小編已經好久沒有給大家推薦新書榜單了,今天仔細看了一下,機器學習、深度學習書占了新書的大部分。成為上周上榜新書焦點,所以小編覺著有必要給大家分享一下。請仔細閱讀。排序根據榜單前後排列。
1、MySQL是怎樣運行的 從根兒上理解MySQL
- 深入剖析MySQL必知必會高性能資料庫運行數據分析與數據處理的書籍
- 採用200多幅圖輔助講解重點內容,提供彩圖下載、公眾號答疑服務,雙色印刷。
為什麼這個SQL語句執行得這麼慢?為什麼我明明建立了索引,但是查詢計劃顯示沒用?為什麼IN查詢中的參數一多就不使用索引了?為什麼我的數據顯示成了亂碼?……每一位DBA和後端開發人員在與MySQL打交道時,或多或少都會遇到這些問題。之外,索引結構、MVCC、隔離級別的實現、鎖的使用等知識,也是求職人員在MySQL面試中躲不過去的高頻問題。
本書採用詼諧幽默、通俗易懂的寫作風格,針對上面這些問題給出了相應的解答方案。儘管本書的表達方式與司空見慣的學術派、理論派IT圖書有顯著區別,但本書的確是相當正經的專業技術圖書,內容涵蓋了使用MySQL的同學在求職面試和工作中常見的一些核心概念。無論是身居MySQL專家身份的技術人員,還是技術有待進一步提升的DBA,甚至是剛投身於資料庫行業的「萌新」人員,本書都是他們徹底了解MySQL運行原理的優秀圖書。
2、自然語言處理實戰 利用Python理解、分析和生成文本
- Python自然語言處理NLP入門到實戰
- 兼具基礎理論與編程實戰,現代自然語言處理領域從業者的實用指南
- 提供原始碼,小米AI實驗室NLP團隊獻譯
正因為深度學習和NLP密不可分,近年來有關「深度學習+NLP」的課程和書籍也在不斷湧現。本書就是其中的一本。和其他實戰類書籍一樣,本書既有基礎理論也有編程實戰,基礎理論部分簡潔易懂,編程實戰部分可以直接下載源碼運行,這種搭配特別適合初學者入門,可以作為現代NLP從業者的第一本入門書。
在本書中,讀者不僅會學習這些系統的內部工作原理,還會學習相關的理論和實踐技能,並創建自己的算法或模型。基本計算機科學概念無縫地轉換為方法和實踐的堅實基礎。從一些久經考驗的經典方法(如TF-IDF)開始,再深入到NLP相關的深層神經網絡,作者帶領讀者對於自然語言處理的核心方法開啟了一段清晰的體驗之旅。
3、PyTorch生成對抗網絡編程
- 動手學深度學神經網絡與深度學習,圖像識別搭建GAN卷積圖像生成
- 配套示例代碼,圖文並茂,用PyTorch構建自己的生成對抗網絡。
生成對抗網絡(Generative Adversarial Network,GAN)是神經網絡領域的新星,被譽為「機器學習領域近20 年來最酷的想法」。
本書以直白、簡短的方式向讀者介紹了生成對抗網絡,並且教讀者如何使用PyTorch按部就班地編寫生成對抗網絡。全書共3章和5個附錄,分別介紹了PyTorch基礎知識,用PyTorch開發神經網絡,改良神經網絡以提升效果,引入CUDA和GPU以加速GAN訓練,以及生成高質量圖像的卷積GAN、條件式GAN等話題。附錄部分介紹了在很多機器學習相關教程中被忽略的主題,包括計算平衡GAN的理想損失值、機率分布和採樣,以及卷積如何工作,還簡單解釋了為什麼梯度下降不適用於對抗式機器學習。
4、機器學習測試入門與實踐
- 業界首部AI測試著作,32位BAT專家聯袂推薦
- 精選15個AI測試要點,涵蓋5大技術主題
- 從零開始快速入門機器學習測試。融360AI測試團隊著
本書全面且系統地介紹了機器學習測試技術與質量體系建設,分為5部分,共15章。第一部分(第1~4章)涵蓋了機器學習、Python編程、數據分析的基礎知識;第二部分(第5~7章)介紹了大數據基礎、大數據測試指南及相關工具實踐;第三部分(第8~10章)講解了機器學習測試基礎、特徵專項測試及模型算法評估測試;第四部分(第11~13章)介紹了模型評估平台實踐、機器學習工程技術及機器學習的持續交付流程;第五部分(第14章和第15章)探討了AI(Artificial Intelligence)在測試領域的實踐及AI時代測試工程師的未來。 本書能夠幫助讀者了解機器學習是如何工作的,了解機器學習的質量保障是如何進行的。工程開發人員和測試工程師通過閱讀本書,可以系統化地了解大數據測試、特徵測試及模型評估等知識;算法工程師通過閱讀本書,可以學習模型評測的方法和拓寬模型工程實踐的思路;技術專家和技術管理者通過閱讀本書,可以了解機器學習質量保障與工程效能的建設方案。
5、分析模式:可復用的對象模型
- 世界級軟體開發大師Martin Fowler的經典作品重現江湖!
