互联网
类型
可以朗读
语音朗读
224千字
字数
2025-05-01
发行日期
展开全部
主编推荐语
本书是算法学习的宝典，为解决实际编程难题提供了强大工具。
内容简介
书中精心挑选50种在软件开发中极为重要的算法，对每种算法与示例都进行了详尽解释，涵盖数据结构操作、搜索策略、排序方法、图形处理技术等。
相比第1版，新版内容更丰富，范围更广泛，更新了部分过时信息，增加了如机器学习中的算法优化技巧、大数据处理方法，以及现代顺序模型及其变体、实现大语言模型（LLM）的算法、方法和架构等新兴领域算法。每一章都遵循相同结构：先介绍算法基本概念与适用场景，接着通过代码展示工作原理，最后进行实际案例分析，助力读者将知识转化为实践技能。
此外，本书注重培养算法思维，剖析算法背后的逻辑推理过程，可帮助读者学会设计有效算法，在不断变化的技术环境中保持竞争力，是程序员提升自我的宝藏资源。
目录
- 版权信息
- 序
- 前言
- 作者简介
- 审校者简介
- 第一部分 基础算法和核心算法
- 第1章 算法概述
- 1.1 什么是算法
- 1.2 Python包
- 1.3 算法设计技巧
- 1.4 性能分析
- 1.5 选择算法
- 1.6 验证算法
- 1.7 小结
- 第2章 算法中的数据结构
- 2.1 探讨Python中的数据结构
- 2.2 探索抽象数据类型
- 2.3 小结
- 第3章 排序算法和搜索算法
- 3.1 排序算法简介
- 3.2 搜索算法简介
- 3.3 实际应用
- 3.4 小结
- 第4章 算法设计
- 4.1 算法设计基本概念简介
- 4.2 理解算法策略
- 4.3 实际应用——求解TSP
- 4.4 PageRank算法
- 4.5 理解线性规划
- 4.6 小结
- 第5章 图算法
- 5.1 理解图：简要介绍
- 5.2 图论与网络分析
- 5.3 图的表示
- 5.4 图的机制和类型
- 5.5 网络分析理论简介
- 5.6 理解图的遍历
- 5.7 案例研究：使用SNA进行欺诈检测
- 5.8 小结
- 第二部分 机器学习算法
- 第6章 无监督机器学习算法
- 6.1 无监督学习简介
- 6.2 理解聚类算法
- 6.3 分层聚类的步骤
- 6.4 编写分层聚类算法
- 6.5 理解DBSCAN
- 6.6 在Python中使用DBSCAN创建簇
- 6.7 评估聚类效果
- 6.8 降维
- 6.9 关联规则挖掘
- 6.10 小结
- 第7章 传统的监督学习算法
- 7.1 理解监督机器学习
- 7.2 描述监督机器学习
- 7.3 理解分类算法
- 7.4 决策树分类算法
- 7.5 理解集成方法
- 7.6 逻辑回归
- 7.7 支持向量机算法
- 7.8 贝叶斯定理
- 7.9 各种分类算法的胜者
- 7.10 线性回归
- 7.11 各种回归算法的胜者
- 7.12 实例——如何预测天气
- 7.13 小结
- 第8章 神经网络算法
- 8.1 神经网络的演变
- 8.2 理解神经网络
- 8.3 训练神经网络
- 8.4 解析神经网络结构
- 8.5 定义梯度下降
- 8.6 激活函数
- 8.7 工具和框架
- 8.8 选择顺序性模型或功能性模型
- 8.9 理解神经网络的类型
- 8.10 迁移学习
- 8.11 案例研究：使用深度学习实现欺诈检测
- 8.12 小结
- 第9章 自然语言处理算法
- 9.1 自然语言处理简介
- 9.2 理解自然语言处理术语
- 9.3 使用Python清洗数据
- 9.4 理解术语文档矩阵
- 9.5 词嵌入简介
- 9.6 利用Word2Vec实现词嵌入
- 9.7 案例研究：餐厅评论情感分析
- 9.8 自然语言处理的应用
- 9.9 小结
- 第10章 理解序列模型
- 10.1 理解序列数据
- 10.2 序列模型的数据表示
- 10.3 循环神经网络简介
- 10.4 门控循环单元
- 10.5 长短期记忆网络
- 10.6 小结
- 第11章 高级序列建模算法
- 11.1 高级序列建模技术的演变
- 11.2 探索自动编码器
- 11.3 理解Seq2Seq模型
- 11.4 理解注意力机制
- 11.5 深入探讨自注意力
- 11.6 Transformer：自注意力之后的神经网络演变
- 11.7 大型语言模型
- 11.8 底部的表单
- 11.9 小结
- 第三部分 高级主题
- 第12章 推荐引擎
- 12.1 推荐引擎简介
- 12.2 推荐引擎的类型
- 12.3 理解推荐系统的局限性
- 12.4 实际应用领域
- 12.5 实例——创建推荐引擎
- 12.6 小结
- 第13章 数据处理的算法策略
- 13.1 数据算法简介
- 13.2 CAP定理介绍
- 13.3 解码数据压缩算法
- 13.4 实例——AWS中的数据管理：聚焦于CAP定理和压缩算法
- 13.5 小结
- 第14章 密码算法
- 14.1 密码算法简介
- 14.2 理解加密技术的类型
- 14.3 实例——部署机器学习模型时的安全问题
- 14.4 小结
- 第15章 大规模算法
- 15.1 大规模算法简介
- 15.2 描述大规模算法的高性能基础设施
- 15.3 多资源处理的策略制定
- 15.4 理解并行计算的理论限制
- 15.5 Apache Spark如何实现大规模的算法处理
- 15.6 在云计算中使用大规模算法
- 15.7 小结
- 第16章 实际问题
- 16.1 算法解决方案面临的挑战
- 16.2 Twitter AI机器人Tay的失败
- 16.3 算法的可解释性
- 16.4 理解伦理与算法
- 16.5 减少模型中的偏差
- 16.6 何时使用算法
- 16.7 小结
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
机械工业出版社
机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
