本书采用大量图片，通过详细的分步讲解，以直观、易懂的方式展现了各种数据结构和算法的基本原理。第1章介绍了链表、数组、栈等数据结构；从第2章到第8章，分别介绍了和排序、查找、图、安全、聚类、数据压缩等相关算法，较为全面地介绍常见算法与数据结构知识。 本书没有枯燥的理论和复杂的公式，而是通过大量的步骤图帮助读者加深对数据结构原理和算法执行过程的理解，易于理解，便于学习和记忆。将本书作为算法入门的第一步，是非常不错的选择。

本书是备受广大读者推崇的数据结构与算法入门教程，已在GitHub获得超60k的 Star，并多次登顶GitHub Trending。书中系统介绍了数据结构与算法基础、复杂度分析、数组与链表、栈与队列、哈希表、树、堆、图、搜索、排序、分治、回溯、动态规划和贪心算法等核心知识，通过清晰易懂的解释和丰富的代码示例，以及生动形象的全彩插图和在线动画图解，揭示算法工作原理和数据结构底层实现，教授读者如何选择和设计算法来解决不同类型的问题，切实提升编程技能，构建完整的数据结构与算法知识体系。

这是一本关于 高级/进阶 算法和数据结构的图书，主要介绍了用于Web应用程序、系统编程和数据处理领域的各种算法，旨在让读者了解如何用这些算法应对各种棘手的编码挑战，以及如何将其应用于具体问题，以应对新技术浪潮下的 棘手 问题。 本书对一些广为人知的基本算法进行了扩展，还介绍了用于改善优先队列、有效缓存、对数据进行集群等的技术，以期读者能针对不同编程问题选出更好的解决方案。书中示例大多辅以图解，并以不囿于特定语言的伪代码以及多种语言的代码样本加以闸释。 学完本书，读者可以了解高级算法和数据结构的相关内容，并能运用这些知识让代码具备更优性能，甚至能够独立设计数据结构，应对需要自定义解决方案的情况。 本书可作为高等院校计算机相关专业本科高年级学生以及研究生的学习用书，也可供从事与算法相关工作

作者基于丰富的教学经验，开发了一套全新的算法分类方法。该分类法站在通用问题求解策略的高度，对现有大多数算法进行了较为准确的分类，旨在引领读者沿着清晰、一致、连贯的思路来探索算法的设计与分析。 《算法设计与分析基础（第3版 详解版）》适合用作算法设计与分析的基础教材，也适合任何有兴趣探究算法奥秘的读者自学使用。

《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。

本书图文并茂、通俗易懂，详细讲解常用的算法知识，又融入大量的竞赛实例和解题技巧，可帮助读者熟练应用各种算法解决实际问题。本书总计8章。第1章讲解STL，涉及双端队列、优先队列、位图、集合、映射和STL中的常用函数；第2章讲解实用的数据结构，涉及并查集、倍增、稀疏表、区间最值查询、最近公共祖先、树状数组和线段树；第3章讲解查找算法，涉及散列表、字符串模式匹配和字典树；第4章讲解平衡树，涉及树高与性能、平衡二叉搜索树、树堆和伸展树；第5章讲解图论提高方面的知识，涉及连通图与强连通图、桥与割点、双连通分量的缩点和Tarjan算法；第6章讲解图论算法，涉及最小生成树、最短路径、拓扑排序和关键路径；第7章讲解搜索算法提高方面的知识，涉及剪枝优化、嵌套广度优先搜索、双向广度优先搜索和启发式搜索；第8章讲解动态规划

