十一到现在，还没有给大家播报新书，今天给大家汇总一下10月1日到现在最受程序员们关注的新书。顺序按照关注度排列。

1、软件调试 第2版 卷2 Windows平台调试 上、下册

张银奎 著

• 软件调试领域的百科全书
• 软件工程师的贴身宝典
• 向一流技术高手进阶的常备宝典

编辑推荐

1. 软件调试领域的“百科全书”，围绕软件调试的“生态”系统（ecosystem）、异常（exception）和调试器三条主线，介绍软件调试的相关原理和机制，探讨可调试性（debuggability）的内涵、意义，以及实现软件可调试性的原则和方法，总结软件调试的理论和最佳实践；

2. 作者张银奎是软件调试领域资-深专家，国内软件调试技术专家；

3. 内容全面：为了便于携带和阅读，装定为上、下两册；

4. 理论与实践结合：不仅涵盖了相关的技术背景知识，还深入研讨了大量具有代表性的技术细节；

5. 第2版新增了近几年流行的开发环境等内容；

6. 本书配套网站上提供示例程序的源代码和编译好的二进制文件。

本书是国内当前集中介绍软件调试主题的权威著作。本书第2 卷分为5 篇，共30 章，主要围绕Windows系统展开介绍。第一篇（第1~4 章）介绍Windows 系统简史、进程和线程、架构和系统部件，以及Windows系统的启动过程，既从空间角度讲述Windows 的软件世界，也从时间角度描述Windows 世界的搭建过程。第二篇（第5~8 章）描述特殊的过程调用、垫片、托管世界和Linux 子系统。第三篇（第9~19 章）深入探讨用户态调试模型、用户态调试过程、中断和异常管理、未处理异常和JIT 调试、硬错误和蓝屏、错误报告、日志、事件追踪、WHEA、内核调试引擎和验证机制。第四篇（第20~25 章）从编译和编译期检查、运行时库和运行期检查、栈和函数调用、堆和堆检查、异常处理代码的编译、调试符号等方面概括编译器的调试支持。第五篇（第26~30 章）首先纵览调试器的发展历史、工作模型和经典架构，然后分别讨论集成在Visual Studio 和Visual Studio（VS）Code 中的调试器，最后深度解析WinDBG 调试器的历史、结构和用法。

2、自然语言处理实战 利用Python理解、分析和生成文本

[美] 霍布森·莱恩，科尔·霍华德，汉纳斯·马克斯·哈普克 著，史亮，鲁骁，唐可欣，王斌 译

• Python自然语言处理NLP入门到实战，兼具基础理论与编程实战
• 现代自然语言处理领域从业者的实用指南
• 提供源代码，小米AI实验室NLP团队献译

编辑推荐

1.本书是构建能够阅读和解释人类语言的机器的实用指南；

2.读者可以使用现有的Python 包来捕获文本的含义并相应地做出响应；

3.本书扩展了传统的自然语言处理方法，包括神经网络、现代深度学习算法和生成技术，用于解决真实世界的问题，如提取日期和名称、合成文本和回答无固定格式的问题；

4.提供源代码。

本书主要内容

• Keras、TensorFlow、gensim和 scikit-learn等工具的使用。
• 基于规则的自然语言处理和基于数据的自然语言处理。
• 可扩展的自然语言处理流水线。

阅读本书，读者需要对深度学习的知识有基本的了解，并具有中等水平的Python 编程技能。

在本书中，读者不仅会学习这些系统的内部工作原理，还会学习相关的理论和实践技能，并创建自己的算法或模型。基本计算机科学概念无缝地转换为方法和实践的坚实基础。从一些久经考验的经典方法（如TF-IDF）开始，再深入到NLP相关的深层神经网络，作者带领读者对于自然语言处理的核心方法开启了一段清晰的体验之旅。

3、C++语言的设计和演化

[美] 本贾尼·斯特劳斯特卢普，[，Bjarne，Stroustrup，] 著，裘宗燕 译

• C++语言之父经典著作、思想集锦
• 一本描述C++语言的发展历史、设计理念及技术细节的综合性著作

编辑推荐

1.本书作者Bjarne Stroustrup(本贾尼·斯特劳斯特卢普）被誉为“C++之父”，本书也是作者最重要的专业著作之一；

2.译者裘宗燕，北京大学数学学院信息科学系教授，同时也是知名的程序设计专家，著有《从问题到程序——程序设计与C语言引论》、《数据结构与算法：Python语言描述》等；

