Gilbert Strang是麻省理工学院数学教授，美国国家科学院院士和美国艺术与科学院院士，在有限元理论、变分法、小波分析及线性代数等领域卓有成就，著有多部经典数学教材，开设多门开放式课程，享有国际盛誉。本书是深度学习的导论，全面介绍机器学习的数学基础，阐述架构神经网络的核心思想，主要内容包括线性代数的重点、大规模矩阵的计算、低秩与压缩传感、特殊矩阵、概率与统计、**化、数据学习等。本书可作为数据科学方向的数学基础课程教材，也可供人工智能、深度学习领域的科研人员和工程技术人员参考。
《机器学习 : 全彩图解 微课 Python编程》是 鸢尾花数学大系：从加减乘除到机器学习 丛书的最后一册，前六本解决了编程、可视化、数学、 数据方面的诸多问题，而《机器学习 : 全彩图解 微课 Python编程》将开启机器学习经典算法的学习之旅。 《机器学习 : 全彩图解 微课 Python编程》设置了 24 个话题，对应四大类机器学习经典算法（回归、分类、降维、聚类），覆盖算法包括： 回归分析、多元线性回归、非线性回归、正则化回归、贝叶斯回归、高斯过程、k 最近邻分类、朴素贝叶 斯分类、高斯判别分析、支持向量机、核技巧、决策树、主成分分析、截断奇异值分解、主成分分析进阶、 主成分分析与回归、核主成分分析、典型相关分析、 k 均值聚类、高斯混合模型、最大期望算法、层次聚类、 密度聚类、谱聚类。 《机器学习 : 全彩图解 微课 Python编程》选取算
《数据有道 : 数据分析 图论与网络 微课 Python编程》是 鸢尾花数学大系 从加减乘除到机器学习 丛书的第三板块 ( 实践板块 ) 中的一本关于数据 科学的分册。 实践 这个板块，我们将会把学到的编程、可视化， 特别是数学工具应用到具体的数据科学、 机器学习算法中，并在实践中加深对这些工具的理解。 《数据有道 : 数据分析 图论与网络 微课 Python编程》可以归纳为 7 大板块 数据说、数据处理、时间数据、图论基础、图的分析、图与矩阵、图论实践。 这 7 个板块 ( 共 25 章内容 ) 都紧紧围绕一个主题 数据！ 《数据有道 : 数据分析 图论与网络 微课 Python编程》以数据为名，以好奇心和疑问为驱动，主动使用 编程 可视化 数学 工具进行探索。《数据有道 : 数据分析 图论与网络 微课 Python编程》将 会回顾鸢尾花书前五本主要的工具，让大家对很多概念从似懂非懂变
《Python编程 从入门到实践 第3版》 本书是享誉全球的Python入门书，影响了超过250万读者。全书分两部分：第一部分介绍用Python编程所必须了解的基本概念，包括强大的Python库和工具，以及列表、字典、if语句、类、文件和异常、代码测试等内容；第二部分将理论付诸实践，讲解如何开发三个项目，包括简单的2D游戏、利用数据生成交互式的信息图以及创建和定制简单的Web应用，并帮助读者解决常见编程问题和困惑。第3版进行了全面修订：使用了文本编辑器VS Code，新增了介绍removeprefix()方法和removesuffix()方法的内容，并且在项目中利用了Matplotlib和Plotly的最新特性，等等。 《Python编程快速上手 让繁琐工作自动化 第2版》 本书是一本面向初学者的Python编程实用指南。本书不仅介绍了Python语言的基础知识，而且通过案例实践教读者如何使用这些知识和技能。本书的第一部
数据科学和机器学习已经深度融合到我们生活的方方面面，而数学正是开启未来大门的钥匙。不是所有人生来都握有一副好牌，但是掌握 数学 编程 机器学习 的知识绝对是王牌。这一次，学习数学不再是为了考试、分数、升学，而是投资时间、自我实现、面向未来。为了让大家学数学、用数学，甚至爱上数学，在创作时，作者尽量克服传统数学教材的各种弊端，让大家学习时有兴趣、看得懂、有思考、更自信、用得着。 《统计至简：概率统计全彩图解 微课 Python编程》是 鸢尾花数学大系 从加减乘除到机器学习 丛书中数学版块 数学三剑客 的第三册，也是最后一本。 数学 板块的第一本《数学要素》是各种数学工具的 大杂烩 ，可谓数学基础；《矩阵力量》专门讲解机器学习中常用的线性代数工具；本册《统计至简》则介绍机器学习和数据分析中常用的概率
