一周新书精选:深度学习、强化学习、Web开发最受程序员关注

3月,万物复苏,跟着春天的脚步,看看这一周有哪些程序员新书最受关注?

1、零基础入门学习Web开发(HTML5 & CSS3)】

  • 本书的系列视频教程全网播放量超100万,得到广大学习者一致好评
  • 有趣、有料、实用的案例,真正零基础,自学也轻松
  • 基于新的W3C标准进行内容设计,并配有在线的案例展示,Web开发更容易
  • 精解HTML5和CSS3 中 233个语法知识点和多种网页的设计技巧,开发更高效
  • 配套了86集免费视频,边看边学更便捷;
  • 提供全书的源程序,且在Mac、Linux、Windows系统上均能运行,所见即所得
  • 赠送思维导图,掌握Web开发关键步骤,学习不迷路
  • 和100万网友共同学习,不懂就问,近距离接触行业大佬

本书首先讲解Web开发的基础知识,以及HTML5的语法、标记方法、元素;然后讲解CSS中经典属性的用法,CSS3中的选择器、背景、边框、盒子模型、布局方式、动画、滤镜,以及针对多种浏览器应该怎样在代码中设置各种属性等。

2、DevOps权威指南 IT效能新基建

1.20多位业界大咖和高校学者联袂推荐的包含了大量关于DevOps落地实践内容的图书

2.全局的知识体系和技能矩阵覆盖主流90%的工具,以独特的视角和深刻的见解将 DevOps 的开发、测试、部署与运营等关键流程进行梳理,分析透彻,指导从业者落地实践。

3.大量DevOps工具速查内容安装、排错和常见集成手段。讲解的度量体系、反馈体系提供了 DevOps 团队管理需要的重要信息和方法,可以帮助管理者提升项目和团队的效能。

4.3 个核心DevOps实践案例涵盖阿里、腾讯、苏宁,包含DevOps 一系列价值观、原则、方法、实践和工具,用以帮助提高企业 DevOps 的实施效果和交付业务的速度和质量。

本书主要内容包括DevOps的基本概念,DevOps的工具集,支撑管理,敏捷开发,持续集成和测试,持续部署和持续交付,代码质量和安全,DevOps的度量体系,持续改进和反馈,DevOps最佳实践,以及DevOps的后续发展。

3、Python期货量化交易

本书内容分为两篇。第一篇是Python基础,通过13章内容介绍了Python编程的基础知识,如语法规则、数据类型、函数、类、装饰器、异常处理、进程和线程等;第二篇是期货量化交易,通过8章内容介绍了Python在期货量化交易中的应用,并基于天勤量化交易平台讲解开发实践,涉及pandas模块、TqSdk的接口、函数、量化策略的框架、图形化编程及时间序列相关的知识等。
本书适合对期货量化交易感兴趣的普通投资者和投资机构专业人员阅读,读者可以具备一定的?Python基础,也可以通过本书从头学习Python基础知识,再进一步延伸到期货量化交易的学习。

4、深度学习入门与TensorFlow实践

本书旨在讲述深度学习的各种基本算法和原理,以及如何使用Python实现这些算法。本书首先介绍深度学习的相关基础知识,然后讨论深度神经网络的训练、激活函数与正则化等技术,接着讲述卷积神经网络及其搭建方法,最后阐述循环神经网络及其搭建方法。通过本书,读者可以深入理解如何基于TensorFlow 2搭建、训练和应用深度学习模型。
本书主要内容:
·线性模型、激活函数;
·深度神经网络、卷积神经网络、循环神经网络;
·模型评估和正则化;
·搭建深度学习框架;
·基于TensorFlow 2搭建卷积神经网络模型;
·基于TensorFlow 2搭建循环神经网络模型。

5、开源之迷

在本书中,你可以跟随作者在活跃而神秘的开源世界中进行一次奇妙的旅行。本书从生活中的常见软件讲起,介绍了什么是开源、标志性开源项目的标志、开源人的日常活动、组织机构等;紧接着介绍开源世界中包括科学家、程序员、律师、商人、用户等在内的不同角色,以及开源运动如何在这些人的推动下取得胜利;最后探讨了开源的迷人特性,介绍了这件表面上看起来吃力不讨好的事情所取得的成就,并对开源在本土的发展进行了思考。全书包含大量生动有趣的故事和数据分析,让非技术领域的读者也能用高屋建瓴的视角感受和拥抱开源文化。
本书适合在开源领域工作的技术人员、社区工作者、研究人员等参考,也适合想了解开源的一般大众阅读。

6、Easy RL 强化学习教程(蘑菇书正式版)

(1)萃取强化学习经典公开课精华的课程伴侣!
对李宏毅“深度强化学习”、周博磊“强化学习纲要”和李科浇“世界冠军带你从零实践强化学习”3门累积播放过百万的经典公开课进行内容精选和公式推导,对较难理解的知识点进行重点讲解和补充强化,方便读者边看视频边查阅学习。
(2)GitHub下载量过万的开源教程,迭代升级的入门指南!
本“蘑菇书”系中科院王琦、清华杨毅远、北大江季3位Datawhale成员继“南瓜书”《机器学习公式详解》后第2本自学笔记,开源教程发布于GitHub不到10个月,已有1.1万下载量及3.3k Star数。本“蘑菇书”吸收读者对于开源教程上百次的反馈,利用简单生动的例子解释强化学习概念,对重难点公式详细推导、分析,设置原创关键词、习题和面试题,配有Python实现代码,方便读者轻松入门。

