秋天来到，温度下降，小伙伴们记得添加衣裳，小心感冒。金秋十月，秋高气爽心情舒畅，学习忙，工作忙，注意休息。
小编推荐刚刚上架的7本程序员新书，如果喜欢请收藏呀。
1、Python迁移学习
作者： [印] 迪潘简·撒卡尔（Dipanjan Sarkar）
译者： 张浩然
1. 快速掌握知识点
本书能带你厘清机器学习和深度学习的关键基本概念，对重要的深度学习架构进行描述，卷积神经网络、深度神经网络、递归神经网络、长短时记忆神经网络以及胶囊网络都有所涉及。
2. 用实操夯实迁移学习理论
通过阅读本书，读者能够深刻理解迁移学习的相关概念，并结合相关的编程案例掌握模型冻结、模型调优、预训练模型（包括VGG模型、Inception模型和ResNet模型）等。
3. 掌握实用技能
本书集中讨论了大量现实世界中不同领域的案例和问题，例如计算机视觉、音频分析以及自然语言处理。
迁移学习是机器学习技术的一种，它可以从一系列机器学习问题的训练中获得知识，并将这些知识用于训练其他相似类型的问题。
本书分为3个部分：第1部分是深度学习基础，介绍了机器学习的基础知识、深度学习的基础知识和深度学习的架构；第2部分是迁移学习精要，介绍了迁移学习的基础知识和迁移学习的威力；第3部分是迁移学习案例研究，介绍了图像识别和分类、文本文档分类、音频事件识别和分类、DeepDream算法、风格迁移、自动图像扫描生成器、图像着色等内容。
本书适合数据科学家、机器学习工程师和数据分析师阅读，也适合对机器学习和迁移学习感兴趣的读者阅读。在阅读本书之前，希望读者对机器学习和Python编程有基本的掌握。
2、程序设计方法（第2版）
作者： [美]马蒂亚斯·费雷森（Matthias Felleisen） ,罗伯特·布鲁斯·芬德勒（Robert Bruce Findler） ,马修·弗拉特（Matthew Flatt） ,施拉姆·克里斯纳默西（Shriram Krishnamurthi
译者： 朱崇恺
- 世界知名的计算机科学家、PLT Scheme（Racket）语言的创始人Matthias Felleisen作品
- 教授系统化的程序设计方法
本书关注程序设计的过程，呈现程序设计的准则，向读者展示如何分析问题陈述，如何编写简明的目的声明，如何列举示例，如何开发解决方案的框架，如何完成程序，以及如何测试程序。因为学习程序设计的重点在于研究原理和获得通用技能，所以本书并没有采用现成的工业用编程语言，而是提供了专门定制的教学用编程语言。出于同样的理由，本书还提供了面向初学者的编程环境——DrRacket，它寓教于乐，注重教学反馈。随着读者逐步熟悉书中的内容，编程环境也会不断完备，直至可以支撑一种适用于所有编程任务的成熟语言。
第2版经过了全面的修订。虽然本书仍然是在教系统化的程序设计方法，但第2版为图形界面的交互式程序和批处理程序提供了不同的设计诀窍。此外，对于函数的设计诀窍，第2版增加了很多新的提示。本书使用的教学语言及其集成开发环境（IDE）现在还可以像支持数值一样支持图像，并支持测试、事件驱动编程，甚至分布式编程。
3、分析模式：可复用的对型象模
作者： [美]马丁·福勒（Martin Fowler）
译者： 钟敬
在日益增多的有关模式的文献中，本书作出了重要的贡献。它从不同领域中萃取出精妙的对象建模技术，并归纳成了一系列模式。这些领域模式将帮助你解决跨越不同领域的具有挑战性的建模问题。
—— Erich Gamma，IFA 咨询公司对象技术主管
本书作者为我们提供的是答案，而不只是获取答案的过程。这样，你就可以透过书中平实的文字，为建立自己的下一个业务对象模型找到实质性的内容。
——Ward Cunningham，Cunningham & Cunningham 公司
本书不是通过简化的案例讲述抽象的理论，而是直接给出来自真实项目的复杂模型，并以“模式”的方式进行归纳。本书不仅包括这些模式本身，还体现了作者丰富的实践经验和对建模技术的深入洞见。本书主要包括两部分：第一部分介绍来自人员与组织管理、观察与测量、存货与会计、计划、金融衍生品交易等多个业务领域的“分析模式”；第二部分则给出一系列“支持模式”，用于将分析模型实现为具体的软件。