本书定位于夯实数学建模基础，采用主流编程方法和简洁代码实现常用的数学建模算法，以案例为导向，围绕数学建模知识体系展开。全书分5篇，共11章。前两章是数学建模基础篇，包括数学建模介绍、数学建模的一般流程（初等模型）、如何从算法到编程实现（层次分析法与自定义函数）；接着按算法板块组织内容，包括微分方程模型篇（人口模型、传染病模型）、优化模型篇（规划模型、投资优化策略、优化模型进阶）、评价模型篇（经典评价模型、模糊理论）、预测模型篇（常规预测模型、时间序列分析）。本书有配套源码资源和电子课件。 本书可作为高等院校数学建模的入门教材，也可作为数学建模指导教师的参考资料，还可作为其他相关行业人员、科研人员使用数学模型解决实际问题的参考用书。

这是一本关于数据结构和算法的书，以Java为描述语言，介绍了计算机编程中常用的数据结构和算法。全书共13章，讲述了常见的数据结构、排序算法、位运算、树、递归、回溯算法、贪心算法、双指针和滑动窗口、BFS和DFS、前缀和、动态规划、并查集、其他经典算法等知识。本书内容丰富，实用性强，通过示例练习和问题分析等方式，详细讲解了与算法有关的知识点。本书附赠视频讲解二维码，以及源代码。 本书适合程序员、计算机专业相关师生，以及对算法感兴趣的读者阅读。

本书以海量图解的形式，详细讲解常用的数据结构与算法，又融入大量的竞赛实例和解题技巧。通过对本书的学习，读者可掌握12种初级数据结构、15种常用STL函数、10种二叉树和图的应用，以及8种搜索技术，并领悟不同的数据结构和算法的精髓，熟练应用各种算法解决实际问题。 本书总计9章。第1章讲解C 语言基础，包括语法、函数、递归和数组；第2章讲解算法入门知识，包括算法复杂度计算、贪心算法、分治算法和STL应用；第3章讲解线性表的应用，包括顺序表、单链表、双向链表、循环链表和静态链表；第4章讲解栈和队列的应用，包括顺序栈、链栈、顺序队列和链队列；第5章讲解树的应用，包括树的存储、二叉树遍历与还原、哈夫曼编码；第6章讲解图论基础，包括图的存储、图的遍历和图的连通性；第7章讲解图的应用，包括短路径、小生成树、拓扑排序

本书将数学理论与实例相结合，这些实例以*先进的通用机器学习框架为基础，由Python实现，向读者介绍更复杂的算法。全书共25章，包括机器学习模型基础、损失函数和正则化、半监督学习导论、高级半监督分类、基于图的半监督学习、聚类和无监督学习模型、高级聚类和无监督学习模型、面向营销的聚类和无监督学习模型、广义线性模型和回归、时序分析导论、贝叶斯网络和隐马尔可夫模型、*大期望算法、成分分析和降维、赫布学习、集成学习基础、高级提升算法、神经网络建模、神经网络优化、深度卷积网络、循环神经网络、自编码器、生成对抗网络导论、深度置信网络、强化学习导论和高级策略估计算法。

《算法零基础一本通（Python版）》使用 Python 指导读者从零开始学习算法 ：由基础数据结构开始，逐步解说信息安全算法，*后也讲解了人工智能入门领域的 KNN 和 K-means 算法。《算法零基础一本通（Python版）》包含约 120 个程序实例，使用约 600 张完整图例，深入讲解了 7 种数据结构和数十种算法，此外也针对国内外著名公司招聘程序员的算法考题做了讲解。《算法零基础一本通（Python版）》实用性强、案例丰富，适合有一定 Python 基础的读者使用，也可作为大中专院校及培训机构的参考教材。

内容介绍 本书基于Python全面介绍了机器学习在信贷风控领域的应用与实践，从原理、算法与工程实践3个维度全面展开，包含21种实用算法和26个解决方案。 作者是智能风控、人工智能和算法领域的专家，曾在多家知名金融科技企业从事风控算法方面的研究与实践，经验丰富，本书得到了风控领域9位专家的高度评价。 全书一共8章，每个章节都由问题、算法、案例三部分组成，具有系统性和实战性。 第1-2章讲解了信贷业务的基础知识以及常用的规则引擎、信用评估引擎的建模方法。 第3章以项目冷启动为背景，讲解了风控领域应用广泛的迁移学习方法。 第4-5章介绍了幸存者偏差与不均衡学习中所使用的无监督学习与半监督学习方法。 第6章阐述了无监督的异常识别算法，该算法常用于数据清洗与冷启动项目，是反欺诈引擎中常用的个体欺诈检测方法。 第7章分享了一