3.C++综合性著作：描述C++语言的发展历史、设计理念及技术细节，对C++语言机制的设计和发展的解读是非常难得的宝贵资料。

一个人，如果不耕作，就必须写作。——Martin A. Hansen

本书要展示的是“我”个人关于C++ 如何出现、它是什么以及它应该是什么的观点。我希望这些东西能帮助人们理解怎样才能最好地使用C++，理解C++ 的正在继续进行的演化进程。

书中特别要强调的是整体的设计目标、现实的约束以及造就出C++ 的那些人们。有关各种语言特征的关键性设计决策的讨论被放到了相应的历史环境里。这里追溯了C++ 的演化过程，从C with Classes开始，经过Release 1.0和2.0，直到当前ANSI/ISO的标准化工作，讨论了使用、关注、商业行为、编译器、工具、环境和库的爆炸性增长，还讨论了C++ 与C、Simula之间关系的许多细节。对于C++ 与其他语言的关系只做了简短讨论。对主要语言功能的设计，例如类、继承、抽象类、重载、存储管理、模板、异常处理、运行时类型信息和名字空间等，都在一定细节程度上进行了讨论。

本书的根本目的，就是想帮助C++ 程序员更好地认识他们所用的语言，该语言的背景和基本概念；希望能激励他们去试验那些对他们而言全新的C++ 使用方式。

4、深入浅出 ASP.NET Core

梁桐铭 著

• 零基础学ASP.NETCore框架揭秘
• 初学者的技术指南，针对.NETCore3.1讲解，完整项目实战
• 附送免费视频资源，提供源代码

编辑推荐

1.针对.NET Core 3.1讲解；

2.提供完整源代码下载且代码可复用；

3.本书附送免费视频资源，供读者配合图书学习；

4.本书针对一个完整项目进行开发，而不是只有零散的代码段；

5.案例丰富、实用，采用了流行框架中的设计模式及实用技术；

6.具有完整的权限功能，统一处理拦截异常、错误页面及日志信息。

经过几年的发展，ASP.NET Core 已趋于稳定，社区生态比较完善。在技术日新月异的今天，我们需要不断学习，并在学习中不断成长。本书由浅入深地讲解 ASP.NET Core，如果你想通过学习 ASP.NET Core 来获得更多的机会，那么我推荐本书，在学习 ASP.NET Core 的过程中它可以给予我们启发和帮助。

——微软MVP 李志强 (晓晨master)

ASP.NET Core已成为微软跨平台开发的利器。本书基于ASP.NET Core 3.1版本，由浅入深地介绍了如何从头开始构建ASP.NET Core应用，内容详实，通俗易懂，非常适合.NET开发者学习参考。

—— 微软MVP 闫晓迪

本书是一本系统地介绍ASP.NET Core、Entity Framework Core以及ASP.NET Core Identity框架技术的入门图书，旨在帮助读者循序渐进地了解和掌握ASP.NET Core。本书使用ASP.NET Core从零开始搭建一个实际的项目。从基本的控制台应用程序开始，介绍ASP.NET Core基本的启动流程，涵盖ASP.NET Core框架中各个技术的实际应用。同时，本书也会介绍一些ASP.NET Core的高级概念。在本书中，我们会开发一个学校管理系统，其中包含清晰的操作步骤和大量的实际代码，以帮助读者学以致用，将ASP.NET Core的知识运用到实际的项目开发当中，最后我们会将开发的项目部署到生产环境中。通过阅读本书，读者将掌握使用ASP.NET Core开发Web应用程序的方法，并能够在对新项目进行技术选型时做出战略决策。

本书适合有一定C# 编程经验和HTML、JavaScript基础，并对ASP.NET Core感兴趣的读者阅读，也可以作为高等院校相关专业的教学用书和培训学校的教材。

5、机器学习测试入门与实践

艾辉 著

• 业界首部AI测试著作，32位BAT专家联袂推荐
• 精选15个AI测试要点，涵盖5大技术主题
• 从零开始快速入门机器学习测试。融360AI测试团队著

编辑推荐

适读人群 ：对于工程开发和测试工程师，通过阅读本书可以体系化地了解大数据测试、特征测试及模型评估等知识； 对于有算法数据背景的工程师，通过阅读本书可以学习和拓宽模型评测的方法手段、模型工程实践的思路； 对于技术专家、技术管理者，通过阅读本书可以收获机器学习质量保障与工程效率的建设思路。

