5月編程語言排行榜:Python、C++ 競爭白熱化

TIOBE公佈了2019年5月編程語言排行榜，頭部總體編程語言總體排名變化不大，前十名爲Java、C、C++、Python、Visual Basic .NET、C#、JavaScript、SQL、PHP和彙編語言。

本月值得注意的是，R語言跌出前20名，這是R語言進入TOP20三年以來首次跌出前20，而Python繼續縮小與C++的差距。

儘管Swift正快速增加，可是與Objective-C仍是有不小的差距。另外，雖然PHP保住了本身第九名的位置，可是相比於 去年同期已經降低了2個位次。

Go與上個月相比下跌了一名，但總體變化比較穩定。

如下爲前20名完整榜單

5月上市暢銷新書

Linux內核深度解析

書名：《Linux內核深度解析》

做者：餘華兵

編輯推薦：

• 基於ARM64架構的Linux 4.x內核；

• 大量圖例描述數據結構之間的關係和函數的執行流程；

• 結合代碼分析，以通俗化語言全面剖析Linux內核。

本書基於4.x版本的Linux內核，介紹了Linux內核的若干關鍵子系統的技術原理。本書主要內容包括內核的引導過程、內核管理和調度進程的技術原理、內核管理虛擬內存和物理內存的技術原理、內核處理異常和中斷的技術原理，以及系統調用的實現方式等。此外，本書還詳細講解了內核實現的各類保護臨界區的互斥技術，以及內核的文件系統。本書內容豐富，深刻淺出，經過大量的圖例來描述數據結構之間的關係和函數的執行流程，並結合代碼分析，引導讀者閱讀和理解內核源代碼。

操做系統導論

書名：《操做系統導論》

做者： [美] 雷姆茲·H.阿帕希杜塞爾（ Remzi H. Arpaci-Dusseau）， [美]安德莉亞·C.阿帕希杜塞爾（Andrea C. Arpaci-Dusseau）

譯者：王海鵬

編輯推薦：

• 本書做者是美國威斯康星大學計算機系教授（夫婦），美國計算機OS教育領域的名宿，常常在美國各個大學應邀客座。

• 做者堅持開放教材的理念，英文原版在國外盛名日隆，不只CS學生，灣區技術界的讀者也很推崇這本書，評價爲「最好的開放式操做系統教材」。

這是一本關於現代操做系統的書。主題分爲三個主要的概念:虛擬化、併發性和持久性。全書介紹了全部現代系統的主要組件，包括調度、虛擬內存管理、磁盤和I/O子系統、文件系統，甚至一個簡短的介紹分佈式系統。本書內容全面，很是易於學習，很適合用於老師的教學和高校學生自學。

Kafka Streams實戰

書名：《Kafka Streams實戰》

做者：[美] 小威廉 · P. 貝傑克（William P. Bejeck Jr.）

譯者：牟大恩

編輯推薦：

• Apache Kafka做者做序推薦做品;

• Kafka Streams技術的全面學習指南;

• 大數據流式處理從入門到實踐 。

本書教讀者在Kafka平臺上實現流式處理。在這本易於理解的書中，讀者將經過實際的例子來收集、轉換和聚合數據，使用多個處理器，處理實時事件，甚至可使用KSQL 深刻研究流式SQL。本書最後還講解了Kafka Streams應用程序的測試和運維方面的內容（如監控和調試）。

PyTorch深度學習

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：

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。 《PyTorch深度學習》是使用PyTorch構建神經網絡模型的實用指南，包括PyTorch與深度學習的基礎知識、神經網絡的構成、神經網絡的高級知識、機器學習基礎知識、深度學習在計算機視覺中的應用、深度學習在序列數據和文本中的應用、生成網絡、現代網絡架構，以PyTorch與深度學習的將來走向。

Python 3破冰人工智能 從入門到實戰

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：

基於Python 3.6構建了近140個代碼案例，全面介紹Python在人工智能中的應用。

• 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。

- END -