马上新年了，小伙伴们爱学习、爱读书的热情依旧在线，今年在外漂着的大都是就地过年，多补充点知识还是好的。
和小编一起来看看这一周里有哪些程序员好书上了热搜。
第一本
机器学习的数学
从机器学习的角度讲述数学，从数学的角度讲述机器学习。语言精炼，知识点密集，学习路线清晰，是一本帮助掌握数学知识和理解机器学习算法原理的好书，可以满足不同层次读者的需求。——知名Python讲师，16本Python 系列图书作者 董付国
数学是很多读者学习机器学习、深度学习、强化学习感到困难的最主要原因之一，只有掌握了所需的数学知识，才能理解机器学习算法的原理。本书清晰地讲述了这些数学知识的原理，精准地覆盖了所需的数学知识。是一本帮助这一领域读者奠定基础的力作。——Yi+AI联合创始人兼CTO，前阿里巴巴和百度IDL深度学习算法专家 刘彬
掌握数学知识是学好机器学习的前提，如何精确而系统地掌握机器学习所需的数学知识，是很多读者关注的问题。本书为此问题提供了一个很好的解决方案。全书用浅显易懂的语言讲述微积分、线性代数与矩阵论、最优化方法、概率论、信息论、随机过程、图论等核心的数学知识，并介绍了它们在机器学习领域的应用，做到了理论与应用的无缝衔接。推荐机器学习领域和广大数学爱好者阅读。——前优酷首席科学家，谷歌机器学习开发者专家 李卓桓
《机器学习的数学》一书覆盖了人工智能领域中与机器学习相关的数学知识体系，不仅囊括 了微积分和线性代数等基本数学原理，还详细讲解了概率论、信息论、最优化方法等诸多内容， 这些知识是机器学习中的目标函数构造、模型优化以及各种机器学习算法的核心和基础。本书希 望通过对数学知识的讲解帮助读者深刻理解算法背后的机理，并厘清各种算法之间的内在联系。 本书重视理论与实践相结合，在讲解数学知识的同时也对其在机器学习领域的实际应用进行了举 例说明，方便读者更具象化地理解抽象的数学理论，同时对机器学习算法有更深刻的认识。
本书语言精练，条理清晰，内容翔实全面，公式推导严格周密，将理论与工程实践相结合， 展示了机器学习方法背后的数学原理，是集专业性与通俗性为一体的上乘之作。通过本书，初学 者可以奠定扎实的数学基础，从而为后续掌握机器学习的具体技术和应用铺平道路。从业者也可 以利用本书强化巩固基础知识，从技术背后的数学本质出发来解决工程问题。
第二本
Python图像处理实战
1. 图像处理、计算机视觉与深度学习的**进展。
2. 实战性较强，涵盖图像修复、梯度融合、变分去噪、接缝雕刻、图像绗缝和人脸变形等新应用。
3. 用流行的Python 图像处理库、机器学习库和深度学习库解决图像处理问题。
本书介绍如何使用流行的Python图像处理库（如PIL、scikit-image、python-opencv、SciPy ndimage和SimpleITK）、机器学习库（scikit-learn）和深度学习库（TensorFlow、Keras）解决图像处理问题。通过学习本书，读者能够通过编写程序代码来实现复杂的图像处理（如图像增强、滤波、复原、分割、分类和目标检测），还能够掌握用机器学习和深度学习模型来解决复杂的图像处理问题的方法。
本书从基础开始，通过书中所提供的Python可重现实现来引导读者逐步进阶。本书从经典的图像处理技术开始，探索图像处理算法的进化历程，直至图像处理或计算机视觉与深度学习方面的最新进展。读者将学习如何用Python的PIL、scikit-image和SciPy ndimage等图像处理库编写Python 3代码片段，以及如何快速实现复杂的图像处理算法，如图像增强、滤波、分割、目标检测和分类。读者还将学习如何使用scikit-learn库和机器学习模型，并随后探索深度卷积神经网络（CNN），如TensorFlow/Keras VGG-19，用端到端深度学习YOLO模型进行目标检测，将DeepLab V3+用于语义分割和神经中枢式的转移模型等。读者还会学到一些高级图像处理技术问题，如图像内画、梯度混合、变分去噪、接缝雕刻、绗缝和变形。在本书最后，读者还将学习有效的图像处理的各种实现算法。
本书循着“高度实用”的宗旨来引导读者学习一系列图像处理的概念/算法，以帮助读者详细了解如何用高级的Python库函数实现这些算法。
每章内容
第1章介绍图像处理及其应用、不同的Python库、图像输入/输出、数据结构、文件格式和基本的图像操作。
第2章介绍采样、二维傅里叶变换、量化、离散傅里叶变换、一维/二维卷积和频域滤波，以及用Python实现它们的例子。读者将学习理解后续内容所需掌握的简单信号处理工具。
第3章演示如何使用Python对图像进行卷积，还会讨论频域滤波等主题。
第4章介绍最基本的图像处理工具，如均值/中值滤波和直方图均衡化，它们仍然是最强大的图像处理工具。对它们进行阐述，并对这些基本工具给出现代的诠释。
第5章涵盖与图像增强相关的其他主题，换句话说，即改善图像外观或有用性的问题。讨论的主题包括导数和拉普拉斯变换的边缘检测、锐化和伪着色。所有概念的描述均辅以Python示例。
