5月编程语言排行榜:Python、C++ 竞争白热化

492 阅读5分钟

TIOBE公布了2019年5月编程语言排行榜,头部整体编程语言整体排名变化不大,前十名为Java、C、C++、Python、Visual Basic .NET、C#、JavaScript、SQL、PHP和汇编语言。

本月值得注意的是,R语言跌出前20名,这是R语言进入TOP20三年以来首次跌出前20,而Python继续缩小与C++的差距。

尽管Swift正快速增长,但是与Objective-C还是有不小的差距。另外,虽然PHP保住了自己第九名的位置,但是相比于 去年同期已经下降了2个位次。

Go与上个月相比下跌了一名,但整体变化比较稳定。

以下为前20名完整榜单



5月上市畅销新书

Linux内核深度解析


书名:《Linux内核深度解析》

作者:余华兵

编辑推荐:

  • 基于ARM64架构的Linux 4.x内核;

  • 大量图例描述数据结构之间的关系和函数的执行流程;

  • 结合代码分析,以通俗化语言全面剖析Linux内核。

本书基于4.x版本的Linux内核,介绍了Linux内核的若干关键子系统的技术原理。本书主要内容包括内核的引导过程、内核管理和调度进程的技术原理、内核管理虚拟内存和物理内存的技术原理、内核处理异常和中断的技术原理,以及系统调用的实现方式等。此外,本书还详细讲解了内核实现的各种保护临界区的互斥技术,以及内核的文件系统。本书内容丰富,深入浅出,通过大量的图例来描述数据结构之间的关系和函数的执行流程,并结合代码分析,引导读者阅读和理解内核源代码。

操作系统导论


书名:《操作系统导论》

作者: [美] 雷姆兹·H.阿帕希杜塞尔( Remzi H. Arpaci-Dusseau), [美]安德莉亚·C.阿帕希杜塞尔(Andrea C. Arpaci-Dusseau)

译者:王海鹏

编辑推荐:

  • 本书作者是美国威斯康星大学计算机系教授(夫妇),美国计算机OS教育领域的名宿,经常在美国各个大学应邀客座。

  • 作者坚持开放教材的理念,英文原版在国外盛名日隆,不仅CS学生,湾区技术界的读者也很推崇这本书,评价为“最好的开放式操作系统教材”。

这是一本关于现代操作系统的书。主题分为三个主要的概念:虚拟化、并发性和持久性。全书介绍了所有现代系统的主要组件,包括调度、虚拟内存管理、磁盘和I/O子系统、文件系统,甚至一个简短的介绍分布式系统。本书内容全面,非常易于学习,很适合用于老师的教学和高校学生自学。

Kafka Streams实战


书名:《Kafka Streams实战》

作者:[美] 小威廉 · P. 贝杰克(William P. Bejeck Jr.)

译者:牟大恩

编辑推荐:

  • Apache Kafka作者作序推荐作品;

  • Kafka Streams技术的全面学习指南;

  • 大数据流式处理从入门到实践 。

本书教读者在Kafka平台上实现流式处理。在这本易于理解的书中,读者将通过实际的例子来收集、转换和聚合数据,使用多个处理器,处理实时事件,甚至可以使用KSQL 深入研究流式SQL。本书最后还讲解了Kafka Streams应用程序的测试和运维方面的内容(如监控和调试)。

PyTorch深度学习


书名:《PyTorch深度学习》

作者:[印度]毗湿奴•布拉马尼亚(Vishnu Subramanian)

译者:王海玲 刘江峰

编辑推荐:

PyTorch是Facebook于2017年初在机器学习和科学计算工具Torch的基础上,针对Python语言发布的一个全新的机器学习工具包,一经推出便受到了业界的广泛关注和讨论,目前已经成为机器学习从业人员首选的一款研发工具。 《PyTorch深度学习》是使用PyTorch构建神经网络模型的实用指南,包括PyTorch与深度学习的基础知识、神经网络的构成、神经网络的高级知识、机器学习基础知识、深度学习在计算机视觉中的应用、深度学习在序列数据和文本中的应用、生成网络、现代网络架构,以PyTorch与深度学习的未来走向。

Python 3破冰人工智能 从入门到实战


书名:《Python 3破冰人工智能:从入门到实战》

作者:黄海涛

编辑推荐:

基于Python 3.6构建了近140个代码案例,全面介绍Python在人工智能中的应用。

  • 数学基础:从历年数学建模竞赛入手,解读人工智能中的数学方法。

  • 编程实践:100余个代码实例,全面讲解网络爬虫、数据存储与数据分析等内容。

  • 算法应用:实战案例辅以丰富图解,详尽分析人工智能算法特性及其应用场景。

本书创新性地从数学建模竞赛入手,深入浅出地讲解了人工智能领域的相关知识。本书内容基于Python 3.6,从人工智能领域的数学出发,到Python在人工智能场景下的关键模块;从网络爬虫到数据存储,再到数据分析;从机器学习到深度学习,涉及自然语言处理、机器学习、深度学习、推荐系统和知识图谱等。

此外,本书还提供了近140个代码案例和大量图表,全面系统地阐述了算法特性,个别案例算法来自于工作经验总结,力求帮助读者学以致用。

- END -