【粉丝福利放送】Python最新书籍免费领取！

最新推荐文章于 2024-06-18 09:30:56 发布

深度学习技术前沿

最新推荐文章于 2024-06-18 09:30:56 发布

阅读量385

点赞数

关注上方“深度学习技术前沿”，选择“星标公众号”，

资源干货，第一时间送达！

Python学习篇

本次推文，为大家分享一波Python学习书籍，干货资源包中有针对不同学习阶段的书籍。倍受欢迎的《快速学Python》第三版、Magnus Lie Hetland的《Python算法第二版》、干货Top榜《Python概率图模型》、还有热门的《Python计算机视觉》、《Python单行代码》。希望能对大家有帮助！（领取方式请见文末）

The Quick Python Book—THIRD EDITION

作者：

Naomi Ceder

简介：

快速学Python是为那些已有一种或多种编程语言经验，并希望尽可能快速学习Python 3的基础知识的人准备的。通过阅读这本书，您将能自主而有效地进行操作：当您作为Python开发人员在成长的道路上不可避免地遇到障碍时，您将知道要做什么、要看哪里、要问什么。本书对流控制、OOP、文件访问、异常处理等基本概念进行了解释。

第1章：讨论了Python的优缺点，并说明了为什么Python 3是许多情况下编程语言的良好选择。

第2章：介绍了Python解释器及其集成开发环境IDLE的下载、安装和启动。

第3章：Python的简述。它提供了该语言的哲学、语法、语义和功能的基本概念。

第4章：从Python基础知识开始。它引入了Python变量、表达式、字符串和数字。它还介绍了Python的块结构语法。

第5、6、7章：描述了五种强大的内置Python数据类型:列表、元组、集、字符串和字典。

第8章：介绍了Python的控制流语法和use(循环和if-else语句)。

第9章：描述了Python中的函数定义及其灵活的参数传递功能。

第10章：描述了Python模块，它提供了一种简单的机制来分割程序名称空间。

第11章：介绍了如何创建独立的Python程序或脚本，并在Windows、macOS和Linux平台上运行它们。本章还讨论了对命令行选项、参数和I/O重定向的支持。

第12章：描述了如何处理和导航文件系统的文件和目录。它展示了如何编写与实际操作系统尽可能独立的代码。

第13章：介绍了Python中读写文件的机制，包括读写字符串(或字节流)的基本能力、读取二进制记录的机制以及读写任意Python对象的能力。关于这本书。

第14章：讨论了异常的使用，Python使用的错误处理机制。它并不假设您以前有任何关于异常的知识，尽管如果您以前在c++或Java中使用过它们，您会发现它们很熟悉。

第15章：介绍Python对编写面向对象程序的支持。

第16章：讨论Python可用的正则表达式功能。

第17章：介绍了更高级的OOP技术，包括使用Python的特殊方法—属性机制、元类和抽象基类。

第18章：介绍了Python中用于构造大型项目代码的包概念。

第19章：是对标准图书馆的简要介绍。它还讨论了在哪里可以找到其他模块以及如何安装它们。

第20章：更深入地讨论了Python中的文件操作。

第21章：介绍了读取、清理和编写各种类型的数据文件的策略。

第22章：概述了通过网络获取数据的过程、问题和工具。

第23章：讨论了Python如何访问关系数据库和NoSQL数据库。

第24章：简要介绍了如何使用Python、Jupyter笔记本和panda来探索数据集。

Mastering Probabilistic Graphical Models Using Python

作者：

Ankur Ankan，Abinash Panda

简介:

这本书集中于概率图形模型的理论和实际应用，通常称为PGM。这是机器学习中的一种技术，我们使用不同变量上的概率分布来学习模型。在这本书中，我们讨论了可以构建的不同类型的网络，以及对这些模型进行推断或预测的各种算法。我们尽可能地添加了一些示例，使概念更容易理解。同时还提供了一些代码示例，让读者更有效地理解这些概念并处理实际问题。

