以往我们总盯着畅销书,经典书,新书,今天给大家介绍Packt Publishing的程序员专业书籍。这一套封面的程序员书你读过哪一本?
1、Python图像处理实战[印度] 桑迪潘·戴伊(Sandipan Dey) 著,陈盈,邓军 译
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最新进展。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。
迪潘简·撒卡尔(Dipanjan Sarkar) 著,张浩然 译
使用TensorFlow和Keras实现高级深度学习和神经网络模型
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。
[德] 朱塞佩·博纳科尔索(Giuseppe Bonaccorso) 著,瞿源,刘江峰 译
本书通过Python语言讲解无监督学习,全书内容包括10章,前面9章由浅入深地讲解了无监督学习的基础知识、聚类的基础知识、高级聚类、层次聚类、软聚类和高斯混合模型、异常检测、降维和分量分析、无监督神经网络模型、生成式对抗网络和自组织映射,第10章以问题解答的形式对前面9章涉及的问题给出了解决方案。
本书适合数据科学家、机器学习从业者和普通的软件开发人员阅读,通过学习本书介绍的无监督学习理论和Python编程方法,读者能够在业务实践中获得有价值的参考。
4、Python忍者秘籍[美] 科迪·杰克逊(Cody Jackson) 著,李俊毅 译
本书将揭示Python中鲜为人知甚至让人有所误解的与标准库实现相关的内容,并提供对模块实际工作方式的理解。本书展示了集合和数学模块的正确实现,以及数字(如小数和分数)的相关内容,这将有助于读者拓展视野。在详细了解内部特殊方法之前,读者将了解装饰器、上下文管理器、协同程序和生成器函数等。本书探讨了CPython解释器,包括可以改变环境功能的命令选项,以及改进普通Python体验的可选交互式Shell。读者将浏览PyPy项目,在那里可以接触到几种新的方法来提高应用程序的速度和并发性。本书同样回顾了几种Python增强方案,以了解Python未来的发展趋势。最后,本书提供了编写Python代码文档的不同方法。
这本书是为那些想学习如何用新方法来改进应用程序性能的Python软件开发人员而写的。想要掌握这本书的知识,最好有一定的Python开发经验。
5、Python自动化运维实战巴塞姆·,阿利(Bassem Aly) 著,王文峰,袁洪艳 译
本书介绍了如何通过Python来自动完成服务器的配置与管理,自动完成系统的管理任务(如用户管理、数据库管理和进程管理),以及完成这些工作所需的模块、库和工具。此外,本书还讲述了如何使用Python脚本自动执行测试,如何通过Python在云基础设施和虚拟机上自动执行任务,如何使用基于Python的安全工具自动完成与安全相关的任务。
本书适合运维人员和开发人员阅读,也可作为相关专业人士的参考书。
6、Vim 8文本处理实战鲁斯兰·奥西波夫(Ruslan Osipov) 著,王文涛 译
本书向读者介绍了 Vim 的奇妙世界,其中包含了许多Python代码示例和一些面向工程的工具。本书强烈建议读者将Vim作为主要集成开发环境(IDE),以便将本书中的经验推广应用到任意编程语言。
本书适用于初级、中级和高级程序员。本书将介绍如何高效地将Vim应用于日常工作流程的方方面面。虽然书中涉及了Python,但Python或Vim的经验并不是阅读本书所必需的。
7、人工智能技术与大数据[印] 阿南德·德什潘德(Anand Deshpande) 著,赵运枫,黄伟哲 译
1.本书对大数据与人工智能有一个综述性的介绍,包括大数据的本体论、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。。
2.同时也提供了多个不同场景中的用例,帮助读者了解真实场景中技术工具的使用。
3.本书作者Anand Deshpande和Manish Kumar分别是Datametica Solutions的大数据交付总监和高级技术架构师,他们在数据生态系统技术和数据管理方面拥有丰富的经验。
数据与人工智能是未来几十年的重要发展方向。随着人工智能的快速应用及普及,大数据不断累积,深度学习及强化学习等算法不断优化,大数据技术将与人工智能技术更紧密地结合,具备对数据的理解、分析、发现和决策能力。
[加] 罗恩·布拉什(Ron Brash) 著,王林生 译
在本书中,我们将使用Bash(Bourne Again Shell)编写各种shell脚本,涉及简单的示例和复杂趁手的实用工具或程序。目前,Bash是大多数GNU/Linux发行版采用的默认shell,在Linux终端中可谓是无处不在。它能够应对各种任务,在Linux/UNIX生态系统中如鱼得水。换句话说,熟悉Bash命令行的用户可以自己动手将其安装在几乎所有的Linux系统中,基本上不用做什么改动就能够完成类似的任务。Bash脚本很少依赖其他软件,在极为精简的系统中(最小化安装),用户仍然可以编写出功能强大的脚本,实现任务自动化或协助执行重复性任务。
我们将侧重点完全放在了Ubuntu环境下的Bash用法,前者是一种很常见的Linux发行版,但是书中的脚本应该可以相对轻松地移植到其他发行版。本书并不是专门为 macOS或Windows操作系统所写的,尽管移植到这些操作系统也并非不可能。
9、写给系统管理员的Python脚本编程指南[印度] 甘尼什·桑吉夫·奈克(Ganesh,Sanjiv,Naik) 著,张成悟 译
1.从基础到高级编程,全面系统地介绍Python脚本在系统管理中的作用。
2.市场上少见的介绍将Python脚本应用于系统管理的图书。
3.本书附有配套资源,帮助读者学以致用,将所学应用到真实场景中。
随着时间的推移,Python不断发展并扩展了其与IT操作相关的功能。Python简单易学,但具有功能强大的库,可用于 编写脚本以解决实际问题并自动执行管理员的日常活动。本书的目的是通过完成一系列项目,帮助读者掌握在项目中使用Python脚本的方法。
本书首先介绍Python的安装,并讲解编程基础知识。然后,本书将侧重于解析整个开发过程,从配置到准备再到构建 不同的工具,包括IT管理员的日常活动(文本处理、正则表达式、文件存档和加密)、网络管理(套接字编程、电子邮 件处理、使用Telnet/SSH远程控制设备以及SNMP/DHCP等协议)、创建图形用户界面、网站处理(Apache日志 文件处理、SOAP和REST API通信、Web抓取),以及数据库管理(MySQL和相似数据库数据管理、数据分析和报告)。学完本书,读者将能够使用Python功能构建强大的工具以解决具有挑战性的实际任务。
Copyright © 2024 妖气游戏网 www.17u1u.com All Rights Reserved