一转眼，一年的四分之一已经过去，在这三个月的时间里，你的书架上都新添了哪些专业编程书？有哪本读完了？都可以和小编分享。
小编针对这三个月出版的新书做一个总结，把最受程序员们关注和喜爱的程序员新书分享给你们。
一季度，集中上架的机器学习、深度学习、算法、操作系统等新书，得到小伙伴们的一致支持，来个榜单截图。
人工智能
1、机器学习公式详解 （“西瓜书”学习伴侣“南瓜书”正式版）
谢文睿，秦州 著
- 人工智能领域中文的开山之作、周志华“西瓜书”《机器学习》伴侣书
- Datawhale开源协作学习笔记“南瓜书”
- 机器学习初学小白提升数学基础能力的练习书！
周志华老师的《机器学习》（俗称“西瓜书”）是机器学习领域的经典入门教材之一。本书（俗称“南瓜书”）基于Datawhale 成员自学“西瓜书”时记下的笔记编著而成，旨在对“西瓜书”中重难点公式加以解析，以及对部分公式补充具体的推导细节。
全书共16 章，与“西瓜书”章节、公式对应，每个公式的推导和解析都以本科数学基础的视角进行讲解，希望能够帮助读者达到“理工科数学基础扎实点的大二下学期学生”水平。每章都附有相关阅读材料，以便有兴趣的读者进一步钻研探索。
本书思路清晰，视角独特，结构合理，可作为高等院校计算机及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。
2、机器学习的数学
雷明 著
- 人工智能深度学习领域经典教程，AI程序员的数学参考书
- 透彻理解机器学习算法，从数学层面搞懂核心算法原理的逻辑
- Python程序讲解，众多专家学者力荐
本书的目标是帮助读者全面、系统地学习机器学习所必须的数学知识。全书由8章组成，力求精准、最小地覆盖机器学习的数学知识。包括微积分，线性代数与矩阵论，**化方法，概率论，信息论，随机过程，以及图论。
本书从机器学习的角度讲授这些数学知识，对它们在该领域的应用举例说明，使读者对某些抽象的数学知识和理论的实际应用有直观、具体的认识。 本书内容紧凑，结构清晰，深入浅出，讲解详细。可用作计算机、人工智能、电子工程、自动化、数学等相关专业的教材与教学参考书。对人工智能领域的工程技术人员与产品研发人员，本书也有很强的参考价值。对于广大数学与应用的数学爱好者，本书亦为适合自学的读本。
3、深度学习与围棋
[美] 马克斯·帕佩拉（Max Pumperla） 著，赵普明 译
- AlphaGo技术原理详解，深度学习实践性入门教程
- 采用Keras框架，提供配套Python源代码
- Google旗下Deepmind研究科学家作序推荐
本书通过教读者构建一个围棋机器人来介绍深度学习技术。随着阅读的深入，读者可以通过Python深度学习库Keras采用更复杂的训练方法和策略。读者可以欣赏自己的机器人掌握围棋技艺，并找出将学到的深度学习技术应用到其他广泛的场景中的方法。
本书主要内容
● 构建一个游戏 AI，并教会它自我改进。
● 用深度学习增强经典游戏 AI 系统。
● 实现深度学习的神经网络。
要阅读本书，读者只需具备基本的Python技巧和高中水平的数学知识，而不需要任何深度学习经验。
4、人工智能算法 卷3 深度学习和神经网络（全彩印刷）
[美] 杰弗瑞·希顿（Jeffery Heaton） 著，王海鹏 译
- AI算法入门教程，算法导论，实例讲解人工智能基础算法！
- 丰富的示例代码和在线资源，提供在线实验环境，代码下载，方便动手实践与拓展学习，全彩印刷
自人工智能的早期阶段以来，神经网络就扮演着至关重要的角色。现在，令人兴奋的新技术，例如深度学习和卷积，正在将神经网络带向一个全新的方向。本书结合各种现实世界任务中的神经网络应用，例如图像识别和数据科学，介绍了当前的神经网络技术，包括ReLU激活、随机梯度下降、交叉熵、正则化、Dropout和可视化。