演化学习利用演化算法求解机器学习中的复杂优化问题, 在实践中取得了许多成功, 但因其缺少坚实的理论基础, 在很长时期内未获得机器学习社区的广泛接受. 本书主要内容为三位作者在这个方向上过去二十年中主要工作的总结. 全书共18 章, 分为四个部分: 部分(第1～2 章) 简要介绍演化学习和一些关于理论研究的预备知识; 第二部分(第3～6章) 介绍用于分析运行时间复杂度和逼近能力这两个演化学习的基本理论性质的通用工具; 第三部分(第7～12 章) 介绍演化学习关键因素对算法性能影响的一系列理论结果, 包括交叉算子、解的表示、非精确适应度评估、种群的影响等; 第四部分(第13～18 章) 介绍一系列基于理论结果启发的具有一定理论保障的演化学习算法. 本书适合对演化学习感兴趣的研究人员、学生和实践者阅读. 书中第二部分内容或可为有兴趣进一步探索演化学习理

本书从一系列有趣的生活实例出发，全面介绍了构造算法的基础方法及其广泛应用，生动展现了算法的趣味性和实用性。书中介绍了算法在多个领域的应用，如图像处理、物理实验、计算机图形学、数字音频处理、机器学习等。其中，既有各种大名鼎鼎的算法，如神经网络、遗传算法、离散傅里叶变换算法、KNN、贝叶斯算法，也有不起眼的排序和概率计算算法。本书讲解浅显易懂而不失深度和严谨，对程序员有很大的启发意义。书中所有示例都与生活息息相关，充分地展现了算法解决问题的本质，让你爱上算法，乐在其中。本书在第1版的基础上新增了图像处理算法、游戏开发中检测碰撞常用的分离轴 （SAT）算法、垃圾邮件过滤相关的算法、中文分词算法、限流算法、手写数字识别和变声器等，进一步提升趣味性。 本书适合软件开发人员、编程和算法爱好者以及

本书首先从迁移学习采用的技术出发，系统地介绍每一类迁移学习算法，包括基于非负矩阵分解、概率模型、传统深度学习、对抗深度学习、模型融合以及图神经网络等的迁移学习算法。针对每一类算法，从问题定义、算法原理、算法流程等方面重点进行介绍。然后针对迁移学习的应用场景，介绍典型的应用案例。后，介绍迁移学习在百度飞桨平台上的实践。本书旨在让迁移学习或者相关领域研究人员系统地掌握迁移学习的各类算法，熟悉各类应用场景，为迁移学习落地实践提供指导和帮助。

这是一本可帮助读者深度理解并全面掌握ClickHouse运行原理并进行实践开发的工具书，涵盖了ClickHouse的时代背景、发展历程、核心概念、基础功能、运行原理、实践指导等多个维度的内容，尤其是在ClickHouse*核心的部分 MergeTree表引擎与分布式方面，书中对其实现原理和应用技巧进行了详细解读。 本书采用浅显易懂的语言 大量演示案例 大量示意图例的形式呈现，以求让读者在*短的时间内，以*舒服的方式，获得*核心的知识。本书的理论观点来自作者在OLAP领域10余年的工作思考与总结；功能与实操的素材来自作者在工作中对ClickHouse的深度应用与实践；原理解析部分的素材来自对大量专业文献的钻研与源码级的调试与解读。 本书在逻辑上分为三大部分： 第1~2章从宏观的角度出发，描述了时代背景、ClickHouse的发展历程及其核心特点。其中，对MOLAP、ROLAP和HORAP三