第1章：贝叶斯网络基础，讨论了贝叶斯网络(一种图形模型)的表示，以及这种网络的独立性条件。

第2章：马尔可夫网络基础，讨论了另一种图形模型，称为马尔可夫网络，它的表示和其所隐含的独立性条件。

第3章：推理，向模型提出问题，讨论图形模型中用于预测更新数据点的各种精确推理技术。

第4章：近似推理，讨论了在图形模型中进行近似推理的各种方法。由于在许多实际问题中进行精确推理的成本十分高昂，近似方法为我们提供了一种更快的方法来进行此类问题的推理。

第5章：贝叶斯网络中的模型学习-参数估计，讨论了利用我们观察到的数据点学习贝叶斯网络的各种方法。本章还讨论了利用观测数据学习网络结构的各种方法。

第6章：模型学习-马尔可夫网络的参数估计，讨论了在马尔可夫网络情况下学习参数和网络结构的各种方法。

第7章：专有模型，讨论了贝叶斯模型和马尔可夫模型中一些在现实问题中应用非常广泛的特殊情况，如朴素贝叶斯模型、隐马尔可夫模型等。

Python Algorithms

作者：

Magnus Lie Hetland

简介：

这是一本专为Python程序员解决算法问题的书。就像关于面向对象模式的书籍一样，它处理的问题是常见的，解决方案也是常见的。然而，对于算法专家来说，这项工作不仅仅是简单地实现或执行一个现有的算法。人们期望你提出新的算法——为迄今未见的一般性问题提供新的通用解决方案。在本书中，您将学习构造这样的解决方案的原则。

第1章：简述，给出了这本书的概述。

第2章：基础知识，这包括基本概念和术语，以及一些基本的数学。除此之外，您还可以学习如何比以前更随意地使用公式，并使用近似方法得到正确的结果。

第3章：数数101，我将介绍一些有趣的数学知识，有一些基本的组合来分析算法的运行时间，以及递归和递归关系的介绍。

第四章：归纳法、递归法和归约法，标题中的三个术语是至关重要的，它们是密切相关的。这里我们使用归纳法和递归，它们实际上是彼此的镜像，用于设计新的算法和证明正确性。我们还将简要介绍一下约简的概念，它作为贯穿几乎所有算法工作的共同主线。

第5章：遍历，算法的关键点。遍历可以用归纳法和递归的思想来理解，但在很多方面它是一种更具体、更具体的技术。本书中的一些算法都是简单的增广遍历，因此掌握这个概念将为您提供一个真正的起点。

第6章：分解，当问题可以被分解成独立的子问题时，你就可以递归地解决这些子问题，通常会得到有效的、正确的算法。

第7章：贪婪是好事？证明它！贪婪算法通常很容易构造。甚至有可能形成一个通用方案，它们不仅易于构造，而且通常非常高效。问题是，很难证明他们是正确的。本章讨论了一些众所周知的例子和一些构造正确性证明的一般方法。

第8章：复杂的依赖关系和记忆。这一章是关于动态规划的。这是一种先进的技术，很难掌握，但也产生了一些影响深远的见解和优雅的解决方案。

第9章：从A到B，在网络或图中寻找最短路径。这个问题有很多变体，有相应的(漂亮的)算法。

第10章：配对、切割和流动，比如，你如何将学生与大学匹配起来，从而最大限度地提高学生的总体满意度？在网络社区中，您如何知道应该信任谁?你如何找到一个公路网的总容量？这些问题都可以用一小类紧密相关的算法来解决，它们都是最大流量问题的变体，本章将对此进行讨论。

第11章:难题，正如引言开头所提到的，有一些问题我们不知道如何有效地解决，我们有理由认为这些问题在很长一段时间内都不会得到解决，也许永远不会。在本章中，您将学习如何以一种新的方式应用可靠的缩减工具。重点不是解决问题，而是证明它们是困难的。

