26日
在这个汇聚计算机学科顶尖学者和研究人员的盛会中，我们Springer图书编辑团队也将亲临现场，与您进行面对面的交流。我们不仅期待与您分享最新的出版资讯，更盼望与您探讨合作的无限可能。
🔍 展位：C11
如果您对图书或者会议论文集出版感兴趣，或者在学术出版方面有任何疑问，我们诚邀您莅临我们的展位。我们的编辑团队将为您提供专业而细致的咨询服务，助您深入了解出版流程，解答您的所有疑惑。为了确保您能够获得更加高效和个性化的服务，您也可以通过电子邮件与我们取得联系，提前预约咨询时间。这样，我们就能为您安排专属的咨询时段，确保您的每一次到访都能获得最大的价值和收获。
📧 联系方式：请见下方编辑面对面
热切期盼在CNCC 2024会议中与您相遇，洽谈出版意向。我们不见不散！
大会介绍 /Introduction
CNCC是一个宏观论述技术趋势的大会，具有规格高、规模大、内容丰富等特点，会议形式包括大会特邀报告、大会论坛、技术论坛、特色活动及展览。大会为期三天，汇聚图灵奖获得者、两院院士、国内外顶尖学者、知名企业家等亲临大会，展望前沿趋势，分享创新成果。ACM、IEEE CS、IPSJ、KIISE等国际计算机组织的代表也多次获邀现场参加这一盛会。
回顾过去二十年的历程，CNCC历经了从首届仅有14个领域的学术论文交流，逐渐发展成涵盖数十个方向的130场技术论坛；从最初的400余人参加，成长为如今700余位国内外讲者踊跃参与，超13000人注册参加的年度盛会。二十载不忘初心，CNCC旨在为所有参会者呈现一场精彩宏大的专业盛宴，也期待所有人在这场盛宴中能够受益良多，提升自身的专业价值，获得前行的动能。
CNCC2024将于10月24-26日在浙江省东阳市横店举办，大会主题为“发展新质生产力，计算引领未来”。
会议网址：https://ccf.org.cn/cncc2024
编辑面对面/Editors
常兰兰
编辑总监
Email:celine.chang@springer.com
负责Springer Nature人工智能及相关领域的全球图书出版业务，同时管理亚洲区计算机科学会议论文集和图书出版业务。常主编拥有南洋理工大学信息工程系博士学位，并在科研领域积累了8年的经验。自2011年加入Springer以来，带领团队已成功出版超1000册图书。出版的图书类型包括专著，编著，教材以及会议论文集等。积极与作者、机构、学会建立合作，致力于推动学术内容的创作和广泛传播。
朱伟
高级编辑
Email:nick.zhu@springernature.com
负责包括数据科学、数据分析和机器人领域的全球图书出版项目，以及大中华地区计算机体系、软工、网络、信息科学、机器人领域的图书出版业务。朱伟编辑拥有La Trobe大学计算机科学与工程博士学位，积累了近10年的计算机学术研究、大学教学和在线教育经验。2018年加入Springer Nature以来已经为国内外学者出版了超过100本出版物，包括专著、教材、专业图书等多种图书类型。他希望寻找具有潜力的优秀学者，与学术界分享他们的优质内容，帮助他们提升在该领域的全球影响力。
陈婧滢
编辑
Email:jingying.chen@springernature.com
Springer Nature 计算机科学领域图书出版编辑。负责包括计算智能、图像视频处理、虚拟现实、生物信息学、人机交互、AI应用和AI交叉学科领域的图书出版业务，在学术图书出版领域近7年的工作中，有着丰富的与本地科研机构、科研人员、学会等科研群体合作进行选题、策划并出版图书的经验。
顾海成
编辑
Email:herman.gu@springernature.com
毕业于得克萨斯大学大河谷分校应用数学专业，2022年加入Springer Nature，负责亚洲区计算机会议论文集市场开拓与发展，管理密码学，信息安全，大数据，数据库，图像处理，图形学和计算机应用等领域的论文集出版项目。顾海成拥有近10年的科研、教学和出版经验，负责的出版项目曾获中国出版政府奖提名奖。
重点图书/Key titles
Deep Learning
Foundations and Concepts
扫码查看图书详情
作者：Christopher M. Bishop, 微软；
Hugh Bishop, Wayve
本书对支撑深度学习的核心思想进行了全面深入的阐述，适合机器学习新手和已有经验的专业人士阅读。书中涵盖了与架构和技术相关的关键概念，为读者未来的专业发展提供了坚实的理论基础。作者通过文本描述、图表、数学公式和代码等多个角度对复杂概念进行解释，以帮助读者更好地理解和应用。
有关本书更多信息，请见：新书推荐 | PRML作者新书《Deep Learning》
Machine Learning Methods
扫码查看图书详情
作者：李航，字节跳动
本书对机器学习的主要方法进行了全面而系统的介绍。书中每章介绍一到两种机器学习方法，提供了对这些方法的模型、策略和算法的详尽描述。通过具体的实例，它逐步引导读者深入了解这些方法的基本思路。同时，从理论角度出发，它给出了严格的数学推导，展示了方法的严谨和详实性，使读者能更好地掌握基本原理和概念。
有关本书更多信息，请见：新书推荐 | Machine Learning Methods
Representative Learning for
Natural Language Processing
Second Edition
扫码查看图书详情
编者：刘知远，清华大学；
林衍凯，中国人民大学；
孙茂松，清华大学
本书是开放获取图书。这本书概述了表示学习理论、算法和自然语言处理（NLP）应用的最新进展，从词嵌入到预训练语言模型。所介绍的表示学习理论和算法也可以惠及其他相关领域，如机器学习、社交网络分析、语义网、信息检索、数据挖掘和计算生物学。
Foundation Models for
Natural Language Processing
扫码查看图书详情
作者：Gerhard Paaß , 弗劳恩霍夫智能分析与信息系统研究所；
Sven Giesselbach，弗劳恩霍夫智能分析与信息系统研究所
本书是开放获取图书。本书全面概述了基础模型研究和应用的最新进展，适合熟悉基本自然语言处理（NLP）概念的读者。
在简要介绍基本NLP模型后，书中描述了主要的预训练语言模型BERT、GPT和序列到序列转换器，以及自注意力和上下文敏感嵌入的概念。然后，讨论了改进这些模型的不同方法，介绍了大约二十个应用领域中表现最好的模型。对于每个应用领域，讨论了当前模型的优缺点，并展望了进一步的发展。此外，还提供了可自由获取的程序代码链接。最后一章总结了人工智能的经济机会、风险缓解和潜在发展。
Reinforcement Learning for
Sequential Decision and Optimal Control
扫码查看图书详情
作者：李升波，清华大学
这本书按照原理剖析、主流算法、典型示例的架构，系统地介绍了用于动态系统决策与控制的强化学习方法。全书共分为11章，内容涵盖了强化学习的基本概念、蒙特卡洛法、时序差分法、动态规划法、函数近似法、策略梯度法、近似动态规划、状态约束的处理和深度强化学习等知识点。本书主要面向工程应用领域的科研工作者和技术人员，旨在为领域内的行业同仁提供一本体系较为全面，且适合入门者学习和提升的参考书籍。
有关本书更多介绍，请见：新书推荐 | RL for Sequential Decision and Optimal Control
更多图书，请参考
For more information
在11月23日前在线购买书单图书
https://www.springernature.com/events/cncc享受八折优惠！
欢迎通过Springer出版您的学术著作，联系编辑团队了解更多出版信息！