- 作者分享了豐富的對象建模經驗,以及識別重複問題並將其轉化為可復用的模型的敏銳洞察力
- 一本講解不同領域(包括交易、測量、會計和組織關係等)模式的實用手冊
典型的方法論書籍只關注工具和技術,面向對象社區期望有一本書能夠突破這一局限,而這本開創性的著作正好滿足了這一需求。在本書中,作者關注的是面向對象分析和設計的最終結果,也就是模型本身。作者在本書中分享了豐富的對象建模經驗,以及識別重複問題並將其轉化為可復用的模型的敏銳洞察力,並給出了一系列來自不同領域(包括交易、測量、會計和組織關係等)的模式。
6、Python遷移學習
- 使用TensorFlow和Keras實現高級深度學習和神經網絡模型
- 關於深度學習和遷移學習的完整指南(從零開始學習)
本書分為3個部分:第1部分是深度學習基礎,介紹了機器學習的基礎知識、深度學習的基礎知識和深度學習的架構;第2部分是遷移學習精要,介紹了遷移學習的基礎知識和遷移學習的威力;第3部分是遷移學習案例研究,介紹了圖像識別和分類、文本文檔分類、音頻事件識別和分類、DeepDream算法、風格遷移、自動圖像掃描生成器、圖像著色等內容。
本書適合數據科學家、機器學習工程師和數據分析師閱讀,也適合對機器學習和遷移學習感興趣的讀者閱讀。在閱讀本書之前,希望讀者對機器學習和Python編程有基本的掌握。
7、Python圖像處理實戰
- 圖像處理,計算機視覺人臉識別圖像修復
- 編程入門教程書籍零基礎,深度學習爬蟲,用流行的Python圖像處理庫、機器學習庫和深度學習庫解決圖像處理問題
本書介紹如何使用流行的Python圖像處理庫(如PIL、scikit-image、python-opencv、SciPy ndimage和SimpleITK)、機器學習庫(scikit-learn)和深度學習庫(TensorFlow、Keras)解決圖像處理問題。通過學習本書,讀者能夠通過編寫程序代碼來實現複雜的圖像處理(如圖像增強、濾波、復原、分割、分類和目標檢測),還能夠掌握用機器學習和深度學習模型來解決複雜的圖像處理問題的方法。
本書從基礎開始,通過書中所提供的Python可重現實現來引導讀者逐步進階。本書從經典的圖像處理技術開始,探索圖像處理算法的進化歷程,直至圖像處理或計算機視覺與深度學習方面的最新進展。
8、HTTP抓包之接口自動化測試
- 《HTTP抓包實戰》作者新作,接口自動化測試一本通
- 掌握Fiddler抓包和JMeter發包,Cookie機制,劫持攻擊測試Web調試,前端開發工程師參考書
本書分為30章,每章的內容並不多,但卻配有生動有趣的實例和大量的圖片,方便讀者參考並動手實踐。讀者可以很快學完一章,每學一章都會有成就感。
第1~11章:補充了一點HTTP協議的知識,以及如何使用Fiddler來抓HTTP包,如何分析HTTP包。
第12~22章:介紹了如何通過JMeter、Postman和Python+requests來發送HTTP包以實現軟體自動化測試和接口的自動化測試。
第23~26章:通過列舉很多有意思的案例,介紹了如何使用抓包工具來實現安全測試和性能測試。
第27~30章:運用本書所講述的內容,實現了幾個日常生活中應用比較廣泛的綜合實例。
9、人工智慧算法 卷2 受大自然啟發的算法
- AI算法入門教程,算法導論,實例講解人工智慧基礎算法!
- 豐富的示例代碼和在線資源,提供在線實驗環境
- 原始碼下載,方便動手實踐與拓展學習,全彩印刷
算法是人工智慧技術的核心,大自然是人工智慧算法的重要靈感來源。本書介紹了受到基因、鳥類、螞蟻、細胞和樹影響的算法,這些算法為多種類型的人工智慧場景提供了實際解決方法。全書共10章,涉及種群、交叉和突變、遺傳算法、物種形成、粒子群優化、蟻群優化、細胞自動機、人工生命和建模等問題。書中所有算法均配以具體的數值計算來進行講解,每章都配有程序示例,讀者可以自行嘗試。