不同于市面上的机器学习书籍，本书是业界首部AI测试著作，填补了机器学习测试领域的空白。

本书由知名技术专家艾辉领衔融360AI测试团队12位一线工程师联手倾心打造，耗时一年多时间。

1）精选15个AI测试要点，从零开始，全面了解机器学习测试。

2）涵盖5个技术主题，大数据、模型算法、模型评测、工程架构、智能化测试。

3）BAT等数十家一线互联网公司的32位知名专家联袂推荐。

本书内容设计深入浅出，学习路线清晰，帮助读者了解机器学习是如何工作的，了解机器学习的质量保障是如何进行的。

本书全面且系统地介绍了机器学习测试技术与质量体系建设，分为5部分，共15章。第一部分（第1～4章）涵盖了机器学习、Python编程、数据分析的基础知识；第二部分（第5～7章）介绍了大数据基础、大数据测试指南及相关工具实践；第三部分（第8～10章）讲解了机器学习测试基础、特征专项测试及模型算法评估测试；第四部分（第11～13章）介绍了模型评估平台实践、机器学习工程技术及机器学习的持续交付流程；第五部分（第14章和第15章）探讨了AI（Artificial Intelligence）在测试领域的实践及AI时代测试工程师的未来。

6、编程的修炼

[荷兰] 艾兹格·，W.，迪杰斯特拉（Edsger，W.，Dijkstra） 著，裘宗燕 译

• 图灵奖获得者Edsger W. Dijkstra重要的述著
• 内容严谨，逻辑清晰，对计算机科学的深刻影响持续至今

编辑推荐

1.作者艾兹格·W. 迪杰斯特拉（Edsger W. Dijkstra）是计算机科学奠基人之一，图灵奖获得者，是编程界的先驱、传奇级人物；

2.本书是作者重要的著作，也是计算机学科经典图书，畅销多年；

3.本书写于20世纪70年代后期，但其对于编程领域的技术开发，对于编程语言的发展和程序理论研究的深刻影响持续至今；

4.内容严谨，逻辑清晰，书中体现的思想对所有的编程人员起到启示指引的作用。

应该怎样学习这部专著呢？我能给出的最佳建议就是，一旦看完了问题的描述，就停止阅读，转去试着自己解决它。尝试自己解决问题，是你能自己认识和评价问题的困难程度的唯一方法，它也使你有机会去比较你的解和我给出的解，还给你得到满足的机会，即看到你给出的解比我给出的更好。这里还是要先说一下，当你发现这里的内容远不是那么容易读的时候，请不要沮丧。研读过这部专著的人都觉得它的内容通常是很难的（但收获也同样很多！）。然而，每次我们分析遇到的困难时，得到的结论都是：应该把这种困难“归咎于”实际讨论的问题，而不是有关的文字本身（即它的表达方式）。这一认识的寓意是，一个非平凡的算法本身就是非平凡的，与论证其设计的正确性的思考相比，在一种编程语言里做出的算法描述是高度紧凑的，不应该受最后的程序正文长度的误导！我的一个助理给出的建议——也是我忠实地采纳的，因为它可以很有价值——是让学生分为一些小组一起学习这本书。

7、UNIX/Linux 系统管理技术手册（第5版）

[美] 埃薇·内梅特（Evi Nemeth），加思·斯奈德（Garth Snyder），特伦特·R.海恩（Trent，R.Hein）......门佳 译

• 深入理解Linux内核，UNIX/Linux系统管理技术手册全新升级
• 知名技术实践专家联手奉献运用技术所需的操作系统导论、操作系统原理以及背景。

编辑推荐

本书是安装、配置和维护任何UNIX或Linux系统的指南，也是使用可以提供核心Internet和云基础设施的系统的必备指南。

这本全面的指南针对新推出的发行版和云环境进行了更新，涵盖了系统管理方方面面的最佳实践，包括存储管理、网络设计和管理、安全、Web托管、自动化、配置管理、性能分析、虚拟化、DNS以及IT服务组织的管理。

