[O’REILY动物书合辑 图灵新版（套装全9册）]乔尔?格鲁斯_经典版mobi

作者介绍：

本套装共包含《数据科学入门（第2版）》 、《bash shell脚本编程经典实例（第2版）》 、《Python深度学习入门：从零构建CNN和RNN》 、《Node与Express开发（第2版）》 、《量子计算机编程：从入门到实践》 、《数据科学中的实用统计学（第2版）》 、《Google系统架构解密：构建安全可靠的系统》 、《微服务与事件驱动架构》 、《机器学习流水线实战》9本书

内容介绍：

本套装共包含《数据科学入门（第2版）》 、《bash shell脚本编程经典实例（第2版）》 、《Python深度学习入门：从零构建CNN和RNN》 、《Node与Express开发（第2版）》 、《量子计算机编程：从入门到实践》 、《数据科学中的实用统计学（第2版）》 、《Google系统架构解密：构建安全可靠的系统》 、《微服务与事件驱动架构》 、《机器学习流水线实战》9本书

本书基于Python语言环境 ，从零开始讲解数据科学工作 ，讲述数据科学工作所需的技能与诀窍 ，并带领读者熟悉数据科学的核心知识：数学与统计学 。作者借助大量具有现实意义的实例详细展示了什么是数据科学 ，介绍了从事数据科学工作需要用到的库 ，如NumPy 、scikit-learn 、pandas等 ，还在每章末尾推荐了很多学习资源 ，帮助你进一步巩固本书所学 。新版基于Python 3.6 ，重写了所有示例和代码 ，并根据数据科学近几年的发展 ，新增了关于深度学习 、统计学和自然语言处理等主题 ，让图书内容与时俱进 。

bash是Linux下常用的shell 。用户可以通过bash ，以命令的形式操控Linux系统 。作为一本bash用法速查手册 ，本书主要内容包括：标准输出和输入以及执行命令；shell变量 、shell逻辑和算术；中级shell工具和高级脚本；使用find 、locate和slocate查找文件；处理日期和时间；编写安全的shell脚本；配置和自定义bash 。第2版更新至Git ，每个实例均包含一个或多个示例脚本 ，并讨论了解决方案的工作原理 。

本书全面介绍了深度学习知识 ，借助数学公式 、示意图和代码 ，旨在帮助读者从数学层面 、概念层面和应用层面理解神经网络 。读者可以跟随本书构建和训练神经网络模型 ，从而解决实际问题 。另外 ，本书着重介绍卷积神经网络和循环神经网络 ，并提供PyTorch开源神经网络库的使用方法 ，有助于学习构建更高级的神经网络架构 。

本书系统地讲解了使用Express开发动态Web应用的流程和步骤 。作者不仅讲授了开发公共站点及REST API的基础知识 ，还讲解了构建单页 、多页及混合Web应用的规划方式及最佳实践 。为了适应中间件及相关工具在过去几年里的变化 ，第2版更侧重于Express作为提供API的后端服务器 ，并新增了单页应用的示例 。 本书适合希望使用JavaScript 、Node 、Express构建Web应用的开发人员阅读 。

量子计算被誉为下一代编程范式 。随着一些量子计算平台和模拟器向公众开放 ，普通程序员也可以尝试编写量子计算程序 ，感受前沿科技的无穷魅力 。本书不会解释晦涩的量子力学理论 ，而会采用直观的圆形表示法描绘量子比特 ，并从实践角度展示如何编写有趣的量子计算程序 。通过本书提供的在线实验室网站 ，你可以动手运行书中的JavaScript示例代码 。全书分为四大部分 ，分别介绍量子计算机编程的核心概念 、原语 、应用和发展趋势 。你将了解量子隐形传态 、量子算术运算 、量子傅里叶变换和量子相位估计等知识 ，以及量子搜索 、量子超采样 、量子机器学习等高级主题 。

本书解释了数据科学中至关重要的统计学概念 ，并介绍了如何将各种统计方法应用于数据科学 。作者以通俗易懂 、分门别类的方式 ，阐释了统计学中与数据科学相关的关键概念 ，并解释了各统计学概念在数据科学中的重要性及有用程度 。第 2 版在第 1 版的基础上加入了更多以Python 和 R 编写的示例 ，更清楚地阐释了如何将统计方法用于数据科学 。

作为系统架构的重中之重 ，安全性和可靠性是设计和维护可扩展系统的核心 。在本书中 ，Google安全团队分享了成功设计 、实现 、维护系统的最佳实践 。你将了解系统的设计策略 ，如何在编程 、测试 、调试等环节中实现安全性和可靠性 ，以及如何应对不可预知的安全事件 。全书分为五大部分 ，共21章 ，内容涉及安全性和可靠性的关系 ，系统的设计原则 、实现原则 、维护原则 ，还辅以丰富的案例分析 。阅读本书 ，你不仅能学到丰富的系统架构技巧 ，而且能看到相关从业者在面临复杂的实际状况时如何权衡利弊 ，从而真正提高系统的安全性和可靠性 。

微服务既有同步实现 ，亦有异步实现 。异步微服务架构以事件驱动 ，不受特定的API限制 ，系统的耦合度低 ，可扩展性强 。本书教你从头开始构建完整的事件驱动型微服务架构 ，根据实际的业务需求调整 、扩展微服务 ，更好地实践持续交付 ，并以新的视角思考如何充分利用实时数据的价值 。

本书介绍如何构建完整的机器学习流水线 ，从而在生产环境中准备数据以及训练 、验证 、部署和管理机器学习模型 。你将了解机器学习流水线的每个环节 ，以及如何利用TensorFlow Extended（TFX）构建机器学习流水线 。模型的生命周期是一个闭环 ，其中包括数据读取 、数据校验 、数据预处理 、模型训练 、模型分析 、模型验证 、模型部署 、模型反馈等环节 。你将学习如何利用Beam 、Airflow 、Kubeflow 、TensorFlow Serving等工具将每一个环节的工作自动化 。学完本书 ，你将不再止步于训练单个模型 ，而是能够从更高的角度将模型产品化 ，从而为公司创造更大的价值 。



下载地址