新書推薦:
《
无法忍受谎言的人:一个调查记者的三十年
》
售價:NT$
290.0
《
战争社会学专论
》
售價:NT$
540.0
《
剑桥意大利戏剧史(剑桥世界戏剧史译丛)
》
售價:NT$
740.0
《
教育何用:重估教育的价值
》
售價:NT$
299.0
《
理想城市:环境与诗性
》
售價:NT$
390.0
《
逆风翻盘 危机时代的亿万赢家 在充满危机与风险的世界里,学会与之共舞并找到致富与生存之道
》
售價:NT$
625.0
《
工业互联网导论
》
售價:NT$
445.0
《
孤独传:一种现代情感的历史
》
售價:NT$
390.0
編輯推薦:
掌握多种不同的思维方式是每个人大学时代的必修课。事实上,高等院校要求学生学习多个学科的课程,其目的就是为了培养他们从多个角度思考问题的能力。本书以麻省理工学院开放式课程(OpenCourseWare)中最受欢迎的计算机科学课程为基础,旨在培养读者的编程思维,使读者拥有计算机科学家的视野。
本书结构独特,前几章涵盖了Python的大部分特性,但侧重点是如何使用这门语言,而非语言本身。作者通过演示编程语言在解决常见问题时的应用,通过抽象公共语言范式及分析它们的广泛影响,自然而然地讲解了编程语言的各个方面。本书注重理论联系实践,后半部分全面示范了前半部分讲解的基础工具(二分查找、分治、生成与测试、穷举法等)在解决常见的、实际的科学和工程问题时的应用。学完本书,读者能够比较熟练地掌握分析数据、运行模拟、应用统计方法确定结果相关性,以及将结果可视化等技能。这些技术在各自领域都有巨大的价值。凭借本书,读者将掌握使用现代数据科学工具的基本技能,在本书中学到的编程思维可以应用到未来的各种挑战中。
內容簡介:
本书基于麻省理工学院(MIT)的一门课程写成,主要目标是帮助读者掌握并熟练使用各种计算技术。本书涵盖了Python的大部分特性,重点介绍如何使用Python这门语言,共包含编程基础、Python程序设计语言、理解计算的关键概念、计算问题的解决技术等四个方面。本书将Python语言特性和编程方法贯穿全书,目的是帮助读者在学习Python的同时掌握如何使用计算来解决有趣的问题。
本书适合那些对编程知之甚少却需要(或者想要)使用计算方法来解决问题的学生,是学习更高级计算机科学课程的基础。
關於作者:
John V. Guttag 1999年至2004年任麻省理工学院电气工程与计算机科学系主任(此前担任了5年的副主任)。Guttag教授目前是计算机科学与人工智能实验室网络及移动系统组的联合负责人。此外,他还进行软件工程、机器定理证明、硬件验证等领域的研究以及培训工作,并出版过相关主题的图书。Guttag教授获得美国布朗大学英语专业学士学位、应用数学硕士学位,获得多伦多大学计算机科学博士学位。
目錄 :
第1章 起步
第2章 Python介绍
2.1 Python的基本元素
2.1.1 对象、表达式和数值类型
2.1.2 变量和赋值
2.1.3 IDLE
2.2 分支程序
2.3 字符串和输出
2.3.1 输入
2.4 循环
第3章 一些简单的数值类程序
3.1 穷举法
3.2 for循环
3.3 近似解和二分查找
3.4 关于浮点数
3.5 牛顿?拉夫逊方法
第4章 函数、作用域和规范抽象
4.1 函数和作用域
4.1.1 函数定义
4.1.2 关键字参数和默认值
4.1.3 作用域
4.2 规范
4.3 递归
4.3.1 斐波那契数
4.3.2 回文和分治
4.4 全局变量
4.5 模块
4.6 文件
第5章 结构化类型、可变性和高阶
函数
5.1 元组
5.1.1 序列和多重赋值
5.2 列表和可变性
5.2.1 克隆
5.2.2 列表解析
5.3 函数对象
5.4 字符串、元组和列表
5.5 字典
第6章 测试和调试
6.1 测试
6.1.1 黑盒测试
6.1.2 白盒测试
6.1.3 执行测试
6.2 调试
6.2.1 学习调试
6.2.2 设计实验
6.2.3 如果遇到阻碍
6.2.4 找到“目标”错误之后
第7章 异常和断言
7.1 处理异常
7.2 把异常当作控制流来使用
7.3 断言
第8章 类和面向对象编程
8.1 抽象的数据类型和类
8.1.1 使用抽象的数据类型来设计
程序
8.1.2 使用类来记录学生和教师
8.2 继承
8.2.1 多层继承
8.2.2 替代法则
8.3 封装和信息隐藏
8.3.1 生成器
8.4 进阶实例:抵押贷款
第9章 算法复杂度简介
9.1 思考计算复杂度
9.2 渐近表示
9.3 一些重要的复杂度
9.3.1 常数复杂度
9.3.2 对数复杂度
9.3.3 线性复杂度
9.3.4 对数线性复杂度
9.3.5 多项式复杂度
9.3.6 指数复杂度
9.3.7 复杂度对比
第10章 一些简单的算法和数据结构
10.1 搜索算法
10.1.1 线性搜索和间接访问元素
10.1.2 二分查找和利用假设
10.2 排序算法
10.2.1 归并排序
10.2.2 把函数当做参数
10.2.3 Python中的排序
10.3 散列表
第11章 绘图以及类的扩展内容
11.1 使用PyLab绘图
11.2 扩展实例:绘制抵押贷款
第12章 随机算法、概率以及统计
12.1 随机程序
12.2 统计推断和模拟
12.3 分布
12.3.1 正态分布和置信水平
12.3.2 均匀分布
12.3.3 指数分布和几何分布
12.3.4 本福德分布
12.4 强队的获胜概率
12.5 散列和碰撞
第13章 随机游动和数据可视化
13.1 醉汉游动
13.2 有偏随机游动
13.3 危机重重的田地
第14章 蒙特卡罗模拟
14.1 帕斯卡的问题
14.2 过还是不过
14.3 使用查表提高性能
14.4 寻找π
14.5 模拟模型的结束语
第15章 理解实验数据
15.1 弹簧的行为
15.2 弹丸的行为
15.2.1 决定系数
15.2.2 使用计算模型
15.3 拟合指数分布
15.4 当理论缺失时
第16章 谎言和统计
16.1 垃圾输入只能产生垃圾输出
16.2 图表会骗人
16.3 与此谬误
16.4 统计方法并不能代替数据
16.5 抽样偏差
16.6 语境问题
16.7 当心外推法
16.8 得克萨斯神枪手谬误
16.9 百分比会说谎
16.10 小心谨慎
第17章 背包和图的最优化问题
17.1 背包问题
17.1.1 贪婪算法
17.1.2 01背包问题的最优解法
17.2 图的最优化问题
17.2.1 一些典型的图论问题
17.2.2 疾病传播和最小割
17.2.3 最短路径、深度优先搜索和广度优先搜索
第18章 动态规划
18.1 斐波那契数列
18.2 动态规划和01背包问题
18.3 动态规划和分治
第19章 机器学习简介
19.1 特征向量
19.2 距离度量
19.3 聚类
19.4 类型示例和聚类
19.5 K-means聚类
19.6 人造案例
19.7 稍微真实一些的示例
19.8 小结
附录 Python 2.7快速参考