数据科学和机器学习已经深度融合到我们生活的方方面面，而数学正是开启未来大门的钥匙。不是所 有人生来都握有一副好牌，但是掌握 数学 编程 机器学习 是**。这一次，学习数学不再是为了考试、分数、升学，而是投资时间、自我实现、面向未来。为了让大家学数学、用数学，甚至爱上数学， 在创作这套书时，作者尽量克服传统数学教材的各种弊端，让大家学习时有兴趣、看得懂、有思考、更自信、用得着。 鸢尾花书有三大板块 编程、数学、实践。数据科学、机器学习的各种算法离不开数学，本册《矩阵力量》是 数学 板块的第 2 本，主要介绍常用线性代数工具。任何数学工具想要从一元推广到多元，比如多元微积分、多元统计，都绕不开线性代数。 《矩阵力量：线性代数全彩图解 微课 Python编程》共 25 章内容，可以归纳为 7 大板块：向量、矩阵、
《深度学习》内容介绍：《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第 1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第 2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。 《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。 《动手学深度学习》内容简介：本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以
数据科学和机器学习已经深度融合到我们生活的方方面面，而数学正是开启未来大门的钥匙。不是所 有人生来都握有一副好牌，但是掌握 数学 编程 机器学习 是王牌。这次，学习数学不再是为了考试、分数、升学，而是投资时间、自我实现、面向未来。为了让大家学数学、用数学，甚至爱上数学， 在创作这套书时，作者尽量克服传统数学教材的各种弊端，让大家学习时有兴趣、看得懂、有思考、更自信、用得着。 《数学要素：全彩图解 微课 Python编程》打破数学板块的藩篱，将算数、代数、线性代数、几何、解析几何、概率统计、微积分、优化方法等板块有机结合在一起。从加、减、乘、除四则运算讲起，主要内容包括：第 1、2 章讲解向量和矩阵的基本运算；第 3 章讲解常用几何知识；第 4 章讲解代数知识；第 5、6 两章介绍坐标系；第 7、8、9 三章介绍解析几
《可视之美:数据可视化 数学艺术 学术绘图 Python创意编程》是 鸢尾花数学大系：从加减乘除到机器学习 丛书中编程板块的第二册。编程板块第一册《编程不难》着重介绍如何零基础入门Python编程，《可视之美:数据可视化 数学艺术 学术绘图 Python创意编程》则在《编程不难》基础之上深入探讨如何用Python完成数学任务及板块数据可视化。 《可视之美:数据可视化 数学艺术 学术绘图 Python创意编程》是本系列中的一本真正意义上的 图册 。内容覆盖科技制图、计算机图形学、创意编程、趣味数学实验、数学科学、机器学习等。《可视之美:数据可视化 数学艺术 学术绘图 Python创意编程》 毫无节制 地展示数学之美，而且提供特别实用且容易复制的创作思路、做图技巧、编程代码。 《可视之美:数据可视化 数学艺术 学术绘图 Python创意编程》包含8个板块共36章内容。前5个