本书结合了李宏毅老师的“深度强化学习”、周博磊老师的“强化学习纲要”、李科浇老师的“世界冠军带你从零实践强化学习”公开课的精华内容,在理论严谨的基础上深入浅出地介绍马尔可夫决策过程、蒙特卡洛方法、时序差分方法、Sarsa、Q 学习等传统强化学习算法,以及策略梯度、近端策略优化、深度Q 网络、深度确定性策略梯度等常见深度强化学习算法的基本概念和方法,并以大量生动有趣的例子帮助读者理解强化学习问题的建模过程以及核心算法的细节。
此外,本书还提供较为全面的习题解答以及Python 代码实现,可以让读者进行端到端、从理论到轻松实践的全生态学习,充分掌握强化学习算法的原理并能进行实战。

7、PyTorch深度学习实战

1.PyTorch核心开发者教你使用 PyTorch 创建神经网络和深度学习系统的实用指南。
2.详细讲解整个深度学习管道的关键实践,包括 PyTorch张量API、用 Python 加载数据、监控训练以及对结果进行可视化。
3. PyTorch核心知识+真实、完整的案例项目,快速提升读者动手能力:
a.全面掌握PyTorch 相关的API 的使用方法以及系统掌握深度学习的理论和方法;
b.快速从零开始构建一个真实示例:肿瘤图像分类器;
c.轻松学会使用PyTorch 实现各种神经网络模型来解决具体的深度学习问题;
d.章尾附有“练习题”,巩固提升所学知识;更有配套的代码文件可下载并动手实现。
4. PyTorch 联合创作者Soumith Chintala作序推荐!
5. 书中所有代码都是基于Python 3.6及以上的版本编写的,提供源代码下载。

本书是教你使用 PyTorch 创建神经网络和深度学习系统的实用指南。它帮助读者快速从零开始构建一个真实示例:肿瘤图像分类器。在此过程中,它涵盖了整个深度学习管道的关键实践,包括 PyTorch张量 API、用 Python 加载数据、监控训练以及将结果进行可视化展示。
本书主要内容:
(1)训练深层神经网络;
(2)实现模块和损失函数;
(3)使用 PyTorch Hub 预先训练的模型;
(4)探索在 Jupyter Notebooks 中编写示例代码。

8、Python机器学习经典实例 第2版

本书采用全新的方法来处理实际的机器学习和深度学习任务。
本书能够帮助你学会如何使用 Python 生态系统中最新的库来构建强大的机器学习应用,指导你使用标准化的方法实现多种机器学习算法,如分类、聚类和推荐引擎等。本书还介绍了如何应用有监督学习和无监督学习技术来解决实际问题。最后,本书结合实例讲解了更先进的技术,包括强化学习、深度神经网络和自动化机器学习等。
读完本书,你将掌握应用机器学习技术所需的各项技能,并能利用整个 Python 生态系统去解决现实问题。
本书主要包括以下内容:
■使用预测建模解决实际问题
■探索数据可视化技术,以实现数据交互
■学习构建推荐引擎
■理解如何处理文本数据,并构建分析模型
■处理语音数据,使用隐马尔可夫模型识别语音中的单词
■掌握强化学习、自动化机器学习和迁移学习技术
■处理图像数据,构建图像识别和面部识别系统
■使用深度神经网络构建光学字符识别系统

9、VMware vSphere 7.0虚拟化架构实战指南

1.国内实力作者原创,作者编写的《Linux KVM虚拟化架构实战指南》一书在开放运维联盟主办的“2015年运维图书评选”中,荣获“十佳运维图书”。
2.本书完全以真实设备搭建实战环境,以实战为主,理论为辅,具有很强的可操作性,可迅速提高读者的动手能力和技术水平。
3.针对企业环境中部署的实际需求,深入介绍了VMware vSphere 7.0的安装、配置、管理和维护全过程,并以案例形式对企业虚拟化提供设备选型等建设性意见。
4.提供在线交流服务,读者可加前言部分的QQ群,与作者互动交流。
作为一套成熟的虚拟化解决方案,VMware vSphere 7.0 新增了软件定义网络NSX-T 以及对流行的Kubernetes 容器的支持,通过整合数据中心服务器、灵活配置资源等方式降低了运营成本,同时还可在不增加成本的情况下为用户提供高可用性、灾难恢复等特性。
本书共计 8 章,采用循序渐进的方式带领读者学习VMware vSphere 7.0 虚拟化架构,包括软件定义网络NSX-T 3.0和软件定义存储vSAN 7.0等如何在企业中部署。同时,本书在每章最后增加了思考题,以帮助读者巩固和复习所学到的知识。

  • 2
    点赞
  • 2
    收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值