具有一定经验的架构师、业务分析师以及高级开发人员通过研读本书可以很快将书中的模式和思路应用于实践，有效提高开发水平。软件开发的入门者阅读本书尽管未必能立刻领悟其全部内涵，但也足以打开一扇通向新境界的窗户，为日后的提高奠定基础。
4、Docker实践（第2版）
作者： [英]伊恩·米尔（Ian Miell）
译者： 杨锐 ,吴佳兴 ,梁晓勇 ,黄博文
提供了将Docker应用到用户当前所遇到的问题的大量实用建议。——Docker公司Ben Firshman，来自本书第1版序
充满了高水准的技巧！——Chad Davis, SolidFire
读完本书后，你会爱上Docker。—— José San Leandro, OSOCO
满满的软件开发行业里能用到的一些Docker技巧——Kirk Brattkus, Net Effect Technologies
本书由浅入深地讲解了Docker的相关内容，涵盖从开发环境到DevOps流水线，再一路到生产环境的整个落地过程以及相关的实用技巧。书中介绍Docker的核心概念和架构，以及将Docker和开发环境有机、高效地结合起来的方法，包括背Docker用作轻量级虚拟机、构建容器、宿主机编排、配置管理、精简镜像等。不仅如此，本书还通过“问题-解决方案-讨论”的形式，将Docker如何融入DevOps流水线、如何在生产环境落地等一系列难题拆解成114个相关的实用技巧，为读者提供解决方案以及一些细节和技巧方面的实践经验。阅读本书，读者学到的不只是Docker，还包括持续集成、持续交付、构建和镜像管理、容器编排等相关领域的一线生产经验。本书编写时一些案例参考的Docker版本是Docker 1.13。
本书要求读者具备一定的容器管理和运维的基础知识，适合想要将Docker投入实践的相关技术人员阅读，尤其适合具有中高级DevOps和运维背景的读者阅读。
5、人工智能技术与大数据
作者： 阿南德·德什潘德（Anand Deshpande）
译者： 赵运枫 ,黄伟哲
- 解读AI人工智能与大数据技术
- 用人工智能技术实现大数据自动化解决方案的完整指南
本书分为两个部分，共12章。第1章到第5章介绍了大数据的本体论、机器学习的基本理论等内容，为具体场景、算法的实践奠定了基础。读者可以了解到，在工程实践中，对大数据的处理、转化方式与人类学习知识并将其转化为实践的过程是多么相似。在对机器学习的介绍中，会对其数学原理、训练过程做基本的讲解，并辅以代码帮助读者了解真实场景中技术工具的使用。第6章到第12章提供了多个不同的用例，章节之间彼此独立，介绍了如何用人工智能技术（自然语言处理、模糊系统、遗传编程、群体智能、强化学习、网络安全、认知计算）实现大数据自动化解决方案。
如果读者对 Java 编程语言、分布式计算框架、各种机器学习算法有一定的了解，那么本书可以帮助你建立一个全局观，从更广阔的视角来看待人工智能技术在大数据中的应用。如果读者对上述知识一无所知，但是对大数据人工智能的技术、业务非常感兴趣，那么可以通过本书获得从零到一的认知提升。
6、人工智能实践录
作者： 中国电子信息产业发展研究院（赛迪研究院） ,人工智能产业创新联盟
编辑： 武晓燕
人工智能技术越来越快地从研究阶段转到应用阶段。本书展示了在各行业应用中的新的AI技术。这表明，中国企业在快速创建AI基础技术平台、AI应用平台和个人AI应用等方面高速发展。本书结构清晰，易于理解，非常值得一读。——汉斯·乌思克尔特，欧洲科学院院士、德国人工智能研究中心科学董事
AI如何在垂直领域真正创造价值，是世界各国都在探索的一个重要方向。本书中的实践案例为探索AI领域开了个很好的头。——张建伟，德国汉堡科学院院士、德国汉堡大学信息学科学系教授、清华大学杰出访问教授
人工智能发展的关键是通过应用和实践发挥科技创新的最大价值。《人工智能实践录》收集并分析了近40个实践案例，助力行业探索及创新落地，对于推动中国人工智能的发展具有十分积极的意义。——李德胜，英特尔中国创新业务董事总经理
本书分为3部分，分别是综述篇、通用技术篇和行业应用篇。综述篇介绍了现阶段人工智能产品发展情况和人工智能政策环境。通用技术篇精心挑选10个以研发底层技术为核心竞争力的企业的产品，详细介绍了它们的实现思路以及现阶段应用。行业应用篇共有24个案例，主要汇集了人工智能技术与实体经济结合的应用案例，重点关注人工智能技术的应用场景拓展。
