程序员，本周上新好书在等你

本周上架７本新书，以深度学习为主，重磅好书在等这里等你，异步社区首发，各大网店陆续上架中。

动手学深度学习

亚马逊科学家作品
交互式实战环境下动手学深度学习的全新模式，原理与实战完美结合

本书面向希望了解深度学习，特别是对实际使用深度学习感兴趣的大学生、工程师和研究人员。本书不要求读者有任何深度学习或者机器学习的背景知识，读者只需具备基本的数学和编程知识，如基础的线性代数、微分、概率及Python编程知识。本书的附录中提供了书中涉及的主要数学知识，供读者参考。

网店已上架。【京东购买】【当当购买】

UNIX操作系统设计

作者：[美] 莫里斯·J. 巴赫（Maurice J.Bach）

译者：陈葆钰, 王旭, 柳纯录, 冯雪山

Linux之父Linux Torvalds曾捧读的经典著作
UNIX操作系统经典著作，畅销多年
深度剖析UNIX操作系统内核的内部数据结构、算法和UNIX系统的高级问题

本书以UNIX系统为背景，全面、系统地介绍了UNIX操作系统内核的内部数据结构和算法。本书首先对系统内核结构做了简要介绍，然后分章节描述了文件系统、进程调度和存储管理，并在此基础上讨论了UNIX系统的高级问题，如驱动程序接口、进程间通信与网络等。在每章之后，还给出了大量富有启发性和实际意义的题目。

深入浅出人工神经网络

作者：江永红

《深入浅出人工神经网络》总共分为3部分，总计9章。第1部分讲解了人工神经网络的源头—生物神经网络的基础知识，第2部分讲解了学习人工神经网络的数学知识，第3部分讲解了几种常见而典型的人工神经网络模型，比如感知器、多层感知器、径向基函数神经网络、卷积神经网络、循环神经网络等。

编程的乐趣：用Python解算法谜题

作者：[美] 斯里尼•德瓦达斯（Srini Devadas）
译者：戴旭李亚舟许亚运

很少有初学编程的人愿意为了编程而编程，本书创新地通过求解有趣的谜题来教授读者编程，为枯燥的编程学习过程注入了很强的趣味性，谜题是来自真实世界的应用，饶有趣味、易于描述。书中的代码用Python语言编写。与以往的编程书不同，本书将对代码功能的理解与编程语言语法和语义的理解分离开来，从解每个谜题开始，先给出解谜题的算法，随后用Python语法和语义实现对应的算法，并适当做出解释。本书包含了21个谜题，其中很多谜题都广为流传，如多皇后、汉诺塔、在几秒钟内解决数独问题、验证六度分隔猜想等，每个谜题后面都配有不同难度的编程习题，帮读者加深对相关算法的理解。

网店已上架。【京东购买】【当当购购买】

网络虚拟化技术详解：NFV与SDN

作者：【印】拉金德拉▪查亚帕蒂（Rajendra Chayapathi）、【巴】赛义德▪法鲁克▪哈萨（Syed Farrukh Hassan）、【印】帕雷什▪沙（Paresh Shah）

译者：夏俊杰, 范恂毅, 赵辉

网络运维人员技能指南
本书较为全面地涵盖了NFV架构、关键技术、开发等内容
NFV技术入门级读物
理论与实践相结合，读者可以即学即用

《网络虚拟化技术详解：NFV与SDN》是理解NFV（网络功能虚拟化）基础架构、部署策略、管理机制及相关技术的入门级书籍，作者从基本的NFV概念讲起，讨论了NFV的优势及设计原则，分析了NFV的编排、管理及用例，同时还简要介绍了SDN（软件定义网络）的基本知识，并讨论了NFV与SDN之间的相关性。通过《网络虚拟化技术详解：NFV与SDN》的学习，读者应该可以理解并掌握NFV及SDN的技术动态及产品实现情况，为企业网络向NFV网络迁移做好规划、设计、部署等方面的知识储备。

深度学习企业实战——基于R语言

作者：[英]尼格尔·刘易斯（N.D Lewis ）

译者：邓世超

拒绝生涩难懂的编程理论和数学公式
从案例中洞见深度学习的核心价值

深度学习是机器学习的一个分支，它能够使计算机通过层次概念来学习经验和理解世界。同时，深度学习也是非常贴近AI的一个技术分支，得到了越来越多人的关注。本书侧重于R语言与深度学习的结合，旨在通过通俗易懂的语言和实用技巧的介绍，帮助读者了解深度学习在商业领域的应用。

本书包含12章，涉及基本的R编程技巧和深度学习原理，同时介绍了神经网络和深度学习在商业分析中的应用。除此之外，本书还介绍了神经网络的学习机制、激活函数等内容，并且给出了新闻分类、客户维系方法、消费预测、产品需求预测等实用策略。

深度学习实战之PaddlePaddle

作者：潘志宏王培彬万智萍邱泽敏

国内计算机视觉知名教授力荐
一本学习用PaddlePaddle做深度学习项目开发的实用手册
源程序兼容PaddlePaddle新版本“飞浆

本书全面讲解了深度学习框架PaddlePaddle，并结合典型案例，阐述了PaddlePaddle的具体应用。本书共15章。第 1 章介绍了深度学习及其主流框架；第2章介绍了几种不同的PaddlePaddle安装方式；第3章使用MNIST数据集实现手写数字识别；第4章介绍CIFAR彩色图像识别；第5章介绍了自定义数据集的识别；第6章介绍了验证码的识别；第7章介绍了场景文字的识别；第8章实现了验证码的端到端的识别；第9～11章讲解了车牌识别、使用SSD神经网络完成目标检测；第12章和第13章介绍了Fluid、可视化工具VisualDL；第 14 章和第 15 章介绍了如何在服务器端与Android移动终端使用PaddlePaddle进行项目实践。