《代码大全2（纪念版）》作为名家经典著作，是一本完整的软件构建手册，涵盖软件构建过程中的所有细节。它从软件质量和编程思想等方面论述软件构建的各个主题，并详细论述主流的新技术、高屋建瓴的观点和通用的概念，还含有丰富而典型的程序示例。本书所论述的技术不仅填补了初级与中高级编程技术之间的空白，同时还为程序员提供了一个有关编程技巧的信息来源。 《代码大全2（纪念版）》对经验丰富的程序员、技术带头人、自学的程序员及几乎不懂太多编程技巧的学生大有帮助。无论是什么背景的读者，都可以通过阅读和领会本书，在更短的时间内更轻松地写出更好、更简洁和更优雅的程序。
不需要是技术专家，只要阅读《游戏设计艺术》，学习佳作，深刻领悟游戏设计的真谛，人人都可以成为优秀的游戏设计师！ 本书深入讲解最基础的游戏设计原则，展示桌面、卡牌、体育游戏中的技巧如何在电子游戏中生效。书中列出了100多个透镜，帮助你从各种角度观察游戏设计，例如心理、建筑、音乐、视觉、电影、软件工程、主题公园设计、数学、谜题设计和人类学等方方面面。本书主要内容包括游戏的体验、构成游戏的元素、元素支撑的主题、游戏的改进、游戏机制、游戏中的角色、游戏设计团队、如何开发好的游戏、如何推销游戏、设计者的责任等。 本书包含许多VR和AR平台的上佳范例，如《神秘海域4》和《最后生还者》，以及免费游戏、混合游戏、严肃游戏等方面的当代名作。
本书从R语言临床预测模型基本原理讲起，逐步深入到进阶实战，并配合实战案例，重点介绍临床预测模型的构建、评价、验证，让读者可以快速领悟 3~5分预测模型 SCI（science citation index，科学引文索引）的套路与精髓，为后续冲击10分以上SCI打基础。 本书分为13章，主要内容有线性回归、Logistic回归、Cox回归、竞争风险模型等；自变量筛选方法有传统方法、逐步回归法、Lasso法、随机森林法、子集法、主成分分析法等；模型可视化涉及多种形式的列线图、Calibration校准曲线、ROC、DCA 曲线等图形绘制，不仅涉及单模型的可视化，还涉及单模型多时点、多模型同时点的可视化；模型评价指标涉及C指数、AUC、NRI、IDI 等；模型验证主要涉及简单交叉验证、K折交叉验证、留一法交叉验证及Bootstrap法。 本书内容通俗易懂，案例丰富，实用性强，适合R语言临床预测模型的入门读
机器学习是以概率论、统计学、信息论、**化理论、计算理论等为基础的计算机应用理论学科，也是人工智能、数据挖掘等领域的基础学科。《机器学习方法》全面系统地介绍了机器学习的主要方法，共分三篇。篇介绍监督学习的主要方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与**熵模型、支持向量机、Boosting、EM算法、隐马尔可夫模型、条件随机场等；第二篇介绍无监督学习的主要方法，包括聚类、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配、PageRank算法等。第三篇介绍深度学习的主要方法，包括前馈神经网络、卷积神经网络、循环神经网络、序列到序列模型、预训练语言模型、生成对抗网络等。书中每章介绍一两种机器学习方法，详细叙述各个方法的模型、策略和算法。从具
《Python编程 从入门到实践 第3版》 本书是享誉全球的Python入门书，影响了超过250万读者。全书分两部分：部分介绍用Python编程所必须了解的基本概念，包括强大的Python库和工具，以及列表、字典、if语句、类、文件和异常、代码测试等内容；第二部分将理论付诸实践，讲解如何开发三个项目，包括简单的2D游戏、利用数据生成交互式的信息图以及创建和定制简单的Web应用，并帮助读者解决常见编程问题和困惑。第3版进行了全面修订：使用了文本编辑器VS Code，新增了介绍removeprefix()方法和removesuffix()方法的内容，并且在项目中利用了Matplotlib和Plotly的新特性，等等。 《Python编程快速上手 让繁琐工作自动化 第2版》 本书是一本面向初学者的Python编程实用指南。本书不仅介绍了Python语言的基础知识，而且通过案例实践教读者如何使用这些知识和技能。本书的部分介绍了基
