《深度学习入门》（[ 日］ 斋藤康毅）电子书网盘下载免费在线阅读

资源链接：

链接: https://pan.baidu.com/s/1ddnvGv-r9PxjwMLpN0ZQIQ

?pwd=bhct 提取码: bhct 

书名：深度学习入门

作者：[ 日］ 斋藤康毅

译者：陆宇杰

豆瓣评分：9.4

出版社：人民邮电出版社

出版年份：2018-7

页数：285

内容简介：本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等“为什么”的问题。

作者简介：

斋藤康毅

东京工业大学毕业，并完成东京大学研究生院课程。现从事计算机视觉与机器学习相关的研究和开发工作。是Introducing Python、Python in Practice、The Elements of Computing Systems、Building Machine Learning Systems with Python的日文版译者。

译者简介：

陆宇杰

众安科技NLP算法工程师。主要研究方向为自然语言处理及其应用，对图像识别、机器学习、深度学习等领域有密切关注。Python爱好者。

1.《Python编程：从入门到实践》

这本书算是比较全面系统的入门Python教程。基本的概念解释得算是比较不错的，我们知道，对于零基础学习编程的人来说，基础的概念是最关键也是最重要的一部分，谁能把基本的概念讲得通俗易懂，那么谁也就自然受欢迎了。

2.《像计算机科学家一样思考Python》

本书更多的是想培养读者以计算机科学家一样的思维方式来理解Python语言编程。贯穿全书的主体是如何思考、设计、开发的方法。从基本的编程概念开始，一步步引导读者了解Python语言，再逐渐掌握函数、递归、数据结构和面向对象设计等高阶概念。

3.《Python编程：从入门到实践》

2016年出版的书，基于 Python3.5 同时也兼顾 Python2.7 ，书中涵盖的内容是比较精简的，没有艰深晦涩的概念，每个小结都附带练习题，它可以帮助你更快的上手编写程序，解决实际编程问题，上到有编程基础的程序员，下到10岁少年，想入门Python并达到可以开发实际项目的水平，这本书都是个不错的选择。

4.《Python核心编程第三版（中文版）》

该书向读者介绍了这种语言的核心内容，并展示了Python语言可以完成哪些任务。其主要内容包括：语法和编程风格、Python语言的对象、Web程序设计、执行环境等。该书条理清晰、通俗易懂，是学习Python语言的最好教材及参考手册。所附光盘包括Python语言最新的三个版本及书中示例代码。

5.《Python算法教程》

Python算法教程用Python语言来讲解算法的分析和设计。本书主要关注经典的算法，但同时会为读者理解基本算法问题和解决问题打下很好的基础。全书共11章。分别介绍了树、图、计数问题、归纳递归、遍历、分解合并、贪心算法、复杂依赖、Dijkstra算法、匹配切割问题以及困难问题及其稀释等内容。本书在每一章结束的时候均有练习题和参考资料，这为读者的自我检查以及进一步学习提供了较多的便利。在全书的结尾，给出了练习题的提示，方便读者进行查漏补缺。

入门：

本书是一本Python入门书，适合对计算机了解不多，没有学过编程，但对编程感兴趣的读者学习使用。

这本书以习题的方式引导读者一步一步学习编程，从简单的打印一直讲到完整项目的实现，让初学者从基础的编程技术入手，最终体验到软件开发的基本过程。

本书是基于Python 3.6版本编写的。

本书结构非常简单，除“准备工作”之外，还包括52个习题，其中26个覆盖了输入/输出、变量和函数3个主题，另外26个覆盖了一些比较进阶的话题，如条件判断、循环、类和对象、代码测试及项目的实现等。

每一章的格式基本相同，以代码习题开始，按照说明编写代码，运行并检查结果，然后再做附加练习。

本书是一本针对所有层次的Python读者而作的Python入门书。

全书分两部分：

首部分介绍用Python 编程所必须了解的基本概念，包括matplotlib、NumPy和Pygal等强大的Python库和工具介绍，以及列表、字典、if语句、类、文件与异常、代码测试等内容；

第二部分将理论付诸实践，讲解如何开发三个项目，包括简单的Python 2D游戏开发，如何利用数据生成交互式的信息图，以及创建和定制简单的Web应用，并帮读者解决常见编程问题和困惑。

进阶：

《Python核心编程（第3版）》是经典畅销图书《Python核心编程（第二版）》的全新升级版本，总共分为3部分。

第1部分为讲解了Python的一些通用应用，包括正则表达式、网络编程、Internet客户端编程、多线程编程、GUI编程、数据库编程、Microsoft Office编程、扩展Python等内容。

