得书 - 好书推荐、正版图书免费阅读

实战深度学习算法：零起点通关神经网络模型（基于Python和NumPy实现）

徐彬
深度学习入门！不借助框架，用Python从头创建深度学习模型，带你闯关的算法书。

电子书

深度学习与围棋

(美) 马克斯·帕佩拉 (Max Pumperla)
深入浅出的深度学习入门书，从零实现AlphaGo，为AI理论和应用打下基础。

电子书

Python算法从菜鸟到达人

猿媛之家组编
涵盖所有程序员必须掌握的50余种算法，从易到难逐级提升，满足编程菜鸟向达人转变的一切需求。

电子书

Python编程入门与算法进阶

中国电子学会
Python简单易学，是一种非常适合零基础编程人员学习算法与编程的高级程序设计语言。本书是中国电子学会全国青少年软件编程等级考试Python编程一至四级的指定用书，基于Python自带的集成开发工具IDLE3.5.2版本，对应每级考试要求讲解知识要点。对于广大青少年学习者，本书能够指导他们了解并掌握Python语言编程技巧，培养他们用Python语言编程解决生活中实际问题的能力。

电子书

深度强化学习实战：用OpenAI Gym构建智能体

普拉文·巴拉尼沙米(Praveen
这是一本介绍用OpenAIGym构建智能体的实战指南。全书先简要介绍智能体和学习环境的一些入门知识，概述强化学习和深度强化学习的基本概念和知识点，然后重点介绍OpenAIGym的相关内容，随后在具体的Gym环境中运用强化学习算法构建智能体。本书还探讨了这些算法在游戏、自动驾驶领域的应用。本书适合想用OpenAIGym构建智能体的读者阅读，也适合对强化学习和深度强化学习感兴趣的读者参考。读者应具备一

电子书

Python量子计算实践：基于Qiskit和IBM Quantum Experience平台

著
本书使用Qiskit开源框架和IBMQuantumExperience平台搭建一个量子计算平台，并借助Python来介绍实现量子编程的方法。本书内容由浅入深，从搭建编程环境并编写一个简单的量子程序开始，介绍如何使用Python编写简单的脚本，Qiskit和IBMQuantumExperience进行交互的方法，概率计算、叠加和纠缠等基本概念，影响量子程序输出结果的各种物理因素，Qiskit量子门资

电子书

基于价值实现和权利保障的档案资产论建构研究

王小云著
作者力图通过明确档案资产的劳动价值、使用价值，以及有形资产的载体价值、无形资产的内容价值等价值发展线索，梳理档案资产相关权利的发展轨迹以及档案资产客体扩张的历史脉络，阐明档案资产与信息资产、数字资产、知识资产等关联概念的关系，分析档案价值与档案权利的实现对于档案资产运营的影响，最终确立档案资产论以及主要观点。

电子书

联邦学习：原理与算法

王伟
人工智能机器学习教程书籍，平安科技联邦学习团队执笔，由浅入深介绍联邦机器学习的算法体系，注重工程实践，保证理论前沿性。

电子书

算法学习指南

[美] 乔治·海涅曼
本书深入阐述关键算法、数据结构、数据类型的基本原理。

电子书

Python机器学习入门

程晨
Python是一种解释型、面向对象、动态数据类型的高级程序设计语言。它具有丰富和强大的模块（库），能够很轻松地把用其他编程语言（尤其是C/C++）编写的各种模块联结在一起。这两年随着人们对人工智能的关注越来越多，大家对Python的学习热情也越来越高。在IEEE发布的编程语言排行榜中，Python已经多年排名第一。这本Python编程与机器学习的入门书，首先介绍了一些Python编程的基础知识，然

电子书

深度学习原理与实践

陈仲铭
（1）大量图例，简单易懂。作者亲自绘制了大量插图，力求还原深度学习的算法思想，分解和剖析晦涩的算法，用图例来表示复杂的问题。生动的图例也能给读者带来阅读乐趣，快乐地学习算法知识，体会深度学习的算法本质。（2）简化公式，生动比喻。深度学习和机器学习类的书中通常会有大量复杂冗长的算法公式，为了避免出现读者读不懂的情况，本书尽可能地统一了公式和符号，简化相关公式，并加以生动的比喻进行解析。在启发读者的同时，锻炼读者分析问题和解决问题的能力。（3）算法原理，代码实现。在介绍深度学习及相关算法的原理时，不仅给出了对应的公式，还给出了实现和求解公式的代码，让读者明确该算法的作用、输入和输出。原理与代码相结合，使得读者对深度学习的算法实现更加具有亲切感。（4）深入浅出，精心剖析。理解深度学习需要一定的机器学习知识，本书在D1章介绍了深度学习与机器学习的关系，并简要介绍了机器学习的内容。在内容安排上，每章依次介绍模型框架的应用场景、结构和使用方式，最后通过真实的案例去全面分析该模型结构。目的是让读者可以抓住深度学习的本质。（5）入门实践，案例重现。每一章最后的真实案例不是直接堆砌代码，而是讲解使用该算法模型的原因和好处。从简单的背景知识出发，使用前文讲解过的深度学习知识实现一个实际的工程项目。实践可以用于及时检验读者对所学知识的掌握程度，为读者奠定深度学习的实践基础。将一本技术书籍写得通俗易懂谈何容易，但《深度学习原理与实践》这本书确实做到了。书中对近年来火热的深度学习理论知识进行简单剖析，化繁为简，没有局限于坐而论道，而是将实例和数学理论相结合，让读者能够快速理解各种模型并上手实践，值得细读。--唐春明　广州大学数学与信息学科学院副院长本书从原理、方法、实践这3个维度系统地介绍了深度学习的方方面面，内容详实，解读清晰，细节与全貌兼顾，既适合初学者阅读，也可以作为深入研究的参考用书。--杨刚　西安电子科技大学教授近年来出版的深度学习相关图书中，本书是我见过非常有指导意义的中文书籍之一。本书对ANN、CNN、RNN等模型进行深入浅出的介绍，引入大量图例和简化后的公式，让算法浅显易懂。每一章的实践内容都给人惊喜，强烈推荐！--吴健之　腾讯音乐高级工程师作为产品经理，我能看懂的深度学习书籍实在太少了。本书恰到好处，插图丰富直观，数学公式简练，很喜欢此类风格的图书，易懂好学。即使你不是程序员或算法专家，该书也值得一看！--张瑞　中软国际高级产品经理

