Python数据分析方面经典的6本书！
面向新手的一本Numpy入门指南。整本书可谓是短小精干，条理清晰，将Numpy的基础内容讲得清清楚楚明明白白。此书的作者还写过一本《NumPyCookbook》/《NumPy攻略：Python科学计算与数据分析》，但这本书相比于前者，就显得结构有些杂乱，内容上也有些不上不下，如果要看的话，建议看完第一本再来看这本。在这里还想顺便吐槽一下这两本书的中文书名翻译。为了能够多卖几本，出版社也是蛮拼的，想方设法都要跟数据分析几个字挂上钩，就好像现在某些书总要扯上云和大数据一样。此外，还有一本《LearningSciPy for Numerical and Scientific Computing》的书，可以作为SciPy的入门教程来学习（似乎还没出中文版）。
《Pythonfor Data Analysis》/《利用Python进行数据分析》
《MachineLearning in Action》/《机器学习实战》
《BuildingMachine Learning Systems with Python》/《机器学习系统设计》
Python机器学习的黑盒入门教程。如果说上一本书是教你如何组装轮子的话，这本书就是直接告诉你怎么把轮子转起来以及如何才能转得更好。至于轮子为什么能转起来，请参阅上一本书。另外，可以配合《Learning scikit-learn:Machine Learning in Python》这本书来阅读（暂无中文版）。这本书是针对Python的机器学习库scikit-learn进行专门讲解的一本书，100页左右，可以作为官方文档的拓展读物。
《Pythonfor Finance》
教你用Python处理金融数据的一本书，应该是中国人写的，Packt出版，不过似乎现在还没有中文版。比起前面几本书，这本书专业性要强一些，侧重于金融数据分析。这本书我还没怎么看，也写不出什么更详细的介绍。之所以把它列出来，是因为在查资料的时候发现，O'Reilly年底似乎也准备出一本《Python for Finance》。看来Python真的是越来越火了。
学习外汇的书这七本经典就足够了，拥有了学习外汇的书自学也可以
审核：yj127 编辑:yj127
The Harmonic Trader 和谐的交易者 – 推荐股票技术分析书籍
股票交易有很多种方法，其中一种就是根据股价走势的形态来交易。而形态又可以分为很多种，例如，日本蜡烛图形态，经典的技术分析形态，N型，蝴蝶形态，GARTLEY222形态等。而这后三种形态又和Fibonacci常数有着密切的关系。在The Harmonic Trader 《和谐的交易者》这本书里，作者Scott M. Carney讲解了Fibonacci数列在股票分析中的应用和如何运用N型，蝴蝶形态，GARTLEY222形态来进行交易。
所谓和谐交易就是根据Fibonacci数字估测可能得转折区域，再根据蜡烛图形态来确认，从而进行交易。所以，书的开始先讲解了Fibonacci数列，以及常用的比例关系，例如0.382，0.5，0.618， 0.786， 1.27，1.618等等，还介绍了一些不常用的比例，例如2.24，3.14，等。如果你不能都记住，就记住常用的就可以。然后，讲解了著名的N型（也就是AB=CD）的走势，蝴蝶形态，GARTLEY222形态和三起三落的形态。以及这些形态中常见的比例关系，例如0.618，0.786，1.27，1.618等。
必须指出的是，这些形态的确可以用来交易，而且胜率可能还不低，但是，绝对不会是100%，所以同其他任何交易一样：停损很重要。而且如果要用它制定一个很好的交易系统还需要有很好的获利出场策略。其实，进场很容易，出场才是难点。卖的技巧有很多，但是原则是宁可卖早，不卖晚，不让赚钱的交易变赔钱。一切的根本就是要保证资金的安全。市场上的机会有很多。在The Harmonic Trader 《和谐的交易者》这本书里，作者Scott M. Carney也给出了一些他自己的看法，例如他说，如果短时间获利很快就应该出场；获利后开始数钱时就是该出场的时候。这些方法可能有用，但是很主观，不够客观，和交易者的心理有很大关系。
