2021上半年程序员新书大盘点
一转眼，半年的光阴过去了，这半年中，你又增进了哪些新知识？读过几本好书？小编准备一份上半年年中盘点书单，与您共享。
现在正直618年中大促进行时，小编的书单中在京东目前都五折优惠，请准备好银两囤书吧。
2021年上半年出版的新书上榜好书
Python编程快速上手 让繁琐工作自动化 第2版
作者： [美]阿尔•斯维加特（Al Sweigart）
译者： 王海鹏
原版图书美亚评分4.7星，被150+高校选用，初版译著豆瓣评分8.9分！
1.畅销书升级版，第1版累计销售近20w册；
2.针对Python 3.X 版本更新，更新项目代码；
3.扫码看视频，边看边学，扫描书中二维码，观看为本书量身定制的教学视频；
在本书中，你将学习利用Python编程在几分钟内完成手动需要几小时的工作，无须事先具备编程经验。通过阅读本书，你会学习Python的基本知识，探索Python丰富的模块库，并完成特定的任务（例如，从网站抓取数据，读取PDF和Word文档等）。本书还包括有关输入验证的实现方法，以及自动更新CSV文件的技巧。一旦掌握了编程的基础知识，你就可以毫不费力地创建Python程序，自动化地完成很多繁琐的工作。
Python书推荐
- 笨办法学Python 3
- Python 快速入门（第3版）
- Python核心编程（第3版）
- Python Cookbook（第3版）中文版
算法设计
作者： [美] 乔恩•克莱因伯格（Jon Kleinberg）
译者： 王海鹏
这是一本被众多名校采用的算法设计课程教材，强调用实际示例阐明枯燥的算法理论，更注重算法设计思路而非算法复杂度分析。本书采用新颖的教学方式，通过分析真实世界的问题来激发算法思想。两位作者以一种清晰、直接的方式，指导学生自己分析和定义问题，并从中找出适用于给定场景的算法设计原则。本书鼓励读者更深入地理解算法设计过程，探索算法在计算机科学的更广阔领域中的应用。
本书具有以下特色：
- 强调问题分析和设计方法；
- 遵循结构化教学法，引导学生掌握问题形式化、算法设计和算法分析的全过程；
- 通过一系列带解答的问题，展示计算机科学家设计和应用算法的过程；
- 包含 200 多道作业题，其中一些题目出自 Yahoo! 和 Oracle 等公司；
- 提供广泛用于处理 NP 困难问题和随机应用的算法，这些是极其重要的算法主题。
程序员的数学基础课 从理论到Python实践
作者： 黄申
1.紧紧围绕程序员的需求。
数学的课题非常广泛，但本书没有涉及数学领域的全部课题，而是从程序员的需求出发，精心挑选了编程所需的常用知识点，并实现学以致用。
2.结合生动的案例和形象的比喻解读难点。
降低技术理解的门槛，让程序员更容易理解数学背后的逻辑，并对实际生产问题进行数学建模，进而设计出更有效的算法，编写出更优雅的代码。
3.注重编程实践。
除了阐述理论知识，书中还提供了要通过大量实践才能积累的宝贵经验，让读者有机会亲自动手编写Python 代码，进而加深理解。
4.提供源代码下载。
本书紧贴计算机领域，从程序员的需求出发，精心挑选了程序员真正用得上的数学知识，通过生动的案例来解读知识中的难点，使程序员更容易对实际问题进行数学建模，进而构建出更优化的算法和代码。
机器学习公式详解
作者： 谢文睿 ,秦州
1.周志华教授“西瓜书”《机器学习》公式完全解析指南！
“南瓜书”系Datawhale成员自学笔记，对“西瓜书”中250个重难点公式做了详细解析和推导（重难点公式覆盖率达99%），旨在解决机器学习中的数学难题。
2.机器学习初学小白提升数学基础能力的必备练习册！
以本科数学基础视角对“西瓜书”里比较难理解的公式加以解析和推导细节，补充大量重、难点数学知识和参考材料，分享在学习中遇到的“坑”以及跳过这个“坑”的方法，对于初学机器学习的小白也能上手练习！
本书（俗称“南瓜书”）基于Datawhale 成员自学“西瓜书”时记下的笔记编著而成，旨在对“西瓜书”中重难点公式加以解析，以及对部分公式补充具体的推导细节。
全书共16 章，与“西瓜书”章节、公式对应，每个公式的推导和解析都以本科数学基础的视角进行讲解，希望能够帮助读者达到“理工科数学基础扎实点的大二下学期学生”水平。每章都附有相关阅读材料，以便有兴趣的读者进一步钻研探索。
机器学习书推荐
- 机器学习的数学
- 机器学习精讲
- 机器学习测试：入门与实践
UNIX传奇：历史与回忆
作者： [美]布莱恩·W.克尼汉（Brian W. Kernighan）
译者： 韩磊
1. 计算机先驱布莱恩·W. 克尼汉，继《C程序设计语言》后的全新力作！
2. 跨越50年历史河流，带你走进贝尔实验室，亲历IT发展史实。
（1）以肯·汤普森、丹尼斯·里奇、道格·麦基尔罗伊等传奇人物小传，串联成20世纪一系列重要发明的起源/发展线路图。
（2）以Unix的诞生与迭代、优秀而开明的管理体制、有远见的持续投资等精彩故事，揭示出贝尔实验室如何孕育出科技创新的真相。
