6本Python好書上新，來撩~

關於Python,程序江湖裏從不缺乏金句：「人生苦短，我用Python！」「學完Python，即可上天！」，而最近這些話從調侃正在變爲事實！

上週，PYPL(編程語言受歡迎程度) 四月官方榜單已發佈，Python榮獲NO.1，相比去年 4 月份，今年上漲了 5.2%，成績頗爲亮眼，從去年開始，Python就開始霸佔榜單長達1年，成爲編程市場上份額最高的語言！

今天小編帶來了6本Python和python機器學習相關新書，若是你喜歡，歡迎收藏。

書名：《從零開始學Python（第2版）》

做者：[美] 約翰·保羅·穆勒（John Paul Mueller）

譯者： 武傳海

編輯推薦：

• 「達人迷」是暢銷美國近30年的經典圖書品牌，通過億萬讀者的檢驗。

本書面向零基礎讀者，巧用類比式描述，技術知識點輕鬆掌握；基於案例進行講解，讀者可輕鬆理解編程思惟，並在配套代碼中參透Python編程的技巧。本書囊括5項常見任務&2項高級任，助力快速掌握Python。

除此以外，書中還有一系列的Python周邊小知識，教你更好地掌握Python，活學活用Python。

書名：《Python 3破冰人工智能：從入門到實戰》

做者：黃海濤

編輯推薦：

• 數學基礎：從歷年數學建模競賽入手，解讀人工智能中的數學方法。
• 編程實踐：100餘個代碼實例，全面講解網絡爬蟲、數據存儲與數據分析等內容。
• 算法應用：實戰案例輔以豐富圖解，詳盡分析人工智能算法特性及其應用場景。

本書創新性地從數學建模競賽入手，深刻淺出地講解了人工智能領域的相關知識。本書內容基於Python 3.6，從人工智能領域的數學出發，到Python在人工智能場景下的關鍵模塊；從網絡爬蟲到數據存儲，再到數據分析；從機器學習到深度學習，涉及天然語言處理、機器學習、深度學習、推薦系統和知識圖譜等。

此外，本書還提供了近140個代碼案例和大量圖表，全面系統地闡述了算法特性，個別案例算法來自於工做經驗總結，力求幫助讀者學以至用。

書名：《Python和NLTK天然語言處理》

做者： [印度] 尼天•哈登尼亞（Nitin Hardeniya）等　

譯者： 林賜

編輯推薦：

• 使用詞性標註和分塊的方法對文本進行整理與清洗。
• 把文本標記爲句子，把句子標記爲單詞。

NLTK是天然語言處理領域中很是受歡迎和普遍使用的Python庫。NLTK的優勢在於其簡單性，其中大多數複雜的天然語言處理任務使用幾行代碼便可完成。

本書旨在講述如何用Python和NLTK解決各類天然語言處理任務並開發機器學習方面的應用。本書介紹了NLTK的基本模塊，講述了採用NLTK實現天然語言處理的大量技巧，討論了一些文本處理方法和語言處理技術，展現了使用Python實現NLP項目的大量實踐經驗。本書主要內容包括文本挖掘/NLP任務中所需的全部預處理步驟，如何使用Python 3的NLTK 3進行文本處理，如何經過Python開展NLP項目。

書名：《Python機器學習》

做者： [印]阿布舍克·維賈亞瓦吉亞（Abhishek Vijayvargia）

譯者： 宋格格

編輯推薦：

• Python機器學習實用教程
• 本書提供配套資源可供讀者下載

本書經過解釋數學原理和展現編程示例對機器學習進行了系統、全面的解析。共分爲12章，內容涵蓋了機器學習以及Python語言的基礎知識、特徵工程的概念與操做技術、數據可視化技術的實現、監督學習及無監督學習算法、文本分析、神經網絡和深度學習、推薦系統的構建方法以及預測處理時間序列的方法等。

閱讀《Python機器學習》可以加深讀者對機器學習的認識和理解，從而達到理論與實踐相結合、學以至用的目的。

書名：《scikit-learn機器學習（第2版）》

做者： [美]加文·海克（Gavin Hackeling）

譯者： 張浩然

編輯推薦：

• 掌握Python機器學習的有效工具
• 搞定scikit-learn的必備指南

近年來，Python語言成爲了廣受歡迎的編程語言，而它在機器學習領域也有着卓越的表現。scikit-learn是一個用Python語言編寫的機器學習算法庫，它能夠實現一系列經常使用的機器學習算法，是一個不可多得的好工具。

本書經過14章內容，詳細地介紹了一系列機器學習模型和scikit-learn的使用技巧。本書從機器學習的基礎理論講起，涵蓋了簡單線性迴歸、K-近鄰算法、特徵提取、多元線性迴歸、邏輯迴歸、樸素貝葉斯、非線性分類、決策樹迴歸、隨機森林、感知機、支持向量機、人工神經網絡、K-均值算法、主成分分析等重要話題。

書名：《PyTorch深度學習》

做者： [印度]毗溼奴•布拉馬尼亞(Vishnu Subramanian)

譯者： 王海玲、劉江峯

編輯推薦：

• 使用PyTorch開發神經網絡的實用指南
• 提供本書彩圖和源代碼下載

PyTorch是Facebook於2017年初在機器學習和科學計算工具Torch的基礎上，針對Python語言發佈的一個全新的機器學習工具包，一經推出便受到了業界的普遍關注和討論，目前已經成爲機器學習從業人員首選的一款研發工具。

本書對當今前沿的深度學習庫PyTorch進行了講解。憑藉其易學習性、高效性以及與Python開發的自然親近性，PyTorch得到了深度學習研究人員以及數據科學家們的關注。本書從PyTorch的安裝講起，而後介紹了爲現代深度學習提供驅動力的多個基礎模塊，還介紹了使用CNN、RNN、LSTM以及其餘網絡模型解決問題的方法。

- END -

持續交付2.0——硅谷頂級互聯網公司的產品研發方法​

www.huodongxing.com