Python计算机视觉编程

作者：

Jan Erik Solem

简介：

图像和视频无处不在，在线照片分享网站和社交网络上的图像有数十亿之多。几乎对于任意可能的查询图像，搜索引擎都会给用户返回检索的图像。实际上，几乎所有手机和计算机都有内置的摄像头，所以在人们的设备中，有几G的图像和视频是一件很寻常的事。计算机视觉就是用计算机编程，并设计算法来理解在这些图像中有什么。计算机视觉的有力应用是图像搜索、机器人导航、医学图像分析、照片管理等。

本书旨在为计算机视觉实战提供一个简单的切入点，让学生、研究者和爱好者充分理解其基础理论和算法。本书中的编程语言是 Python，Python 自带了很多可以免费获取的强大而便捷的图像处理、数学计算和数据挖掘模块，可以免费获取。

第1章：“基本的图像操作和处理”，介绍用来处理图像的基本工具及本书用到的核心 Python 模块，同时涵盖了很多贯穿全书的基础示例。

第2章：“局部图像描述子”讲解检测图像兴趣点的方法，以及怎样使用它们在图像间寻找相应点和区域。

第3章：“图像到图像的映射”描述图像间基本的变换及其计算方法。涵盖从图像扭曲到创建全景图像的示例。

第4章：“照相机模型与增强现实”介绍如何对照相机建模、生成从三维空间到图像特征的图像投影，并估计照相机视点。

第5章：“多视图几何”讲解如何对具有相同场景、多视图几何基本面的图像进行处理，以及怎样从图像计算三维重建。

第6章：“图像聚类”介绍一些聚类方法，并展示如何基于相似性或内容对图像进行分组和组织。

第7章：“图像搜索”展示如何建立有效的图像检索技术，以便能够存储图像的表示，并基于图像的视觉内容搜索图像。

第8章：“图像内容分类”描述了图像内容分类算法，以及怎样使用它们识别图像中的物体。

第9章：“图像分割”介绍了通过聚类、用户交互或图像模型，将图像分割成有意义区域的不同技术。

第10章：“OpenCV”展示怎样使用常用的 OpenCV 计算机视觉库 Python 接口，以及如何处理视频及摄像头的输入。

PYTHONONE-LINERS

作者：

Christian Mayer

简介：

通过这本书，我想要帮助您成为一名Python专家。为此，我们将重点介绍Python单行程序：将简洁、有用的程序打包到一行Python中。关注一行程序将帮助您更快、更简洁地阅读和编写代码，并提高您对语言的理解。我认为学习Python oneliners还有另外五个原因可以帮助您提高并值得研究。

第一，通过提高您的核心Python技能，您将能够克服许多阻碍您的小的编程缺陷。没有对基本知识的深刻理解，就很难取得进步。单行代码是任何程序的基本组成部分。理解这些基本的构建块将帮助您在不感到不知所措的情况下掌握很多复杂知识。

第二，您将了解如何利用广泛流行的Python库，例如用于数据科学和机器学习的库。这本书由五个单行的章节组成，每个章节都涉及到Python的不同领域，从正则表达式到机器学习。这种方法将为您提供可以构建的Python应用程序的概述，并教会您如何使用这些强大的库。

第三，您将学习编写更多的python代码。Python初学者，特别是那些来自其他编程语言的初学者，经常以非Python的方式编写代码。我们将介绍python特有的概念，如列表理解、多重赋值和分段，所有这些都将帮助您编写易于阅读和与该领域的其他程序员共享的代码。

第四，学习Python单行程序迫使您清晰、简洁地思考。当您对每个代码符号进行计数时，就没有进行稀疏和无焦点编码的空间了。

第五，您掌握的新的程序技能将允许您看穿过于复杂的Python代码库，并给朋友和面试官留下深刻印象。您可能还会发现用一行代码解决具有挑战性的编程问题非常有趣和令人满意。而且您并不孤单：一个充满活力的Python极客在线社区正在为各种实际(和不那么实际)的问题提供最简单、最符合Python风格的解决方案。