1、MySQL是怎樣執行的 從根兒上理解MySQL2、自然語言處理實戰 利用Python理解、分析和生成文字Python自然語言處理NLP入門到實戰兼具基礎理論與程式設計實戰，現代自然語言處理領域從業者的實用指南提供原始碼，小米AI實驗室NLP團隊獻譯
正因為深度學習和NLP密不可分，近年來有關“深度學習+NLP”的課程和書籍也在不斷湧現。本書就是其中的一本。和其他實戰類書籍一樣，本書既有基礎理論也有程式設計實戰，基礎理論部分簡潔易懂，程式設計實戰部分可以直接下載原始碼執行，這種搭配特別適合初學者入門，可以作為現代NLP從業者的第一本入門書。
在本書中，讀者不僅會學習這些系統的內部工作原理，還會學習相關的理論和實踐技能，並建立自己的演算法或模型。基本計算機科學概念無縫地轉換為方法和實踐的堅實基礎。從一些久經考驗的經典方法（如TF-IDF）開始，再深入到NLP相關的深層神經網路，作者帶領讀者對於自然語言處理的核心方法開啟了一段清晰的體驗之旅。
3、PyTorch生成對抗網路程式設計
動手學深度學神經網路與深度學習，影象識別搭建GAN卷積影象生成配套示例程式碼，圖文並茂，用PyTorch構建自己的生成對抗網路。生成對抗網路（Generative Adversarial Network，GAN）是神經網路領域的新星，被譽為“機器學習領域近20 年來最酷的想法”。
本書以直白、簡短的方式向讀者介紹了生成對抗網路，並且教讀者如何使用PyTorch按部就班地編寫生成對抗網路。全書共3章和5個附錄，分別介紹了PyTorch基礎知識，用PyTorch開發神經網路，改良神經網路以提升效果，引入CUDA和GPU以加速GAN訓練，以及生成高質量影象的卷積GAN、條件式GAN等話題。附錄部分介紹了在很多機器學習相關教程中被忽略的主題，包括計算平衡GAN的理想損失值、機率分佈和取樣，以及卷積如何工作，還簡單解釋了為什麼梯度下降不適用於對抗式機器學習。本書適合想初步瞭解GAN以及其工作原理的讀者，也適合想要學習如何構建GAN的機器學習從業人員。對於正在學習機器學習相關課程的學生，本書可以幫助讀者快速入門，為後續的學習打好基礎。
4、機器學習測試入門與實踐業界首部AI測試著作，32位BAT專家聯袂推薦精選15個AI測試要點，涵蓋5大技術主題從零開始快速入門機器學習測試。融360AI測試團隊著本書全面且系統地介紹了機器學習測試技術與質量體系建設，分為5部分，共15章。第一部分（第1～4章）涵蓋了機器學習、Python程式設計、資料分析的基礎知識；第二部分（第5～7章）介紹了大資料基礎、大資料測試指南及相關工具實踐；第三部分（第8～10章）講解了機器學習測試基礎、特徵專項測試及模型演算法評估測試；第四部分（第11～13章）介紹了模型評估平臺實踐、機器學習工程技術及機器學習的持續交付流程；第五部分（第14章和第15章）探討了AI（Artificial Intelligence）在測試領域的實踐及AI時代測試工程師的未來。 本書能夠幫助讀者瞭解機器學習是如何工作的，瞭解機器學習的質量保障是如何進行的。工程開發人員和測試工程師透過閱讀本書，可以系統化地瞭解大資料測試、特徵測試及模型評估等知識；演算法工程師透過閱讀本書，可以學習模型評測的方法和拓寬模型工程實踐的思路；技術專家和技術管理者透過閱讀本書，可以瞭解機器學習質量保障與工程效能的建設方案。
5、分析模式：可複用的物件模型
