lyiang001的博客

没有水印，文字排版，非扫描，非草稿。自然语言处理领域神级教材，某些章节第三版没有，必须得看第二版

cs224n 2018版作业包括解析，附带作业lecture和解答。

官方最新版本 安装时请使用默认设置，安装完成后可以打开一个命令行窗口，输入 curl，如果提示 curl: try 'curl --help' or 'curl --manual' for more information 就表示安装成功了。

《统计自然语言处理(第2版)》全面介绍了统计自然语言处理的基本概念、理论方法和最新研究进展，内容包括形式语言与自动机及其在自然语言处理中的应用、语言模型、隐马尔可夫模型、语料库技术、汉语自动分词与词性标注、句法分析、词义消歧、篇章分析、统计机器翻译、语音翻译、文本分类、信息检索与问答系统、自动文摘和信息抽取、口语信息处理与人机对话系统等，既有对基础知识和理论模型的介绍，也有对相关问题的研究背景、实现方法和技术现状的详细阐述。

采用Zbar第三方库，实现二维码定位，并识别内容,解决了Zbar中文乱码问题. 利用梯度信息进行条形码的定位，QR-code利用矩阵点信息定位

COLING 2018 Tutorial 4：Deep Bayesian Learning and Understanding

本书从正则表达式的基本概念、基本语法入手，着重于数字验证、字符串验证、数字和字符串混合验证及HTML处理等各个方面的应用。并基于目前流行的程序语言和应用环境（如C#、ASP.NET、JSP、JavaScript或PHP），全面介绍了创建正则表达式的方法，以及正则表达式在Web环境中的各种应用。

作者: Edwin K. P. Chong / Stanislaw H. Zak 出版社: 电子工业出版社 原作名: An Introduction to Optimization,Foulth Edition 译者: 孙志强 / 白圣建 / 郑永斌 / 刘伟 出版年: 2015-10 页数: 415 定价: 89.00 装帧: 平装 丛书: 经典译丛·人工智能与智能系统

NLTK 库是当前自然语言处理（NLP）领域zui为流行、使用zui为广泛的库之一, 同时Python语言经过一段时间的发展也已逐渐成为主流的编程语言之一。 本书主要介绍如何通过NLTK库与一些Python库的结合从而实现复杂的NLP任务和机器学习应用。全书共分为10章。第 1章对NLP进行了简单介绍。第 2章、第3章和第4章主要介绍一些通用的预处理技术、专属于NLP领域的预处理技术以及命名实体识别技术等。第5章之后的内容侧重于介绍如何构建一些NLP应用，涉及文本分类、数据科学和数据处理、社交媒体挖掘和大规模文本挖掘等方面。 本书适合 NLP 和机器学习领域的爱好者、对文本处理感兴趣的读者、想要快速学习NLTK的zishenPython程序员以及机器学习领域的研究人员阅读。 NLTK 库是当前自然语言处理（NLP）领域zui为流行、使用zui为广泛的库之一, 同时Python语言经过一段时间的发展也已逐渐成为主流的编程语言之一。 本书主要介绍如何通过NLTK库与一些Python库的结合从而实现复杂的NLP任务和机器学习应用。全书共分为10章。第1章对NLP进行了简单介绍。第2章、第3章和第4章主要介绍一些通用的预处理技术、专属于NLP领域的预处理技术以及命名实体识别技术等。第5章之后的内容侧重于介绍如何构建一些NLP应用，涉及文本分类、数据科学和数据处理、社交媒体挖掘和大规模文本挖掘等方面。 本书适合 NLP 和机器学习领域的爱好者、对文本处理感兴趣的读者、想要快速学习NLTK的zishenPython程序员以及机器学习领域的研究人员阅读。

本书讲解了如下内容：　　学习专业的Python风格、实践以及好的编程习惯；　　使用TCP、UDP、XML-RPC来开发客户端和服务器，并供高级的库（比如SocketServer和Twisted）使用使用Tkinter和其他可用的工具来开发GUI应用；　　通过使用C/C++编写扩展，或者使用多线程来编写I/O密集型代码，提升应用的性能；　　探究QSL和关系数据库、ORM，甚至是MongoDB这样的非关系型（NonSQL）数据库；　　学习Web编程的基础知识，包括Web客户端和服务器，以及CGI和WSGI；　　使用正则表达式和强大的文本处理工具，来创建和解析CSV、JSON和XML数据；　　使用COM客户端编程与常见的Microsoft Office软件（比如Excel、PowerPoint、Outlook）进行交互；　　使用Django框架深入了解Web开发，以及使用Google App Engine深入了解云计算；　　使用Jyhon探索Java编程，以及在JVM上运行Python代码的方式；　　连接Web服务，比如连接Yahoo！Fiance获取股票行情，或者连接Yahoo！Mail、Gmail以及其他邮件服务器来下载或发送邮件；　　通过学习如何连接Twitter和Google+网络来拥抱社交媒体的热潮。 内容简介 　　《Python核心编程（第3版）》是经典畅销图书《Python核心编程（第二版）》的全新升级版本，总共分为3部分。第1部分为讲解了Python的一些通用应用，包括正则表达式、网络编程、Internet客户端编程、多线程编程、GUI编程、数据库编程、Microsoft Office编程、扩展Python等内容。第2部分讲解了与Web开发相关的主题，包括Web客户端和服务器、CGI和WSGI相关的Web编程、Django Web框架、云计算、高级Web服务。第3部分则为一个补充/实验章节，包括文本处理以及一些其他内容。　　《Python核心编程（第3版）》适合具有一定经验的Python开发人员阅读。 京东购买链接：https://item.jd.com/11936238.html

PYTHON自然语言处理中文翻译 NLTK

本书是一本注重实践的教程，作者为我们揭示了 47 个鲜为人知的 CSS 技巧，主要内容包括背景与边框、形状、 视觉效果、字体排印、用户体验、结构与布局、过渡与动画等。本书将带领读者循序渐进地探寻更优雅的解决方案，攻克每天都会遇到的各种网页样式难题。 本书的读者对象为前端工程师、网页开发人员。

《机器学习实战》主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 　　《 机器学习实战》通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。

机器学习是近年来渐趋热门的一个领域，同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和Python 语言两个热门的领域，通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到极致。 全书共有10 章。第1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。 本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。