本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。本书为读者提供配套的示例程序代码，目前已有Java、C#和Python版本。
推荐阅读：
《人工智能算法（卷1）：基础算法》ISBN：9787115523402
《人工智能算法（卷2）：受大自然启发的算法》ISBN：9787115544315
5、PyTorch生成对抗网络编程
[英] 塔里克·拉希德（Tariq Rashid） 著，韩江雷 译
- 动手学深度学神经网络与深度学习，图像识别搭建GAN卷积图像生成
- 配套示例代码，图文并茂，用PyTorch构建自己的生成对抗网络。
本书以直白、简短的方式向读者介绍了生成对抗网络，并且教读者如何使用PyTorch按部就班地编写生成对抗网络。全书共3章和5个附录，分别介绍了PyTorch基础知识，用PyTorch开发神经网络，改良神经网络以提升效果，引入CUDA和GPU以加速GAN训练，以及生成高质量图像的卷积GAN、条件式GAN等话题。附录部分介绍了在很多机器学习相关教程中被忽略的主题，包括计算平衡GAN的理想损失值、概率分布和采样，以及卷积如何工作，还简单解释了为什么梯度下降不适用于对抗式机器学习。
本书适合想初步了解GAN以及其工作原理的读者，也适合想要学习如何构建GAN的机器学习从业人员。对于正在学习机器学习相关课程的学生，本书可以帮助读者快速入门，为后续的学习打好基础。
操作系统
1、UNIX传奇：历史与回忆
[美] 布莱恩·W.克尼汉（Brian，W.，Kernighan） 著，韩磊 译
- UNIX的诞生记与发展史，计算机先驱布莱恩·W.克尼汉继C程序设计语言后又一力作
- 讲述贝尔实验室的幕后故事，C/C++等重要发明的起源，探寻计算科学之光！
自1969年在贝尔实验室的阁楼上诞生以来，Unix操作系统的发展远远超出其创造者们的想象。它带动了许多创新软件的开发，影响了无数程序员，改变了整个计算机技术的发展轨迹。
本书不但书写Unix的历史，而且记录作者的回忆，一探Unix的起源，试图解释什么是Unix，Unix是如何产生的，以及Unix为何如此重要。除此之外，本书以轻松的口吻讲述了一群在贝尔实验室工作的发明天才的有趣往事，本书中每一个故事都是鲜为人知却又值得传播的宝贵资源。
本书适合对计算机或相关历史感兴趣的人阅读。读者不需要有太多的专业技术背景，就可以欣赏Unix背后的思想，了解它的重要性。
2、Linux命令行大全 第2版
[美] 威廉·肖特斯（William Shotts） 著，门佳，李伟 译
- 手把手教你学Linux操作系统脚本shell编程代码书写，系统管理编程运维，学习使用bash（LinuxShell）编写完整的程序。
本书对Linux命令行进行详细的介绍，全书内容包括4个部分，第一部分由Shell的介绍开启命令行基础知识的学习之旅；第二部分讲述配置文件的编辑，如何通过命令行控制计算机；第三部分探讨常见的任务与必备工具；第四部分全面介绍Shell编程，读者可通过动手编写Shell脚本掌握Linux命令的应用，从而实现常见计算任务的自动化。通过阅读本书，读者将对Linux命令有更加深入的理解，并且可以将其应用到实际的工作中。
本书适合Linux初学人员、Linux系统管理人员及Linux爱好者阅读。
3、奔跑吧Linux内核入门篇（第2版）
笨叔，陈悦 著
- 笨叔的Linux操作系统私房菜教程书籍
