Python书单第 2 弹！

Python书单第 2 弹来了！

用Python动手学统计学

作者：[日]马场真哉
译者：吴昊天

面向零基础读者的统计学入门书

文科生也能学会！

• 内容充实，与数据打交道的人都需要
• 文字、公式、代码多角度讲解
• 理论与实践并重

简介：通过阅读本书，读者不仅可以通过书中例子深刻理解统计学术语、统计分析方法和预测方法等，还可以学到十分前沿的机器学习知识，以及如何使用Python 实现数据可视化和建模等。本书结构清晰、直观易懂，适合统计学和Python初学者以及对数据科学和机器学习感兴趣的读者使用，也可作为高等院校计算机、统计等专业学生的入门书。

Python数据分析基础

作者：Clinton W. Brownley
译者：陈光欣

• Facebook数据专家著作
• 掌握基本Python编程方法，高效处理数据
• 入门好书，和数据打交道的工作人员必读

简介：本书展示如何用 Python 程序将不同格式的数据处理和分析任务规模化和自动化。主要内容包括 ：Python 基础知识介绍、CSV 文件和 Excel 文件读写、数据库的操作、示例程序演示、图表的创建，等等。

深度学习入门：基于Python的理论与实现

作者：斋藤康毅
译者：陆宇杰

深度学习真正意义上的入门书

• 日本深度学习入门经典畅销书，原版上市不足2年印刷已达10万册
• 长期位列日亚“人工智能”类图书榜首，超多五星好评。
• 简明易懂，相比AI圣经“花书”，更合适入门

简介：本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。

Python数据科学手册

作者：[美]杰克·万托布拉斯
译者：陶俊杰、陈小莉

可以打10星的超棒数据科学工具书！

• 掌握Scikit-Learn、NumPy等高效处理数据
• 大量示例+逐步讲解+举一反三，切实解决工作痛点，提升效率
• Python数据分析学习的最佳读本！

简介：本书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。本书适合有编程背景，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。

用Python动手学机器学习

作者：[日]伊藤真
译者：郑明智 司磊

• 面向机器学习新手的入门书
• 图形+代码+详细数学式推导过程，降低门槛
• Jupyter Notebook交互式编程环境学习不枯燥

简介：本书从学习环境的搭建开始，图文并茂地介绍了学习机器学习所需的Python知识和数学知识，并在此基础上结合数学式、示例程序、插图等，抽丝剥茧般地对有监督学习中的回归与分类、神经网络与深度学习的算法与应用、手写数字识别、无监督学习的算法等进行了介绍。

Python数据分析：活用Pandas库

作者：[美] 丹尼尔·陈
译者：武传海

• Python数据分析入门书
• 轻松掌握流行的Python数据分析工具
• 深入浅出，示例丰富，容易理解和上手

简介：本书每个概念都通过简单实例来阐述，便于读者理解与上手。具体内容包括：Python及Pandas基础知识，加载和查看数据集，Pandas的DataFrame对象和Series对象，使用matplotlib、seaborn和Pandas提供的绘图方法为探索性数据分析作图，连接与合并数据集，处理缺失数据，清理数据，转换数据类型，处理字符串，应用函数，分组操作，拟合及评估模型，正则化方法与聚类技术等。

用Python学数学

作者：[美]彼得·法雷尔
译者：严开

• 编程与数学强强联合
• 以趣味探险路线展示案例
• 让你领略数学的实用性与编程的趣味性

简介：本书向读者展示如何利用编程来让数学学习变得有意义并且充满乐趣。读者在探索代数学、几何学、三角学、矩阵和元胞自动机等领域的关键数学概念时，将学会在Python语言的帮助下使用代码可视化一系列数学问题的解决方案。读完本书，读者还可以编写自己的程序来快速解方程，自动完成一些烦琐的任务，以及编写函数来绘制和操作形状，等等。

程序员数学：用Python学透线性代数和微积分

作者：保罗·奥兰德
译者：百度KFive

• 图文结合，用Python解决程序中的数学问题
• 边学边练，深刻掌握线性代数和微积分概念
• 实用、直观，适合所有程序员阅读！

简介：代码和数学是相知相惜的好伙伴，它们基于共同的理性思维，数学公式的推导可以自然地在编写代码的过程中展开。本书带领程序员使用自己熟知的工具，即代码，来理解机器学习和游戏设计中的数学知识。通过Python代码和300多个练习，读者将掌握二维向量、三维向量、矩阵变换、线性方程、微积分、线性回归、逻辑回归、梯度下降等。

用Python动手学强化学习

作者：[日]久保隆宏
译者：梁垿 程引

• 基本概念×算法详解×前沿应用×弱点及对策
• 基于Python实现，直观理解运作过程
• 132张图表×大量示例，通俗易懂

简介：强化学习是机器学习的重要分支之一。本书结合实际可运行的Python代码，通过简明的文字、丰富的插图和示例，通俗易懂地介绍了从基础概念到前沿应用等方方面面的内容，包括根据环境和经验制订计划的学习方法、强化学习与神经网络的组合，以及强化学习的弱点和克服方法。读者通过下载书中代码并亲自动手运行，可以快速入门强化学习并进行实践。

Python计算机视觉与深度学习实战

作者：郭卡 戴亮

高效上手的计算机视觉项目开发

• 一本超简单的计算机视觉书
• 带你从 0 到 1 搭建优美的深度学习模型
• CV类毕设项目刚需

简介：本书基于sklearn和PyTorch，以理论加实践的方式，介绍计算机视觉项目，帮助轻松入门计算机视觉。其中包含图像分类与回归、图像搜索、图像压缩、图像分割、目标检测，以及文本识别，本书涵盖了绝大部分的计算机视觉项目。本书适合有一定的Python 编程基础，初学深度学习的读者阅读。