下旬，终于告别了炎炎夏日，迎来了一抹秋凉。小编感觉整个人清爽了好多，你们也是这样吧。
下旬，终于告别了炎炎夏日，迎来了一抹秋凉。小编感觉整个人清爽了好多，你们也是这样吧。
月末秋初，给大家介绍几本即将上架和已经上架的8月新书，请细品哟！
本书通过Python语言讲解无监督学习，全书内容包括10章，前面9章由浅入深地讲解了无监督学习的基础知识、聚类的基础知识、高级聚类、层次聚类、软聚类和高斯混合模型、异常检测、降维和分量分析、无监督神经网络模型、生成式对抗网络和自组织映射，第10章以问题解答的形式对前面9章涉及的问题给出了解决方案。
本书需要你有机器学习和Python编程的基本知识。此外，为了充分理解书中所有的理论，还需要你了解大学阶段的概率论、微积分和线性代数等相关知识。但是，不熟悉这些知识的读者也可以跳过数学讨论，只关注实践方面的内容。在需要时，你可以参考相关论文和书籍，以便更深入地理解复杂的概念。
本书适合数据科学家、机器学习从业者和普通的软件开发人员阅读，通过学习本书介绍的无监督学习理论和Python编程方法，读者能够在业务实践中获得有价值的参考。
本书分为两部分，见下图。
本书是一本指导Python程序员顺利通过技术面试的实用指南。全书共14章，分为Python基础和Python数据结构与算法两部分。本书涵盖的内容包括Python简介，数据类型与内置函数，Python中的运算符，决策与循环，用户自定义函数，类和继承，文件，算法分析与大O符号，基于数组的序列，栈、队列和双端队列，链表，递归，树，搜索和排序。在对Python的相关主题进行简要介绍的同时，本书还附加了面试官可能向读者提出的问题，这些问题按章排列，便于读者由浅入深地学习。
本书中的内容是以非常系统的方式组织的，分为两部分：Python编程基础和Python数据结构与算法。即使你擅长编程，我也建议圆舞曲不要轻视第一部分。在任何阶段，编程基础的一个小错误也是不可接受的，因此我们必须重视基础知识。
这本书不仅能够使你对Python编程基础有更好的理解，还介绍了相关的具体应用。书中使用简单的语言来介绍，目标是解释每个概念背后的逻辑。不管是学生还是专业人士都从这本书中受益匪浅。
内容展示：
教育不是学习已呢的知识，而是训练思想。——爱因斯坦
本书提供了Apache Spark机器学习API的全面解决方案，不仅介绍了用Spark完成机器学习任务所需的基础知识，也涉及一些Spark机器学习的高级技能。全书共有13章，从环境配置讲起，陆续介绍了线性代数库、数据处理机制、构建机器学习系统的常见攻略、回归和分类、用Spark实现推荐引擎、无监督学习、梯度下降算法、决策树和集成模型、数据降维、文本分析和Spark Steaming的使用。 本书是为那些掌握了机器学习技术的Scala开发人员准备的，尤其适合缺乏Spark实践经验的读者。本书假定读者已经掌握机器学习算法的基础知识，并且具有使用Scala实现机器学习算法的一些实践经验。但不要求读者提前了解Spark ML库及其生态系统。
本书以实例为向导，在实例中穿插神经网络的知识，以及TensorFlow 2框架来演示具体项目。书中并不是从零基础开始介绍的，需要读者具有一定的Python基础。如果读者同时还了解神经网络并且熟悉TensorFlow 2框架，则学习本书会更加容易。
本书讲述了TensorFlow 2框架及其在机器视觉方面的应用。书中的实例代码均为作者精心挑选的。读者需要按照章节顺序逐步完成具体的实例。建议读者参考书中的实例代码依次手动编写一遍，以确保能够了解每行代码的作用。
本书以医学数据为例，讲解如何使用R进行数据分析，结合大量精选的实例对常用分析方法进行了深入浅出的介绍，以帮助读者解决医学数据分析中的实际问题。本书共分为14章，第1章～第3章介绍了R语言的基本用法；第4章介绍了数据可视化；第5章介绍了基本的统计分析方法；第6章～第8章介绍了医学研究中最常用的三种回归模型；第9章介绍了生存分析的基本方法；第10章～第12章介绍了几种常用的多元统计分析方法；第13章介绍了临床诊断试验的统计评价指标和计算方法；第14章介绍了在医学科研实践中常用的Meta分析方法。本书适用于临床医学、公共卫生及其他医学相关专业的本科生和研究生使用，亦可作为其他专业的学生和科研工作者学习数据分析的参考书。阅读本书，读者不仅能掌握使用R及相关包快速解决实际问题的方法，还能更深入地理解数据分析。
使用Python和开源工具可以非常方便地进行现代文本分析，因此，在这个文本数据时代有必要掌握现代文本分析的方法。本书介绍了如何使用自然语言处理和计算语言学算法对所拥有的数据进行推理并获得洞察力。这些算法以统计机器学习和人工智能技术为基础。现在，使用了这些算法的工具唾手可得，并可在Python、Gensim和spaCy等工具中使用。本书从数据清理开始介绍，然后介绍了计算语言学的相关概念。在掌握了这些内容之后，接下来就可以使用真实的语言和文本，并借助Python来探索统计NLP和深度学习的更复杂领域。你将学到如何使用合适的工具来标注、解析和建模文本，并掌握相应框架工具的使用知识，还将知道何时选为主题模型选择Gensim这样的工具，以及何时使用Keras进行深度学习。本书很好地平衡了理论与实战案例之间的关系，因此你可以在掌握理论知识的同时，执运行自己的自然语言处理项目。你将发现Python这一自然语言处理工具所具有的丰富的生态系统，并将进入现代文本分析的有趣世界。
本书旨在为读者建立完整的深度学习知识体系。全书内容包含3个部分，第一部分为与深度学习相关的数学基础；第二部分为深度学习的算法基础以及相关实现；第三部分为深度学习的实际应用。通过阅读本书，读者可加深对深度学习算法的理解，并将其应用到实际工作中。本书适用于对深度学习感兴趣并希望从事相关工作的读者，也可作为高校相关专业的教学参考书。
1.全球销量逾百万册的系列图书，连续十余年打造的经典品牌； 2.经典SQL入门图书全新升级,上一版累计销量5万+； 3.每章内容针对初学者精心设计，1小时轻松阅读学习，24小时彻底掌握关键知识； 4.本书采用直观、循序渐进的方法，介绍了数据库结构、对象、查询、表等内容的处理方式； 5.读者将掌握高级SQL技术（包括视图、事务、Web连接，以及Oracle和Microsoft SQL Server对SQL的扩展）的使用方法； 6.循序渐进的示例引导读者完成最常见的SQL任务。问与答、测验和练习帮助读者检验知识的掌握情况。"注意""提示"和"警告"指出捷径和解决方案。 本书内容如下：
本书以Java EE为主要开发平台，系统讲解了通过Spring、Spring MVC和MyBatis（SSM）三大框架开发企业项目的方法、技术与实践。本书主要介绍了Spring、Spring MVC和MyBatis的基础知识，Spring的资源管理，如何实现控制反转，如何通过Spring表达式语言简化代码，如何通过面向切面编程降低业务逻辑各部分之间的耦合度，如何整合数据层，并结合具体案例讲述了如何通过SSM、Spring Boot实现项目的整合。 本书适合Java程序员、SSM开发人员、Spring Boot开发人员阅读。