- 助你深入理解Linux内核系统高级环境编程开发
- 涵盖上百个经典实验，提供配套学习资源。
本书基于Linux 5.0和ARM64处理器循序渐进地讲述Linux内核的理论与实验。本书共16章，主要介绍Linux系统基础知识、Linux内核基础知识、ARM64架构基础知识、内核编译和调试、内核模块、简单的字符设备驱动、系统调用、进程管理、内存管理、同步管理、中断管理、调试和性能优化、开源社区、文件系统、虚拟化与云计算等方面的内容，并通过一个综合能力训练来引导读者动手实现一个小的操作系统。
本书适合Linux开发人员、嵌入式开发人员以及对Linux感兴趣的程序员阅读，也适合作为高等院校计算机相关专业的教材。
4、奔跑吧Linux内核（第2版）卷1：基础架构
笨叔 著
- 基于Linux5.0内核和ARM64/x86_64架构
- 通过大量实战案例、高频面试题，剖析Linux内核的源代码
- 涵盖实战案例，可操作性强。
本书基于Linux 5.0内核的源代码讲述Linux内核中核心模块的实现。本书共9章，主要内容包括处理器架构、ARM64在Linux内核中的实现、内存管理之预备知识、物理内存与虚拟内存、内存管理之高级主题、内存管理之实战案例、进程管理之基本概念、进程管理之调度和负载均衡、进程管理之调试与案例分析。
本书适合Linux系统开发人员、嵌入式系统开发人员及Android开发人员阅读，也可供计算机相关专业的师生阅读。
5、奔跑吧Linux内核（第2版）卷2：调试与案例分析
笨叔 著
- 基于Linux5.0内核和ARM64/x86_64架构，全面修订
- 新增大量插图和表格，通过分析宕机案例和安全漏洞，总结调试技巧
相对于Linux 4.0内核，Linux 5.0内核中加入了很多新特性，并且很多内核的实现已经发生了很大变化。本书旨在介绍Linux内核中核心模块的实现，主要内容包括ARM64架构，ARM64在Linux内核中的实现，内存管理的理论知识和案例，以及进程管理的基础知识与案例等。
本书特色：
- 基于Linux 5.0内核的源代码进行案例分析；
- 新增了ARM64架构等方面的内容。
- 涵盖实战案例，可操作性强。
编程语言
1、Python编程快速上手 让繁琐工作自动化 第2版
[美] 阿尔·斯维加特（Al Sweigart） 著
- Python编程从入门到实践姊妹篇，零基础自学Python教程书籍
- 提供配套同步教学视频、在线编程环境！
- 针对Python3.X版本更新，海量资源随书送。
如果你曾经花几小时来重命名文件或更新成千上万个电子表格的单元格，你就知道这样的任务有多繁琐了。如果可以让计算机替你完成呢？
在本书中，你将学习利用Python编程在几分钟内完成手动需要几小时的工作，无须事先具备编程经验。通过阅读本书，你会学习Python的基本知识，探索Python丰富的模块库，并完成特定的任务（例如，从网站抓取数据，读取PDF和Word文档等）。本书还包括有关输入验证的实现方法，以及自动更新CSV文件的技巧。一旦掌握了编程的基础知识，你就可以毫不费力地创建Python程序，自动化地完成很多繁琐的工作。
2、算法设计
乔恩·克莱因伯格（Jon Kleinberg） 著，王海鹏 译
- 哈佛、斯坦福、普林斯顿、多伦多等众多名校采用的算法经典教材
- 用实例阐明枯燥的算法理论，更注重算法设计思维的培养，适合作为算法入门书。
这是一本被众多名校采用的算法设计课程教材，强调用实际示例阐明枯燥的算法理论，更注重算法设计思路而非算法复杂度分析。本书采用新颖的教学方式，通过分析真实世界的问题来激发算法思想。两位作者以一种清晰、直接的方式，指导学生自己分析和定义问题，并从中找出适用于给定场景的算法设计原则。本书鼓励读者更深入地理解算法设计过程，探索算法在计算机科学的更广阔领域中的应用。
