计算机 - 第2页

《深入理解计算机系统（原书第3版）》和第2版相比，本版内容上最大的变化是，从以IA32和x86-64为基础转变为完全以x86-64为基础。主要更新如下：基于x86-64，大量地重写代码，首次介绍对处理浮点数据的程序的机器级支持。处理器体系结构修改为支持64位字和操作的设计。引入更多的功能单元和更复杂的控制逻辑，使基于程序数据流表示的程序性能模型预测更加可靠。扩充关于用GOT和PLT创建与位置无关代

近年，人工智能热潮席卷而来。本书以图解的方式网罗了人工智能开发必备的基础知识，内容涉及机器学习、深度学习、强化学习、图像和语音的模式识别、自然语言处理、分布式计算等热门技术。全书以图配文，深入浅出，是一本兼顾理论和技术的人工智能入门教材。旨在帮助读者建立对人工智能技术的整体印象，为今后深入探索该领域打下基础。另外，书中设有专栏和“小贴士”，介绍了相关术语的背景知识，可帮助读者扩充知识面，进一步理解

李沐，动手深度学习，中文第二版，2023年8月18日。本书是《动手学深度学习（PyTorch版）》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络——多层感知

《深度学习入门：基于Python的理论与实现》又称“鱼书”，是深度学习真正意义上的入门书，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。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相

《计算机组成与系统结构（第 3 版）》主要介绍计算机组成与系统结构涉及的相关概念、理论和技术，主要内容包括指令集体系结构、数据的表示和存储，以及实现指令集体系结构的计算机各部件的内部工作原理、组成结构及其相互连接。本书共分 9 章：第 1 章对计算机系统及其性能评价进行概述性介绍；第 2～3 章主要介绍数据的机器级表示和运算，以及运算部件的结构与设计；第 4～6 章介绍指令系统、各种 CPU 设计

《利用Python进行数据分析》第1版出版于2012年，彼时基于 Python 的开源数据分析库（例如 pandas）仍然是一个发展迅速的新事物，本书也成为该领域排名No1的经典畅销书，前两版中文版累计销售近30万册。第3版针对 Python3.10 和 pandas1.4 进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的 panda

本书从强化学习最基本的概念开始介绍，将介绍基础的分析工具，包括贝尔曼公式和贝尔曼最优公式，然后推广到基于模型的和无模型的强化学习算法，最后推广到基于函数逼近的强化学习方法。本书强调从数学的角度引人概念、分析问题、分析算法，并不强调算法的编程实现。本书不要求读者具备任何关于强化学习的知识背景，仅要求读者具备一定的概率论和线性代数的知识。如果读者已经具备强化学习的学习基础，本书可以帮助读者更深入地理解

本书基于备受读者推崇的王树森“深度强化学习”系列公开视频课，专门解决“入门深度强化学习难”的问题。 本书的独特之处在于：第一，知识精简，剔除一切不必要的概念和公式，学起来轻松；第二，内容新颖，聚焦近 10 年深度强化学习领域的突破，让你一上手就紧跟最新技术。本书系统讲解深度强化学习的原理与实现，但不回避数学公式和各种模型，原创 100 多幅精美插图，并以全彩印刷展示。简洁清晰的语言 + 生动形象的

《流畅的Python（第2版）》是 Python 领域备受推崇的经典作品，致力于帮助 Python 开发人员挖掘这门语言及相关程序库的优秀特性，写出简洁、流畅、易读、易维护，并且地道的 Python 代码。本书着重讲解 Python 语言所独有的功能，助你成功进阶为 Python 高手。第二版与时俱进，教你跳出旧有经验，探索并运用地道的 Python 3 功能。主体内容分为五部分：数据结构、函数即

英文版地址：Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow 3rd Edition (Third)《机器学习实战（原书第 3 版）：基于 Scikit-Learn、Keras 和 TensorFlow》是全球畅销的机器学习入门经典，由 Aurélien Géron 编写，全面介绍了使用 Python 进行机器学习