电子书

动手打造深度学习框架

李伟
本书基于C++编写，旨在带领读者动手打造出一个深度学习框架。

电子书

深度学习技术与应用

许桂秋
本书旨在介绍人工智能中深度学习的基础知识，为即将进入深度学习领域进行研究的读者奠定基础。全书共13章，其中，第1～4章为理论部分，第5～13章为应用部分。理论部分介绍了机器学习和深度学习的基本内容，以及TensorFlow开发框架的搭建和使用；应用部分设置了多个项目案例，并介绍了这些案例详细的实现步骤和代码，使读者在练习中熟悉和掌握相关知识的应用方法与技巧。本书采用项目驱动的编写方式，做到了理论和

电子书

Python高手修炼之道：数据处理与机器学习实战

许向武
适读人群：1.没有编程知识的新手不同于一般的基础语法讲解教程，本书并未将Python开发限定于某个集成开发工具（IDE）中，而是采用交互式编程的方式来强化读者对语言特性的理解，帮助新手读者真正理解Python语言和Python编程。2.从未接触过Python语言，但了解一点编程知识的初学者本书通过对基础知识高度的提炼和概括，以避免初学者陷入低级且冗长的细节知识点而心生懈怠；同时，本书为初学者规划了从初级到高级的编程技能提升路线图。3.具有一定基础的Python程序员本书可以作为案头工具书来使用。本书从基础语法、基本技能讲起，涵盖了科学计算、数据处理、机器学习等领域，示例代码涉及30余个模块的使用。构建从Python入门到数据分析到机器学习的路线图，入门有章可循；1.讲解独到，常见盲点趣解析作者基于多年的经验积累，善于总结概括初学Python过程中的误区。2.内容全面，常用工具全涵盖书中介绍的Python工具包覆盖Numpy、Matplotlib、Pandas、SciPy、Scikit-Learn，方便读者拓展实用技能、掌握工作利器。3.拓展训练，重点知识有强化语感训练100题、Python内置函数（类）手册、从新手到高手的100个模块，强化知识点的掌握。4.代码完整，随时动手可复现本书提供了完整、可验证的代码，方便读者动手练习并强化理解。

电子书

从零开始：机器学习的数学原理和算法实践

大威编著
一学就会的数学知识，通俗易懂的算法原理，经典实用的编程实践。

电子书

数据结构与算法（Python版）

周元哲
本书讲述了Python语言与数据结构。

电子书

递归算法与项目实战

阿尔·斯维加特（Al
本书凝聚了作者多年的Python教学经验，内容通俗易懂，旨在剖析递归及其本质。本书不仅结合Python程序和JavaScript程序讲述编程的基础知识，还讲述如何利用递归算法计算阶乘，计算斐波那契数列，遍历树，求解迷宫问题，实现二分搜索，完成快速排序和归并排序，计算大整数乘法，计算排列和组合，解决八皇后问题等。本书不仅适合开发人员阅读，还可供计算机相关专业的师生参考。

电子书

图像处理与计算机视觉实践——基于OpenCV和Python

吴佳编著
图像处理与计算机视觉实践教材，面向本科院校“计算机视觉”实践课。

电子书

Python图像处理实战

　著
本书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。

电子书

Python数据科学实战

著
本书主要从实战角度讲述了如何处理、分析和可视化数据，如何用数据建立各种统计学或机器学习模型。本书首先介绍如何使用Python代码获取、转换和分析数据；接着讲述如何使用Python中的数据结构和第三方库；然后展示如何以各种格式加载数据，如何对数据进行分组与汇总，如何创建图表和可视化数据；最后讨论如何解决实际的问题。本书适合希望使用Python处理和分析数据的开发人员阅读，也可供计算机相关专业的师生参