6年级学Python，高中学AI？这6本书，助你追回输掉的起跑线
导读：新学期开始了，数据叔猜你一定带着 想死 期待的心情回到了学校。数据叔也相信在刚过去的暑假里你一定有所收获！（至少收获了体重吧？）为了迎接新学期，数据叔今天要推荐6本书，并且再来一波送书福利！
为什么要读书呢？因为总有人给你制造焦虑啊，比如，山东省在最新的小学信息技术六年级教材中，加入了Python的内容。还有小学生写了作文，分享学习Python的体验。
▲小学生作文：第一次学Python
人工智能进高中课堂的消息已经不是新鲜事了。
00后来势汹汹，貌似等不及要把90后拍死在沙滩上。有人批评媒体贩卖焦虑，但这说明，很多人都愿意购买焦虑啊！
书读多了，焦虑自然就少了。剪掉数据叔的废话若干，进入正题：
1
《利用Python进行数据分析》
作者：Wes McKinney
推荐语：《利用Python进行数据分析》讲的是利用Python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。同时，它也是利用Python进行科学计算的实用指南（专门针对数据密集型应用）。
关于作者：Wes McKinney，资深数据分析专家，对各种Python库（包括NumPy、pandas、matplotlib以及IPython等）等都有深入研究，并在大量的实践中积累了丰富的经验。撰写了大量与Python数据分析相关的经典文章，被各大技术社区争相转载。开发了用于数据分析的著名开源Python库——pandas，广获用户好评。。
2
《离线和实时大数据开发实战》
作者：朱松岭
推荐语：梳理大数据生态与技术栈，准确定位技能与路线；锁定离线和实时场景典型开发需求和方案，实用而高效；难点突破融入案例，示例代码可复用度高；作者来自阿里巴巴智慧服务事业部，多场景、高复杂度数据开发与处理经验分享。
关于作者：朱松岭，花名邦中，阿里巴巴智能服务事业部数据开发专家。大数据践行者，致力于通过数据和算法的智能化赋能商业和社会，拥有十余年大数据一线实战经验，尤其对于智能化产品的大数据开发、架构和未来数据产品设计开发技术、大数据开发优化以及大数据建模等有较为深入的研究有丰富经验和深入认识。
3
《白话大数据与机器学习》
作者：高扬 卫峥 尹会生 万娟
推荐语：以降低学习曲线和阅读难度为宗旨，重点讲解了统计学、数据挖掘算法、实际应用案例、数据价值与变现，以及高级拓展技能，清晰勾勒出大数据技术路线与产业蓝图。本书精彩书摘请戳终于有人把数据、信息、算法、统计、概率和数据挖掘都讲明白了！
关于作者：高扬，金山软件西山居资深大数据架构师与大数据专家，有多年编程经验和多年大数据架构设计与数据分析、处理经验，目前负责西山居的大数据产品市场战略与产品战略。
卫峥，西山居软件架构师，多年的软件开发和架构经验，精通C/C++、Python、Golang、JavaScript等多门编程语言。
尹会生，西山居高级系统工程师。曾任新浪研发中心技术经理、北京尚观科技高级讲师。擅长企业集群解决方案和内核调优经验，并提供高性能和高可用性集群咨询服务。
万娟，星盘科技有限公司UI设计师平面，对VI设计、包装、海报设计等、商业插画、App交互、网页设计等有独到认识。
4
《TensorFlow学习指南》
作者：汤姆·奥普 等
推荐语：面向广泛的技术受众（从数据科学家、工程师到学生和研究人员），本书介绍了TensorFlow的基本原理和实践方法。从TensorFlow中的一些基本示例开始，深入探讨诸如神经网络体系结构、TensorBoard可视化、TensorFlow抽象库和多线程输入管道等主题。
关于作者：Tom Hope，是一位应用机器学习研究者和数据科学家，在学术界和工业界拥有广泛的背景。他领导了跨领域的数据科学和深度学习的研发团队。
Yehezkel S. Resheff，是机器学习和数据挖掘领域的应用研究人员。他在英特尔和Microsoft公司领导了深度学习的研发工作。
Itay Lieder，是机器学习和计算神经科学领域的应用研究人员。在研究生学习期间，他开发了用于模拟低级知觉的计算方法。
5
《基于深度学习的自然语言处理》
作者：约阿夫·戈尔德贝格
推荐语：本书系统阐述将深度学习技术应用于自然语言处理的方法和技术，深入浅出地介绍了深度学习的基本知识及各种常用的网络结构，并重点介绍了如何使用这些技术处理自然语言。
关于作者：约阿夫·戈尔德贝格（Yoav Goldberg），以色列巴伊兰大学计算机科学系高级讲师，曾任Google Research研究员。他曾经担任EMNLP、EACL等重要国际会议领域主席，在自然语言处理领域发表论文50余篇，并多次获得最佳论文以及杰出论文奖。
6
《机器学习系统设计：Python语言实现》
作者：戴维·朱利安
推荐语：本书为我们提供了机器学习设计过程的坚实基础，能够使我们为特定问题建立起定制的机器学习模型。我们可能已经了解或使用过一些为解决常见问题的商用机器学习模型，例如垃圾邮件检测或电影分级，但是要着手于解决更为复杂的问题，则其重点是让这些模型适用于我们自己特定的需求。
关于作者：戴维·朱利安（David Julian），数据分析师、信息系统咨询顾问和培训讲师，目前正致力于Urban Ecological Systems Ltd.和Blue Smart Farms的机器学习项目。