总之，如果你不知道如何用Fibonacci比例来估算股票的预期价格，不了解什么是蝴蝶形态，GARTLEY222形态，你可能应该读读The Harmonic Trader 《和谐的交易者》这本书。这本书的优点就是简明易懂，因为理论本身没什么难懂的。而且还配上图，不用看字也能明白。当然，这不是唯一一本讲如何在股市中用形态来交易的书，但是一本很基本的书，看看无妨，多学无害。书中的例子很多都是美股，但其理论可能也可以用于外汇或是其它的交易市场。
这6本经典的技术分析书籍
2021-10-02 >
-->
一、《人工智能芯片技术白皮书（2018）》
《人工智能芯片技术白皮书（2018）》主要包括九个章节的内容 ：第1章为发展AI芯片产业的战略意义以及白皮书基本内容概述。第2章介绍了AI芯片的技术背景，并从多个维度提出了满足不同场景条件下AI芯片和硬件平台的关键特征。第3章介绍了近几年的AI芯片在云侧、边缘和终端设备等不同场景中的发展状况，总结了云侧和边缘设备需要解决的不同问题，以及云侧和边缘设备如何协作支撑AI应用。第4章在CMOS工艺特征尺寸逐渐逼近极限的大背景下，结合AI芯片面临的架构挑战，分析AI芯片的技术趋势。第5章讨论了建立在当前CMOS技术集成上的云端和终端AI芯片架构创新。第6章主要介绍对AI芯片至关重要的存储技术。第7章重点讨论在工艺、器件、电路和存储器方面的前沿研究工作，和以此为基础的存内计算、生物神经网络等新技术趋势。第 8章介绍神经形态计算技术和芯片的算法、模型以及关键技术特征，并分析该技术面临的机遇和挑战。第9章主要讨论AI芯片的基准测试和技术路线图的相关问题。第10章展望AI芯片的未来。
二、《智能计算系统》和《智能计算系统实验教程》
三、《人工智能芯片设计》
四、《深度学习-硬件设计》
台湾全华图书于2020年7月出版了繁体版的《深度学习-硬件设计》（Deep Learning-Hardware Design），由Kneron耐能创始人兼CEO刘峻诚博士等人编著。2019年，刘峻诚博士和新竹清华大学资讯工程系林永隆教授合作，在该校开设AI芯片相关的研究生课程，受到学生的热烈欢迎。这本《深度学习-硬件设计》教科书，详细介绍全球深度学习主要学术流派的经典架构与AI芯片主流厂商的硬件架构，被新竹清华大学、新竹交通大学、台湾成功大学采用为研究生阶段的教科书。
五、《嵌入式深度学习：算法和硬件实现技术》
机械工业出版社在今年8月翻译出版了《嵌入式深度学习：算法和硬件实现技术》，该书作者是[比]伯特·穆恩斯（Bert Moons）、[美] 丹尼尔·班克曼（Daniel Bankman） 以及[比]玛丽安维·赫尔斯特（Marian Verhelst）。这本书介绍了实现嵌入式深度学习的算法和硬件实现技术。作者描述了应用、算法、电路级的协同设计方法，这些方法有助于实现降低深度学习算法计算成本的目标。这些技术的影响显示在四个用于嵌入式深度学习的硅原型中。该书主要章节包括：嵌入式深度神经网络、优化的层次级联处理、硬件-算法协同优化、近似计算的电路技术、Envision:能耗可调节的稀疏卷积神经网络处理等内容。本书是入门嵌入式深度学习算法及其硬件技术实现的经典书籍。在供能受限的嵌入式平台上部署深度学习应用，能耗是最重要的指标，书中详细介绍如何在应用层、算法层、硬件架构层和电路层进行设计和优化，以及跨层次的软硬件协同设计，以使深度学习应用能以最低的能耗运行在电池容量受限的可穿戴设备上。同时，这些方法也有助于降低深度学习算法的计算成本。