《因果推理：基础与学习算法》从概率统计的角度入手，分析了因果推理的假设，揭示这些假设所暗示的因果推理和学习的目的。本书分别论述了两个变量和多变量情况下的因果模型、学习因果模型及其与机器学习的关系，讨论了因果推理隐藏变量有关的问题、时间系列的因果分析。 《因果推理：基础与学习算法》可作为高等院校人工智能和计算机科学等相关专业高年级本科生和硕士研究生的教材，也可供研究机器学习、因果推理的技术人员参考。

本书既清晰、简洁地介绍了标准数值分析教材所涵盖的内容，也介绍了非传统的内容，比如数学建模、蒙特卡罗方法、马尔可夫链和分形。书中选取的例子颇具趣味性和启发性，涉及现代应用领域（如信息检索和动画）以及来自物理和工程的传统主题。习题用MATLAB求解，使计算结果更容易理解。各章都简短介绍了数值方法的历史。而且还有网上资料。

本书是一本面向问题求解的计算机算法普及读物。笔者挑选了24个问题，有些属于计算机科学中的经典，有些则来自游戏等其他领域的场景，旨在提供一个不同于普通算法教科书的视野。在相关求解算法的介绍上大体遵循问题导入、算法思路、算法描述和算法分析的思路，从而使得对每一个问题和算法的讨论相对独立。全书可以任意顺序选读。 本书适合受过高中及其以上教育的读者，适合作为中学信息技术课程改革和大学计算机基础课的教学参考书，也有助于曾经学过计算机相关课程的读者加深关于算法的认识。

读者将理解什么是计算机算法，如何描述它们，以及如何来评估它们。这些计算机算法将提供：利用计算机搜索信息的简单方式；解决各种排序问题的方法；利用有向无环图和短路径法来解决基本问题的方法（可用于建模公路网络，任务间的依赖以及金融关系；解决字符串（例如 DNA 结构）问题的方法；密码学背后的基本原理；数据压缩的基础知识；以及甚至一些没有人能够理解如何在计算机上用相当长的时间来解决的问题。

深度学习是目前学术界和工业界都非常火热的话题，在许多行业有着成功应用。本书由Hulu的近30位算法研究员和算法工程师共同编写完成，专门针对深度学习领域，是《百面机器学习：算法工程师带你去面试》的延伸。全书内容大致分为两个部分，第一部分介绍经典的深度学习算法和模型，包括卷积神经网络、循环神经网络、图神经网络、生成模型、生成式对抗网络、强化学习、元学习、自动化机器学习等；第二部分介绍深度学习在一些领域的应用，包括计算机视觉、自然语言处理、推荐系统、计算广告、视频处理、计算机听觉、自动驾驶等。本书仍然采用知识点问答的形式来组织内容，每个问题都给出了难度级和相关知识点，以督促读者进行自我检查和主动思考。书中每个章节精心筛选了对应领域的不同方面、不同层次上的问题，相互搭配，展示深度学习的“百

本书基于Python语言介绍了数据结构与算法的基本知识，主要内容包括抽象数据类型和Python面向对象程序设计、线性表、字符串、栈和队列、二叉树和树、集合、排序以及算法的基本知识。本书延续问题求解的思路，从解决问题的目标来组织教学内容，注重理论与实践的并用。

本书是一本讲解前端程序员面试笔试真题的书籍，在写法上，除了讲解如何解答算法问题以外，还引入了示例辅以说明，让读者能够更容易理解。 本书将程序员面试笔试过程中各类算法类真题一网打尽，在题目的广度上，通过各种渠道，搜集了近3年来典型IT企业面试笔试算法高频题目，所选择题目均为企业招聘使用题目。在题目的深度上，本书由浅入深，详细分析每一个题目，并提炼归纳。同时，引入例子与源代码、时间复杂度与空间复杂度的分析，而这些内容是其他同类书籍所没有的。本书根据真题所属知识点进行分门别类，结构合理、条理清晰，对于读者进行学习与检索意义重大。 本书是一本计算机相关专业毕业生面试笔试的求职用书，也可以作为本科生、研究生学习数据结构与算法的辅导书籍，同时也适合期望在计算机软硬件行业大显身手的计算机爱好者