本书的作者是世界一流的技术实践专家，他们在云平台、DevOps理念、持续部署、容器化、监控等其他许多重要主题方面为读者奉上了不可或缺的新内容。

无论你在基于UNIX或Linux的系统和网络中扮演什么角色，这本内容翔实、品质上乘的指南都会提高你的工作效率，帮助你解决棘手的问题。

本书延续了《UNIX系统管理技术手册》前几版的讲解风格，以当前主流的Linux发行版本为例，把Linux系统管理技术分为4个部分分别进行介绍。第一部分（基础管理）对UNIX和Linux系统进行了简介，涵盖了运行单机系统所需的大部分知识和技术。第二部分（连网）讲解了UNIX系统上使用的协议和服务器的相关技术。第三部分（存储）讲解了如何解决数据存储和管理的问题。第四部分（运维）介绍了系统管理员在工作中经常碰到的问题。

本书适用范围广泛，无论是Linux的初学者还是具有丰富经验的Linux专业技术人员都能从本书中获益。

8、R语言医学数据分析实战

赵军 著

• 医学统计学入门，华中科技大学同济医学院余松林教授作序推荐
• 强调实战和应用，突出问题本质和整体结构，包含大量的R程序示例和图形
• 带你更深入地理解数据分析

编辑推荐

1.本书的作者具有很好的数学基础，长期在医学院校讲授医学统计学，具有丰富的教学经验；

2.在介绍统计方法时，本书没有拘泥于烦琐的细节，让读者很容易看到问题的本质和整体结构，并很快获取重要信息。

3.书中配有大量的案例解析和程序示例，每一章都配有练习题，书末附有习题的参考答案。这样安排，既方便教师的教学和学生的学习，也方便了初学者检验自己的学习成果。

4.书中示例和习题解答的源程序可以从异步社区下载，同时配套提供彩图。函数名的索引附在书后以方便读者速查。

本书以医学数据为例，讲解如何使用R进行数据分析，结合大量精选的实例对常用分析方法进行了深入浅出的介绍，以帮助读者解决医学数据分析中的实际问题。

本书共分为14章，第1章～第3章介绍了R语言的基本用法；第4章介绍了数据可视化；第5章介绍了基本的统计分析方法；第6章～第8章介绍了医学研究中最常用的三种回归模型；第9章介绍了生存分析的基本方法；第10章～第12章介绍了几种常用的多元统计分析方法；第13章介绍了临床诊断试验的统计评价指标和计算方法；第14章介绍了在医学科研实践中常用的Meta分析方法。

本书适用于临床医学、公共卫生及其他医学相关专业的本科生和研究生使用，亦可作为其他专业的学生和科研工作者学习数据分析的参考书。阅读本书，读者不仅能掌握使用R及相关包快速解决实际问题的方法，还能更深入地理解数据分析。

9、Python无监督学习

[德] 朱塞佩·博纳科尔索（Giuseppe Bonaccorso） 著，瞿源，刘江峰 译

• 用scikit-learn、TensorFlow实现机器学习和深度学习
• 拥抱机器学习，用Python实现无监督学习算法
• 构建高效且实用的解决方案

编辑推荐

1.无监督学习是数据科学中一个重要的分支，常用于数据挖掘领域，是个有趣的热点话题；

2.本书通过Python语言讲解无监督学习，基于python图书的优势，更容易被读者接受；

3.实战导向，为读者提供可以立即使用和可供评估的不同方法，构建高效且实用的解决方案；

4.作者是机器学习领域的专家，曾参与了不同业务环境下的解决方案设计、管理和交付。

机器学习是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。无监督学习是机器学习中的一种学习方式，是数据科学的一个重要分支，常用于数据挖掘领域，通过构建模型来为业务决策提供依据。

本书通过Python语言讲解无监督学习，全书内容包括10章，前面9章由浅入深地讲解了无监督学习的基础知识、聚类的基础知识、高级聚类、层次聚类、软聚类和高斯混合模型、异常检测、降维和分量分析、无监督神经网络模型、生成式对抗网络和自组织映射，第10章以问题解答的形式对前面9章涉及的问题给出了解决方案。

本书适合数据科学家、机器学习从业者和普通的软件开发人员阅读，通过学习本书介绍的无监督学习理论和Python编程方法，读者能够在业务实践中获得有价值的参考。