本书是《算法设计与分析（第2版）》（李春葆等编著，清华大学出版社出版）的配套学习和上机实验指导书，给出了主教材中所有练习题、上机实验题和在线编程题的参考答案，通过研习有助于提高灵活运用算法设计策略解决实际问题的能力。书中列出了所有题目，自成一体，可以脱离主教材单独使用。 本书适合高等院校计算机及相关专业本科生及研究生使用。

Python与机器学习这一话题是如此的宽广，仅靠一本书自然不可能涵盖到方方面面，甚至即使出一个系列也难能做到这点。单就机器学习而言，其领域就包括但不限于如下：有监督学习（SupervisedLearning），无监督学习（UnsupervisedLearning）和半监督学习（Semi-SupervisedLearning）。而具体的问题又大致可以分两类：分类问题（Classification）和回归问题（Regression）。Python本身带有许多机器学习的第三方库，但本书在绝大多数情况下只会用到Numpy这个基础的科学计算库来进行算法代码的实现。这样做的目的是希望读者能够从实现的过程中更好地理解机器学习算法的细节，以及了解Numpy的各种应用。不过作为补充，本书会在适当的时候应用scikit-learn这个成熟的第三方库中的模型。本书适用于想了解传统机器学习算法的学生和从业者，想知道如何高效实现机器的算法的程序员，以及想

《强化学习精要：核心算法与TensorFlow实现》用通俗幽默的语言深入浅出地介绍了强化学习的基本算法与代码实现，为读者构建了一个完整的强化学习知识体系，同时介绍了这些算法的具体实现方式。从基本的马尔可夫决策过程，到各种复杂的强化学习算法，读者都可以从本书中学习到。本书除了介绍这些算法的原理，还深入分析了算法之间的内在联系，可以帮助读者举一反三，掌握算法精髓。书中介绍的代码可以帮助读者快速将算法应用到实践中。

世界上的一切事物都可以被简化成一个公式吗？数字可以告诉我们谁是我们的另一半，而且能和我们白头偕老吗？算法可以准确预测电影的票房收入，并且让电影更卖座吗？程序软件能预知谁将要实施犯罪，并且到案发时间吗？这些事听起来都像是科幻小说中的情节，但事实上，它们仅是日益被算法主宰的人类世界的“冰山一角”。近年来随着大数据技术的快速发展，我们正在进入“算法经济时代”。每天，算法都会对展示在我们眼前的信息进行分类、筛选与取舍。我们看到的谷歌搜索结果，脸谱网上显示的好友信息，以及给我们提供的个性化购买建议等，都是算法作用的结果。算法正在以各种各样的方式，影响着世界的方方面面，包括企业创新、产业变革、经济发展。在《算法时代》一书中，作者带领读者展开了一次算法和大数据世界的探索之旅：探寻我们如何

Python与机器学习这一话题是如此的宽广，仅靠一本书自然不可能涵盖到方方面面，甚至即使出一个系列也难能做到这点。单就机器学习而言，其领域就包括但不限于如下：有监督学习（SupervisedLearning），无监督学习（UnsupervisedLearning）和半监督学习（Semi-SupervisedLearning）。而具体的问题又大致可以分两类：分类问题（Classification）和回归问题（Regression）。Python本身带有许多机器学习的第三方库，但本书在绝大多数情况下只会用到Numpy这个基础的科学计算库来进行算法代码的实现。这样做的目的是希望读者能够从实现的过程中更好地理解机器学习算法的细节，以及了解Numpy的各种应用。不过作为补充，本书会在适当的时候应用scikit-learn这个成熟的第三方库中的模型。本书适用于想了解传统机器学习算法的学生和从业者，想知道如何高效实现机器的算法的程序员，以及想

《强化学习精要：核心算法与TensorFlow实现》用通俗幽默的语言深入浅出地介绍了强化学习的基本算法与代码实现，为读者构建了一个完整的强化学习知识体系，同时介绍了这些算法的具体实现方式。从基本的马尔可夫决策过程，到各种复杂的强化学习算法，读者都可以从本书中学习到。本书除了介绍这些算法的原理，还深入分析了算法之间的内在联系，可以帮助读者举一反三，掌握算法精髓。书中介绍的代码可以帮助读者快速将算法应用到实践中。