本书具有以下特色：
- 强调问题分析和设计方法；
- 遵循结构化教学法，引导学生掌握问题形式化、算法设计和算法分析的全过程；
- 通过一系列带解答的问题，展示计算机科学家设计和应用算法的过程；
- 包含 200 多道作业题，其中一些题目出自 Yahoo! 和 Oracle 等公司；
- 提供广泛用于处理 NP 困难问题和随机应用的算法，这些是极其重要的算法主题。
3、Python图像处理实战
[印度] 桑迪潘·戴伊（Sandipan Dey） 著，陈盈，邓军 译
- 图像处理，计算机视觉人脸识别图像修复
- 编程入门教程书籍零基础，深度学习爬虫，用流行的Python图像处理库、机器学习库和深度学习库解决图像处理问题。
本书介绍如何用流行的Python 图像处理库、机器学习库和深度学习库解决图像处理问题。先介绍经典的图像处理技术，然后探索图像处理算法的演变历程，始终紧扣图像处理以及计算机视觉与深度学习方面的**进展。全书共12 章，涵盖图像处理入门基础知识、应用导数方法实现图像增强、形态学图像处理、图像特征提取与描述符、图像分割，以及图像处理中的经典机器学习方法等内容。
本书适合Python 工程师和相关研究人员阅读，也适合对计算机视觉、图像处理、机器学习和深度学习感兴趣的软件工程师参考。
4、精通Rust 第2版
[印] 拉胡尔·沙玛（Rahul Sharma）[芬]韦萨·凯拉维塔 著，邓世超 译
Rust系统编程指南自学教程书籍，学习Rust编程语言基础，掌握更高端的编程范式，成就高段位的编程极客。
本书内容共17章，由浅入深地讲解Rust相关的知识，涉及基础语法、软件包管理器、测试工具、类型系统、内存管理、异常处理、高级类型、并发模型、宏、外部函数接口、网络编程、HTTP、数据库、WebAssembly、GTK+框架和GDB调试等重要知识点。
本书适合想学习Rust编程的读者阅读，希望读者能够对C、C++或者Python有一些了解。书中丰富的代码示例和详细的讲解能够帮助读者快速上手，高效率掌握Rust编程。
5、程序员的数学基础课 从理论到Python实践
黄申 著
- 紧紧围绕程序员的需求，内容涵盖大部分程序员所需的数学知识，涉及面广，案例生动形象，内容经典实用，提供源代码
本书紧贴计算机领域，从程序员的需求出发，精心挑选了程序员真正用得上的数学知识，通过生动的案例来解读知识中的难点，使程序员更容易对实际问题进行数学建模，进而构建出更优化的算法和代码。
本书共分为三大模块：“基础思想”篇梳理编程中常用的数学概念和思想，既由浅入深地精讲数据结构与数学中基础、核心的数学知识，又阐明数学对编程和算法的真正意义；“概率统计”篇以概率统计中核心的贝叶斯公式为基点，向上讲解随机变量、概率分布等基础概念，向下讲解朴素贝叶斯，并分析其在生活和编程中的实际应用，使读者真正理解概率统计的本质，跨越概念和应用之间的鸿沟；“线性代数”篇从线性代数中的核心概念向量、矩阵、线性方程入手，逐步深入分析这些概念是如何与计算机融会贯通以解决实际问题的。除了理论知识的阐述，本书还通过Python语言，分享了通过大量实践积累下来的宝贵经验和编码，使读者学有所用。
本书的内容从概念到应用，再到本质，层层深入，不但注重培养读者养成良好的数学思维，而且努力使读者的编程技术实现进阶，非常适合希望从本质上提升编程质量的中级程序员阅读和学习。
转载：https://blog.csdn.net/epubit17/article/details/115342888