第6章涵盖二进制操作和使用filter.rank模块执行操作，如形态学对比度增强、噪声去除和计算局部熵，还将介绍如何使用形态学模块。
第7章描述从图像/计算图像描述符中提取特征的几种技术。
第8章概述分割图像的基本技术，从简单的阈值到更高级的图形切割。
第9章介绍一些不同的机器学习方法，用于图像分类和目标检测/识别。
第10章描述图像处理/计算机视觉社区逐渐从经典的基于特征的机器学习模型过渡到深度学习模型的原因。
第11章描述CNN在目标检测、语义分割和图像风格转换方面的一些显著应用，演示一些流行的模型，如YOLO和OP，概述如何使用迁移学习来避免从头开始学习非常深度神经网络。
第12章将给出许多其他的图像处理问题以及解决这些问题的各种算法。这些问题包括接缝雕刻（用于上下文感知图像大小的调整）、图像绗缝（用于非参数采样和纹理转移的图像调整）、泊松（梯度）图像编辑（混合）将一幅图像无缝地混合到另一幅图像中、图像变形（将一幅图像变换为另一幅图像）、图像修复（以复原退化的图像）以及变分图像处理技术（如图像去噪）。
第三本
精通Rust 第2版
Rust是成为段位更高的开发者的一块重要敲门砖。
Rust作为一门多范式语言，支持函数式、命令式以及泛型等编程范式。Rust在语法上和C++类似，兼具快速、可靠、安全等优良特性，它提供了甚至超过C/C++的性能和安全保证，同时它也是一种学习曲线比较平滑的热门编程语言。
本书的目标读者，是编程新手和熟悉其他命令式编程语言，但对Rust一无所知的中级程序员。假定读者至少熟悉一种命令式编程语言，例如C、C++或Python。了解函数式编程的要求并不是必需的，但对它有一个大致的了解将会大有裨益。不过，我们会确保对从这些语言中引入的任何概念或思想进行解释。
每章内容
第1章简要介绍Rust及其背后的设计理念，并介绍该语言的基本语法。本章最后通过练习巩固了所学的语言特征。
第2章探讨在Rust中如何使用专用的软件包管理器管理大型软件项目，这是后续章节的基础。本章还介绍Rust与Visual Studio Code编辑器的集成。
第3章介绍Rust内置的测试工具，编写单元测试、集成测试以及如何在Rust中编写文档，还介绍Rust代码的基准测试工具，最后完成一个包含文档和测试的完整软件包示例。
第4章探讨Rust的类型系统，然后通过构造复杂的程序库来解释类型系统的各种用法。
第5章首先介绍内存管理的动机以及与内存相关的底层编程语言中的各种陷阱，然后解释Rust独特的编译期内存管理机制，还介绍Rust中的各种智能指针类型。
第6章从错误处理的动机开始，并探讨其他语言中错误处理的不同模型，然后在探讨不可恢复的错误处理机制之前，还介绍Rust的错误处理策略和类型。本章以实现自定义错误类型的程序库作为结束。
第7章更详细地探讨前面章节中已经介绍的一些概念，介绍Rust提供的一些类型系统抽象的底层模型的详细信息。
第8章探讨Rust标准库中的并发模型和API，并介绍如何构建没有数据竞争的高并发程序。
第9章介绍如何在Rust中编写强大的高级宏来生成代码，并通过构建两种宏来阐述声明性宏和过程宏的使用。
第10章探讨Rust的不安全模式以及与其他语言进行互操作的API。这些示例包括从其他语言调用Rust，例如Python、Node.js和C，以及如何从其他语言调用Rust。
第11章强调日志记录在软件开发实践中的重要性，说明我们为何需要日志框架，以及探索Rust生态系统中提供可用于帮助将日志记录功能集成到应用程序中的程序库。
第12章简要介绍网络编程之后，还介绍如何构建可以与Redis官方客户端通信的Redis服务器。最后，本章介绍如何使用标准库中的网络原语，以及tokio和futures程序库。
第13章首先介绍HTTP，然后介绍使用hyper程序库构建一个简单的URL短网址服务器，同时介绍使用reqwest程序库构建一个URL短网址客户端。最后探讨actix-web，它是一个高性能的异步Web应用程序框架，用于构建书签API服务器。
第14章首先解释将数据库作为应用程序后端的动机，并探讨Rust生态系统中可用的软件包，以便与各种数据库后端（如SQLite和PostgreSQL）进行交互。本章还介绍被称为diesel的类型安全的ORM库，然后介绍如何将它与第13章介绍的书签API服务器集成，以便使用diesel提供数据库支持。
第15章解释WebAssembly是什么，以及开发人员该如何使用它。然后继续探索Rust生态系统中可用的软件包，并使用Rust和WebAssembly构建实时markdown编辑器Web应用。
第16章解释在Rust中如何使用GTK+框架构建桌面应用程序，然后构建一个简单的黑客新闻桌面应用程序。
第17章探讨使用GDB调试Rust程序，并演示如何将GDB与Visual Studio Code编辑器集成。