（3）以Unix诞生见证者回忆往事的轻松口吻和不为人知的有趣图片，述说Unix的“设计哲学”如何被计算机世界有效利用且延续至今。
本书不但书写Unix的历史，而且记录作者的回忆，一探Unix的起源，试图解释什么是Unix，Unix是如何产生的，以及Unix为何如此重要。除此之外，本书以轻松的口吻讲述了一群在贝尔实验室工作的发明天才的有趣往事，本书中每一个故事都是鲜为人知却又值得传播的宝贵资源。
本书适合对计算机或相关历史感兴趣的人阅读。读者不需要有太多的专业技术背景，就可以欣赏Unix背后的思想，了解它的重要性。
人文IT书推荐
- 代码整洁之道
- 代码整洁之道 程序员的职业素养
- 软技能 代码之外的生存指南
- 重构 改善既有代码的设计（第2版 平装）
Linux命令行大全 第2版
作者： 威廉 • 肖特斯（William Shotts）
译者： 门佳 ,李伟
本书对Linux命令行进行详细的介绍，全书内容包括4个部分，第一部分由Shell的介绍开启命令行基础知识的学习之旅；第二部分讲述配置文件的编辑，如何通过命令行控制计算机；第三部分探讨常见的任务与必备工具；第四部分全面介绍Shell编程，读者可通过动手编写Shell脚本掌握Linux命令的应用，从而实现常见计算任务的自动化。通过阅读本书，读者将对Linux命令有更加深入的理解，并且可以将其应用到实际的工作中。
本书适合Linux初学人员、Linux系统管理人员及Linux爱好者阅读。
Linux书推荐
- 鸟哥的Linux私房菜 基础学习篇（第四版）
- Linux就该这么学
- UNIX/Linux 系统管理技术手册（第5版）
- 奔跑吧Linux内核（第2版）卷1：基础架构
- 奔跑吧Linux内核（第2版）卷2：调试与案例分析
深度学习与围棋
作者： [美]马克斯•帕佩拉（Max Pumperla）
译者： 赵普明
1.本书是一本人工智能的实践性入门教程，成功地把AlphaGo这个人工智能领域中最激动人心的里程碑之一，转化为一门优秀的入门课程；
2.采用Keras深度学习框架，用Python来实现代码；
3.内容全面，层次划分细致，基本上将AlphaGo背后所有的理论知识都覆盖了；
4.提供配套源代码。
本书通过教读者构建一个围棋机器人来介绍深度学习技术。随着阅读的深入，读者可以通过Python深度学习库Keras采用更复杂的训练方法和策略。读者可以欣赏自己的机器人掌握围棋技艺，并找出将学到的深度学习技术应用到其他广泛的场景中的方法。
本书主要内容
● 构建一个游戏 AI，并教会它自我改进。
● 用深度学习增强经典游戏 AI 系统。
● 实现深度学习的神经网络。
要阅读本书，读者只需具备基本的Python技巧和高中水平的数学知识，而不需要任何深度学习经验。
深度学习书推荐
- 深度学习
- 动手学深度学习
- Python图像处理实战
- PyTorch深度学习
- Keras深度学习实战
人工智能算法 卷3 深度学习和神经网络
作者： [美] 杰弗瑞·希顿（Jeffery Heaton）
译者： 王海鹏
1.本卷研究了当前的神经网络技术，包括ReLU 激活、随机梯度下降、交叉熵、正则化、Dropout 和可视化；
2.丰富的示例代码和在线资源，方便动手实践与拓展学习；
3.提供在线实验环境；
4.全彩印刷；
自人工智能的早期阶段以来，神经网络就扮演着至关重要的角色。现在，令人兴奋的新技术，例如深度学习和卷积，正在将神经网络带向一个全新的方向。本书结合各种现实世界任务中的神经网络应用，例如图像识别和数据科学，介绍了当前的神经网络技术，包括ReLU激活、随机梯度下降、交叉熵、正则化、Dropout和可视化。
本书的目标读者是那些对人工智能感兴趣，但苦于没有良好的数学基础的人。读者只需要对大学代数课程有基本了解即可。本书为读者提供配套的示例程序代码，目前已有Java、C#和Python版本。
推荐阅读：
《人工智能算法（卷1）：基础算法》ISBN：9787115523402
《人工智能算法（卷2）：受大自然启发的算法》ISBN：9787115544315
GAN实战
1.“深度学习系统的一大进步”——GAN，在图像生成和数据增强领域有出色表现；
2.以Python语言实现，很强的实战性，涵盖构建、训练、优化全过程；
3.英国创企孵化器Founders Factory计算机视觉领域的联合创始人Jakub Langr与美国纽约一家初创公司的高级产品经理Vladimir Bok合力写就；
4. 获Simeon Leyzerzon、Dana Robinson、Grigory V. Sapunov、Bachir Chihani等人联袂推荐；
本书主要介绍构建和训练生成对抗网络（GAN）的方法。全书共12 章，先介绍生成模型以及GAN 的工作原理，并概述它们的潜在用途，然后探索GAN 的基础结构（生成器和鉴别器），引导读者搭建一个简单的对抗系统。
本书给出了大量的示例，教读者学习针对不同的场景训练不同的GAN，进而完成生成高分辨率图像、实现图像到图像的转换、生成对抗样本以及目标数据等任务，让所构建的系统变得智能、有效和快速。