第2部分讲解了与Web开发相关的主题，包括Web客户端和服务器、CGI和WSGI相关的Web编程、Django Web框架、云计算、高级Web服务。

第3部分则为一个补充/实验章节，包括文本处理以及一些其他内容。《Python核心编程（第3版）》适合具有一定经验的Python开发人员阅读。

本书将帮助你使用Python编写出高质量、高效的并且易于与其他语言和工具集成的代码。

本书根据Python专家Mark Lutz的著名培训课程编写而成，是易于掌握和自学的Python教程。

本书每一章都对Python语言的关键内容做单独讲解，并且配有章后习题、编程练习及详尽的解答，还配有大量注释的示例以及图表，便于你学习新的技能并巩固加深自己的理解。

第5版基于Python2.7和3.3版本，同时也适用于其他Python版本。

无论你是编程新手还是其他编程语言的资深开发者，本书都会是你学习Python的理想选择。

数据分析与挖掘：

本书由Python pandas项目创始人Wes McKinney亲笔撰写，详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。

第2版针对Python 3.6进行全面修订和更新，涵盖新版的pandas、NumPy、IPython和Jupyter，并增加大量实际案例，可以帮助你高效解决一系列数据分析问题。

第2版中的主要更新包括：

1、所有的代码，包括把Python的教程更新到了Python 3.6版本(第1版中使用的是Python 2.7)

2、更新了Python第三方发布版Anaconda和其他所需Python包的安装指引

3、更新pandas库到2017年的新版

4、新增一章，关于更多高级pandas工具和一些使用提示

5、新增statsmodels和scikit-learn的简明使用介绍

《Python数据科学手册》是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。

本书共五章，每章介绍一到两个Python数据科学中的重点工具包。

首先从IPython和Jupyter开始，它们提供了数据科学家需要的计算环境；

第 2章讲解能提供ndarray对象的NumPy，它可以用Python高效地存储和操作大型数组；

第3章主要涉及提供DataFrame对象的Pandas，它可以用Python高效地存储和操作带标签的/列式数据；

第4章的主角是Matplotlib，它为Python提供了许多数据可视化功能；

第5章以Scikit-Learn为主，这个程序库为重要的机器学习算法提供了高效整洁的Python版实现。 《Python数据科学手册》适合有编程背景，并打算将开源Python工具用作分析、操作、可视化以及学习数据的数据科学研究人员。

本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。

读者在阅读过程中，应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。

基础篇（第1～5章），第1章的主要内容是数据挖掘概述；

第2章对本书所用到的数据挖掘建模工具Python语言进行了简明扼要的说明；

第3章、第4章、第5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。

实战篇（第6～15章），重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。

在案例结构组织上，本书是按照先介绍案例背景与挖掘目标，再阐述分析方法与过程，最后完成模型构建的顺序进行的，在建模过程的关键环节，穿插程序实现代码。

最后通过上机实践，加深读者对数据挖掘技术在案例应用中的理解。

爬虫：

本书采用简洁强大的Python 语言，介绍了网页抓取，并为抓取新式网络中的各种数据类型提供了全面的指导。

第一部分重点介绍网页抓取的基本原理：如何用Python 从网络服务器请求信息，如何对服务器的响应进行基本处理，以及如何以自动化手段与网站进行交互。

第二部分介绍如何用网络爬虫测试网站，自动化处理，以及如何通过更多的方式接入网络。

本书介绍了如何利用Python 3开发网络爬虫，书中首先介绍了环境配置和基础知识，然后讨论了urllib、requests、正则表达式、Beautiful Soup、XPath、pyquery、数据存储、Ajax数据爬取等内容。

接着通过多个案例介绍了不同场景下如何实现数据爬取。

最后介绍了pyspider框架、Scrapy框架和分布式爬虫。 本书适合Python程序员阅读。

算法和机器学习：

本书采用Python语言介绍数据结构和算法，包括其设计、分析和实施。

本书源代码简洁、明确，面向对象的观点贯穿始终，通过继承大限度地提高代码重用，同时彰显不同抽象数据类型和算法之间的异同。

本书是机器学习入门书，以Python语言介绍。

主要内容包括：机器学习的基本概念及其应用；

实践中常用的机器学习算法以及这些算法的优缺点；

在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；

模型评估和调参的方法，重点讲解交叉验证和网格搜索；

管道的概念；

如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。

本书适合机器学习从业者或有志成为机器学习从业者的人阅读。

机器学习是人工智能研究领域中一个极其重要的研究方向。

在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。 　

《机器学习实战》主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。

第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。

《机器学习实战》通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。

通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。

另外，还可用它们来实现一些更高级的功能，如汇总和简化等。

结论

大致是这些，总共是十二本。

这些书首先内容错误少，久经市场考验，而且丰富详实，在各自的领域把该讲的都讲了。

如果你想报班的话，千锋Python的课程你可以切试试

---