深度学习和传统机器视觉技术相融合，可以大大提高AI 技术的效率和精度。本书分上、下两篇，共19 章内容，详细讲解了机器视觉及深度学习的理论和编程实践。上篇介绍理论算法。包括机器视觉的经典图像处理算法、深度学习的理论基础和目前常用的深度学习框架。下篇介绍编程环境及系统搭建。讲解了机器视觉图像处理算法及深度学习的编程工具 VC 、Python 和 OpenCV；利用 VC 和 Python 工具，搭建图像处理的工程界面；介绍了常用的9 种深度学习框架的获得方法、安装设置、工程创建，以及深度学习工程的编译、训练、评估与部署方法。每一个搭建的工程，都提供一套可下载的源代码程序，方便读者下载学习。本书理论与实践兼顾，可为从事机器视觉技术及人工智能研究和应用的工程技术人员提供帮助，也可供高等院校相关专业师生学习参考。

内 容 提 要 本书结合实际应用场景讲解数据结构和算法，涵盖常用、常考的数据结构和算法的原理讲解、代码实现和应用场景等。 本书分为11章。第1章介绍复杂度分析方法。第2章介绍数组、链表、栈和队列这些基础的线性表数据结构。第3章介绍递归编程技巧、8种经典排序、二分查找及二分查找的变体问题。第4章介绍哈希表、位图、哈希算法和布隆过滤器。第5章介绍树相关的数据结构，包括二叉树、二叉查找树、平衡二叉查找树、递归树和B 树。第6章介绍堆，以及堆的各种应用，包括堆排序、优先级队列、求Top K、求中位数和求百分位数。第7章介绍跳表、并查集、线段树和树状数组这些比较高级的数据结构。第8章介绍字符串匹配算法，包括BF算法、RK算法、BM算法、KMP算法、Trie树和AC自动机。第9章介绍图及相关算法，包括深度优先搜索、广度优先搜索、拓扑排序

本书主要关注如何构建高能效具有学习能力的脉冲型神经元网络硬件，并且提供建立具有学习能力的脉冲型神经元网络硬件协同设计、协同优化方法。完整地描述从高级算法到底层硬件实现的细节。本书同样涵盖了脉冲型神经元网络中的许多基础知识和关键点。 本书从对脉冲型神经元网络的概述开始，讨论基于速率的人工神经网络的应用和训练，介绍实现神经网络的多种方法，如通用处理器和专用硬件，数字加速器和模拟加速器。同时展示了一个为能适应神经网络动态编程而建立的高能效加速器，验证脉冲神经网络的基础概念和流行的学习算法，简介脉冲神经网络硬件。后面的章节为读者介绍三个实现前述章节学习算法的设计案例（两个基于传统CMOS工艺，一个基于新兴的纳米工艺）。本书的结尾对脉冲型神经元网络硬件进行总结与展望。

2011 年，C++标准委员会发布了ISO C++ 标准的一个重要修订版，即C++11 ，揭开了C++发展的新篇章。目前，许多程序设计竞赛和相关考试都已经提供了支持C++11 程序运行的编译器。本书的代码完全采用C++11 的语法进行编写，并力求帮助读者养成一种良好的C++11 代码编写风格，在程序设计竞赛和相关考试中能够快速而准确地编写代码。 除了介绍C++11 新特性之外，本书还会详细介绍各类基础的数据结构和算法。本书的具体内容包括5 个部分：C++11 基础、C++11 标准库简介、算法基础、数据结构基础、C++标准库进阶。本书主要面向计算机专业零基础的学习者，特别适合作为学习C++语言、数据结构与算法的入门书籍，也可作为计算机专业研究生入学考试复试上机考试、各类算法考试和算法竞赛的辅导书籍。 （责任编辑邮箱：jinacmp@163.com）