程序员必会的40种算法

1星价 ¥72.3 (7.3折)

2星价￥72.3 定价￥99.0

作者：(加)伊姆兰·艾哈迈德(ImranAhm

出版社：机械工业出版社

本类榜单：计算机/网络

分类：计算机/网络 > 程序设计 > 其他

暂无评论

图文详情

ISBN：9787111690337
装帧：一般胶版纸
册数：暂无
重量：暂无
开本：16开
页数：280
出版时间：2021-09-01
条形码：9787111690337 ; 978-7-111-69033-7

本书特色

适读人群：所有程序员算法一直在计算科学和计算实践中发挥着重要作用。除了传统计算之外，使用算法解决现实问题的能力是开发人员和程序员必须具备的一项重要技能。本书带你了解各种算法设计技术，通过实例探索如何实现不同类型的算法。知识点众多但简单易学，专为初学者准备——忽略对算法细节的讨论，仅给出每个算法的思想和原理，将重点放在如何用Python进行算法实现和算法性能的比较与分析上。读者通过学习本书，可以迅速了解算法的概念，掌握如何用开源包实现各种算法，并理解它们的性能、应用领域和局限性，进而对算法在计算机科学和各种应用领域中的作用有整体了解。

内容简介

本书致力于利用算法求解实际问题。部分介绍算法的核心内容，探讨什么是算法、如何设计算法，同时学习在算法中使用的数据结构。重点讲解排序算法、查找算法和求解图问题的算法。第二部分讨论各种机器学习算法，包括无监督机器学习算法和传统有监督学习算法，详细讨论一些自然语言处理算法和推荐引擎。第三部分讨论更不错的算法概念，重点介绍了密码算法和大规模算法。本书还包含一些案例分析（如天气预测、推文聚类和电影推荐引擎），用来说明如何才能更好地应用这些算法。

译者序
前言
关于作者
关于审校者
**部分　基础与核心算法
第1章　算法概述2
11　什么是算法2
12　描述算法逻辑4
121　理解伪代码4
122　使用代码片段6
123　制定执行计划6
13　Python包简介7
131　Python包8
132　通过Jupyter Notebook执行Python9
14　算法设计技术10
141　数据维度11
142　计算维度12
15　性能分析13
151　空间复杂度分析13
152　时间复杂度分析14
153　性能评估14
154　选择算法15
155　大O记号15
16　验证算法19
161　精确算法、近似算法和随机算法19
162　可解释性20
17　小结20
第2章　算法中的数据结构21
21　Python中的数据结构21
211　列表22
212　元组26
213　字典27
214　集合28
215　数据帧30
216　矩阵32
22　抽象数据类型33
221　向量33
222　栈34
223　队列36
224　栈和队列背后的基本思想37
225　树38
23　小结40
第3章　排序算法和查找算法41
31　排序算法简介41
311　在Python中交换变量42
312　冒泡排序42
313　插入排序44
314　归并排序46
315　希尔排序48
316　选择排序50
32　查找算法简介51
321　线性查找52
322　二分查找52
323　插值查找53
33　实际应用54
34　小结56
第4章　算法设计57
41　算法设计基本概念57
411　**点—所设计算法是否能产生预期的结果58
412　第二点—所设计算法是否是获取结果的*佳方法58
413　第三点—所设计算法在更大的数据集上表现如何61
42　理解算法策略61
421　分治策略62
422　动态规划策略64
423　贪心算法64
43　实际应用—求解TSP65
431　使用蛮力策略66
432　使用贪心算法68
44　PageRank算法70
441　问题定义70
442　实现PageRank算法70
45　了解线性规划73
46　实例—用线性规划实现产量规划73
47　小结76
第5章　图算法77
51　图的表示77
511　图的类型79
512　特殊类型的边81
513　自我中心网络82
514　社交网络分析82
52　网络分析理论简介83
521　理解*短路径83
522　创建邻域84
523　理解中心性度量85
524　用Python计算中心性指标87
53　理解图的遍历88
531　广度优先搜索89
532　深度优先搜索92
54　实例—欺诈分析93
541　进行简单的欺诈分析96
542　瞭望塔欺诈分析法97
55　小结99
第二部分　机器学习算法
第6章　无监督机器学习算法102
61　无监督学习简介102
611　数据挖掘生命周期中的无监督学习103
612　无监督学习的当前研究趋势105
613　实例106
62　理解聚类算法107
621　量化相似性107
622　分层聚类113
623　评估聚类效果115
624　聚类算法的应用115
63　降维116
631　主成分分析116
632　主成分分析的局限性118
64　关联规则挖掘119
641　实例119
642　市场购物篮分析119
643　关联规则120
644　排序规则122
645　关联分析算法123
65　实例—聚类相似推文127
651　主题建模128
652　聚类128
66　异常检测算法129
661　基于聚类的异常检测129
662　基于密度的异常检测129
663　基于支持向量机的异常检测129
67　小结130
第7章　传统监督学习算法131
71　理解监督机器学习131
711　描述监督机器学习132
712　理解使能条件134
713　区分分类器和回归器134
72　理解分类算法135
721　分类器挑战性问题135
722　评估分类器139
723　分类器的各个阶段142
724　决策树分类算法143
725　理解集成方法146
726　逻辑回归149
727　支持向量机算法151
728　理解朴素贝叶斯算法153
729　各种分类算法的胜者156
73　理解回归算法156
731　回归器挑战性问题156
732　线性回归158
733　回归树算法162
734　梯度提升回归算法163
735　各种回归算法的胜者163
74　实例—预测天气164
75　小结166
第8章　神经网络算法167
81　理解人工神经网络168
82　人工神经网络的演化169
83　训练神经网络171
831　解析神经网络结构171
832　定义梯度下降172
833　激活函数173
84　工具和框架178
841　Keras178
842　理解TensorFlow181
843　理解神经网络的类型183
85　迁移学习185
86　实例—用深度学习实现欺诈检测186
87　小结189
第9章　自然语言处理算法190
91　自然语言处理简介190

展开全部

作者简介

伊姆兰·艾哈迈德（Imran Ahmad）是一名经过认证的谷歌讲师，多年来一直在谷歌和学习树(Learning Tree)任教，主要教授Python、机器学习、算法、大数据和深度学习。他在攻读博士学位期间基于线性规划方法提出了名为ATSRA的新算法，用于云计算环境中资源的优化分配。近4年来，他一直在加拿大联邦政府的高级分析实验室参与一个备受关注的机器学习项目。该项目旨在开发机器学习算法，使移民过程自动化。他目前正致力于开发**地使用GPU来训练复杂的机器学习模型的算法。

本类五星书