世界級軟體開發大師Martin Fowler的經典作品重現江湖！作者分享了豐富的物件建模經驗，以及識別重複問題並將其轉化為可複用的模型的敏銳洞察力一本講解不同領域（包括交易、測量、會計和組織關係等）模式的實用手冊典型的方法論書籍只關注工具和技術，面向物件社群期望有一本書能夠突破這一侷限，而這本開創性的著作正好滿足了這一需求。在本書中，作者關注的是面向物件分析和設計的最終結果，也就是模型本身。作者在本書中分享了豐富的物件建模經驗，以及識別重複問題並將其轉化為可複用的模型的敏銳洞察力，並給出了一系列來自不同領域（包括交易、測量、會計和組織關係等）的模式。概念模式無法孤立地存在，基於這一認識，作者還給出了一系列“支援模式”。這些模式探討了如何將概念模型轉化為軟體，並使其適合於大型資訊系統的架構。對每種模式的講解都包含了其背後的設計思路、應該（或不應該）使用這些模式的時機以及實現中的訣竅。本書中展示的例子構成了一本實用手冊，既包含有用的模型，又涵蓋對複用技能的深刻洞見，這些都有助於改進分析、建模和實現。
6、Python遷移學習
使用TensorFlow和Keras實現高階深度學習和神經網路模型關於深度學習和遷移學習的完整指南（從零開始學習）本書分為3個部分：第1部分是深度學習基礎，介紹了機器學習的基礎知識、深度學習的基礎知識和深度學習的架構；第2部分是遷移學習精要，介紹了遷移學習的基礎知識和遷移學習的威力；第3部分是遷移學習案例研究，介紹了影象識別和分類、文字文件分類、音訊事件識別和分類、DeepDream演算法、風格遷移、自動影象掃描生成器、影象著色等內容。
本書適合資料科學家、機器學習工程師和資料分析師閱讀，也適合對機器學習和遷移學習感興趣的讀者閱讀。在閱讀本書之前，希望讀者對機器學習和Python程式設計有基本的掌握。
7、Python影象處理實戰影象處理，計算機視覺人臉識別影象修復程式設計入門教程書籍零基礎，深度學習爬蟲，用流行的Python影象處理庫、機器學習庫和深度學習庫解決影象處理問題本書介紹如何使用流行的Python影象處理庫（如PIL、scikit-image、python-opencv、SciPy ndimage和SimpleITK）、機器學習庫（scikit-learn）和深度學習庫（TensorFlow、Keras）解決影象處理問題。透過學習本書，讀者能夠透過編寫程式程式碼來實現複雜的影象處理（如影象增強、濾波、復原、分割、分類和目標檢測），還能夠掌握用機器學習和深度學習模型來解決複雜的影象處理問題的方法。
本書從基礎開始，透過書中所提供的Python可重現實現來引導讀者逐步進階。本書從經典的影象處理技術開始，探索影象處理演算法的進化歷程，直至影象處理或計算機視覺與深度學習方面的最新進展。
8、HTTP抓包之介面自動化測試《HTTP抓包實戰》作者新作，介面自動化測試一本通掌握Fiddler抓包和JMeter發包，Cookie機制，劫持攻擊測試Web除錯，前端開發工程師參考書本書分為30章，每章的內容並不多，但卻配有生動有趣的例項和大量的圖片，方便讀者參考並動手實踐。讀者可以很快學完一章，每學一章都會有成就感。
第1～11章：補充了一點HTTP協議的知識，以及如何使用Fiddler來抓HTTP包，如何分析HTTP包。
第12～22章：介紹瞭如何透過JMeter、Postman和Python+requests來發送HTTP包以實現軟體自動化測試和介面的自動化測試。
第23～26章：透過列舉很多有意思的案例，介紹瞭如何使用抓包工具來實現安全測試和效能測試。
第27～30章：運用本書所講述的內容，實現了幾個日常生活中應用比較廣泛的綜合例項。
9、人工智慧演算法 卷2 受大自然啟發的演算法AI演算法入門教程，演算法導論，例項講解人工智慧基礎演算法！豐富的示例程式碼和線上資源，提供線上實驗環境原始碼下載，方便動手實踐與拓展學習，全綵印刷演算法是人工智慧技術的核心，大自然是人工智慧演算法的重要靈感來源。本書介紹了受到基因、鳥類、螞蟻、細胞和樹影響的演算法，這些演算法為多種型別的人工智慧場景提供了實際解決方法。全書共10章，涉及種群、交叉和突變、遺傳演算法、物種形成、粒子群最佳化、蟻群最佳化、細胞自動機、人工生命和建模等問題。書中所有演算法均配以具體的數值計算來進行講解，每章都配有程式示例，讀者可以自行嘗試。