7、机器学习提升法 理论与算法
作者： [美]罗伯特·夏皮雷（Robert E. Schapire） ,约夫·弗雷德 (Yoav Freund)
译者： 沙灜
这本书是优秀的精神“担架”，值得好好阅读以及多次重读，即使是非专业人士。——ACM 的Computing Reviews
一言以蔽之，这是我读过的关于机器学习的最好的书之一……——Bactra 评论
对于那些希望在机器学习领域工作的人来说，本书提供了清晰而有见地的观点，在机器学习的经典著作和研究人员的书架上都应该占有一席之地。——Giles Hooker 美国统计协会
Robert Schapire 和Yoav Freund 提出的提升法在机器学习和统计学习方面产生了巨大的影响，它经受住了时间的考验。关于为什么提升法如此有效，人们进行了热烈的讨论，现在还没有定论。这本来自“大师”的书，其各方面的内容十分均衡，涵盖了提升法的各个研究视角，能够帮助读者快速地享受该领域丰富研究成果。——Trevor Hastie 斯坦福大学统计系
本书由提升法的提出者、罗伯特·夏皮雷（Robert. E. Schapire）和约夫·弗雷德（Yoav Freund）亲自执笔，汇集、组织、简化并实质性扩充了关于提升法的研究成果，以不同背景的读者都可以轻松阅读并理解的方式来呈现提升法的理论及其实践，同时也为高级研究人员提供了权威参考。本书充分考虑入门读者的需求，对所有的材料都进行了适当的裁剪，并在每章后都附有练习，因而适合作为相关教材使用。
本书首先对机器学习算法及其分析方法作了概要性介绍；然后探讨了提升法的核心理论，特别是它的泛化能力；考察了有助于理解和解释提升法的许多理论观点；提供了提升法的实用扩展以解决更复杂的学习问题；最后提出了一些高级理论。大量的应用实例和插图贯穿其中。
本书适合任何对机器学习算法、提升法感兴趣的读者，也适合作为高等院校相关课程的教材。
即将上架：
人工智能算法（卷2）：受大自然启发的算法
全彩印刷，实例讲解易于理解的人工智能基础算法。丰富的示例代码和在线资源，方便动手实践与拓展学习
本书介绍了一些在人工智能场景提供解决方案的算法，涉及交叉和突变、遗传算法、粒子群优化、细胞自动机等问题——它们无一不受到基因、鸟类、蚂蚁、细胞或树的启发。虽然算法的灵感来源是大自然，但读者不必具备生物学知识也能读懂本书。
“人工智能算法”系列图书的目标读者是那些对人工智能感兴趣，但苦于没有良好的数学基础的人。读者只需要对大学代数课程有基本了解即可，而微积分、线性代数、微分方程等课程中的复杂公式都会在必要时介绍。本书为读者提供配套的示例程序代码，目前已有Java、C#、Python和Scala版本。
以道御术——CMMI 2 .0实践指南
很高兴看到作者及其团队根据多年的实践经验，编写出版了这本书。作者根据多年来在软件过程改进方面的实施、咨询、评估等经验，用案例诠释CMMI 2.0的精髓，并为企业从CMMI 1.3平稳过渡到CMMI 2.0提供了一条有效的途径。
相信本书能帮助软件企业少走弯路、有效地实施软件过程改进，特别是其中的“实践点睛”部分，非常具有现实指导意义。——资深CMMI主任评估师 余军安
本书不仅将研发管理的最新国际标准条分缕析，一一道明，告诉我们成熟的软件企业应该企及的高度，而且结合了作者多年一线咨询的实践经验，给出了提升研发管理的具体途径和技术，深入浅出，干货满满，的确是一本很实用的行动指南。——中国移动子公司卓望信息研发中心副总监 刘咏亭
本书系统解读了CMMI 2.0模型中的实践，首先介绍了CMMI 2.0相对于CMMI 1.3的变化，阐明了CMMI 2.0的核心思想与理念，然后对CMMI模型中的每个实践域进行了通俗的、详细的、案例化的解读，最后对敏捷方法与CMMI模型进行了系统化的对比分析，并提倡二者的互补融合。
本书对CMMI 2.0模型的解读通俗易懂、言简意赅，并给出了大量实际应用案例，可以帮助读者快速、准确地掌握模型的含义，并与自己的实际场景进行映射和结合，灵活实现模型的要求。
本书适合软件与硬件研发企业的中高层经理、项目经理、过程改进人员、质量管理人员、敏捷教练、咨询顾问以及研发人员等众多参与工程实践的人员阅读。
转载：https://blog.csdn.net/epubit17/article/details/109194497