酷应用

技术人必读书籍，InfoQ 免费送！

百家作者：InfoQ 2020-02-29 08:26:58

技术圈必读书籍，你都看过几本？

真爱粉福利！为了感谢粉丝们长久以来的关注，本周 InfoQ 联合北京大学出版社特意准备了优质书籍送给大家，全部是畅销书籍，看中哪本，任意选！你只需开心参与，InfoQ 负责买单！中间是书籍介绍，嫌太长可直接跳过到结尾参加活动哦～

《Python 数据分析与大数据处理从入门到精通》主要讲解数据分析与大数据处理所需的技术、基础设施、核心概念、实施流程。从编程语言准备、数据采集与清洗、数据分析与可视化，到大型数据的分布式存储与分布式计算，贯穿了整个大数据项目开发流程。本书轻理论、重实践，目的是让读者快速上手。1 篇首先介绍了 Python 的基本语法、面向对象开发、模块化设计等，掌握 Python 的编程方式。然后介绍了多线程、多进程及其相互间的通信，让读者对分布式程序有个基本的认识。第 2 篇介绍了网络数据采集、数据清洗、数据存储等技术。第 3 篇介绍了 Python 常用的数据分析工具，扩展了更多的数据清洗、插值方法，为 * 终的数据可视化奠定基础。第 4 篇是大数据分析的重点。首先介绍了 Hadoop 的框架原理、调度原理，MapReduce 原理与编程模型、环境搭建，接着介绍了 Spark 框架原理、环境搭建方式，以及如何与 Hive 等第三方工具进行交互，还介绍了 ** 的结构化流式处理技术。第 5 篇通过三个项目实例，综合介绍了如何分析网页、如何搭建分布式爬虫、如何应对常见的反爬虫、如何设计数据模型、如何设计架构模型、如何在实践中综合运用前四篇涉及的技术。本书既适合非计算机专业的编程“小白”，也适合刚毕业或即将毕业走向工作岗位的广大毕业生，以及已经有编程经验，但想转行做大数据分析的专业人士。同时，还可以作为广大职业院校、电脑培训班的教学参考用书。

涵盖图像预处理、图像的形态学处理、颜色与纹理、图像分割与分类、立体视觉、深度学习、表面检测、完整性检测、模板匹配、三维定位等各种机器视觉图像处理技术和检测技术。
对机器视觉图像处理的各种技术做了原理上的分析和代码实现。
案例典型，实战性强，大量可重用代码，可应用于真实场景。

本书第 1 章介绍 Scratch，以及它能够实现的内容；然后引出第 2 章 Scratch 3.0 的界面知识与操作方法，介绍 Scratch 3.0 的一些基本操作；接着在第 3~6 章以案例形式介绍了 Scratch 3.0 在动画制作、游戏设计、数学编程、硬件编程 4 个方面的实现方法和步骤；第 7 章介绍 Scratch 官方社区的相关内容。

本书适合小学到高中阶段初次接触编程的少年儿童学习，既可以作为他们自学编程的入门教材，也可以作为一般培训机构的少儿编程入门教材。读者可以从 Scratch 图形化编程入手，首先了解计算机编程的一些基本概念，以便后续学习与理解高级编程语言。

本书以 TensorFlow 为核心，分为 3 篇，共计 15 章节。第 1 篇是基础篇（第 1~5 章），主要介绍什么是深度学习、深度学习的本质是什么、深度学习所使用的教材和方法，以及深度学习在图像识别（MNIST）领域的应用。第 2 篇是发展演变篇（第 6~14 章），主要介绍在图像识别领域深度学习技术的发展与演变。主要是以 ImageNet 挑战赛为线索、以 ImageNet 挑战赛中的冠军模型为主干，介绍了卷积神经网络的发展历程、遇到的主要挑战、思路和对策，以及各种冠军模型的模型架构与模型训练。第 3 篇是前沿篇（第 15 章），介绍了生成对抗神经网络（GAN），它是一种能够自动生成图像的神经网络，这是与之前介绍的各种用于图像识别的卷积神经网络 * 显著的区别。

机器学习是一门涉及高等数学、线性代数、概率论、统计学和运筹学等领域的交叉学科。机器学习的基础就是数学，这也就要求学习者要有良好的数学基础。为了降低机器学习的学习门槛，本书深入浅出地对机器学习算法的数学原理进行了严谨的推导；并利用 Python 3 对各种机器学习算法进行复现，还利用介绍的算法在相应数据集上进行实战。本书主要内容包括机器学习及其数学基础；线性回归、局部加权线性回归两种回归算法；Logistic 回归、Softmax 回归和 BP 神经网络 3 种分类算法；模型评估与优化；K-Means 聚类算法、高斯混合模型两种聚类算法和一种降维算法——主成分分析。