计算已经成为人们生活中不可或缺的组成部分，人类社会享受了计算技术的红利得以飞速发展。可以说当今的计算机科学和产业应用的成就是人类文明有史以来所有智慧的结晶。解释、澄清和发展 计算 这一重要概念，即本书之写作目的。本书从探索数学的起源开始，细数了数学史上三次危机的来龙去脉，逐渐引出计算理论的诞生和发展，以及这些过往是如何影响当今计算机科学最前沿方向的。最后本书从哲学层面探讨了计算的边界，将其视为人类需要继续探索的未解之谜。本书横跨了人类3000年的文明史，综合了数学、哲学、物理学、计算机科学、人工智能、复杂系统科学等多门学科，呈现出一种独特的计算主义的世界观。
《华为数据之道》 这是一部从技术、流程、管理等多个维度系统讲解华为数据治理和数字化转型的著作。华为是一家超大型企业，华为的数据底座和数据治理方法支撑着华为在全球170多个国家/地区开展多业态、差异化的运营。书中凝聚了大量数据治理和数字化转型方面的有价值的经验、方法论、规范、模型、解决方案和案例，不仅能让读者即学即用，还能让读者了解华为数字化建设的历程。 ============= 《华为数字化转型之道》 本书由华为公司质量与流程IT团队官方出品，从认知、理念、转型框架、规划和落地方法、业务重构、平台构建等多个维度全面总结和阐述了华为自身的数字化转型历程、方法和实践，能为准备开展或正在开展数字化转型的企业提供系统、全面的参考。
本书内容涵盖了程序设计的基本概念和技术，通过对 C 语言进行全面介绍，帮助读者理解程序设计的原 理，并掌握实践知识。本书共分为五部分，第一部分（第 2 ～ 9 章）介绍了程序设计的基础知识；第二部分（第 10 ～ 16 章）介绍了输入输出相关知识，包括从键盘和文件获取数值与文本数据的方法，以及以图形化方 式表示数值数据、文本和几何图形；第三部分（第 17 ～21 章）介绍了算法和数据结构相关知识，包括向量容器、 链表和映射容器；第四部分（第 22 ～ 27 章）对 C 语言思想进行了更有广度的介绍；第五部分（附录 A ～附 录 E）是对书中正文的补充。 本书可作为高等院校计算机、电子信息及相关专业的本科生或研究生教材，也可供对程序设计感兴趣的研 究人员和工程技术人员阅读参考。
本书是畅销书升级版，详细和系统地介绍了正规、有效的SEO实战技术，包括为什么要做SEO、搜索引擎工作原理、关键词研究、网站结构优化、移动SEO、外部链接建设、SEO效果监测及策略修改，SEO作弊及惩罚、搜索引擎算法更新、常用的SEO工具、SEO项目管理中需要注意的问题等专题，后提供了一个非常详细的案例供读者参考。 第4版做了比较大的改写，除了删除已无法使用的工具、增加新工具，修正新形势下的SEO观点外，还大幅增加了SEO行业近年发展，如： 移动SEO部分扩充完善并独立成章 增加搜索引擎算法更新一章 增加人工智能与SEO小节 增加近年常见的SEO作弊方法讨论，如伪原创、百度快排、负面SEO等 SEO技术，如大型网站抓取份额控制、用户体验优化、页面速度优化、精选摘要优化
《基础统计学》历经14 版，经久不衰。该书已经作为国际版统计教材被翻译成多国文字，连续25 年在美国统计类教材中排名第一。本书以浅显易懂的文字以及贴近实际的案例，带领读者专业系统地学习统计思维和批判性思维，领略统计学的真实魅力。本书的第1~3 章着重介绍描述统计学，通过第4~6 章的概率分布逐渐过渡到第7~9 章的推断统计学；第10~15 章介绍了现代统计学中一些重要的实践方法，例如回归分析、拟合优度、方差分析、非参数检验等，读者可以根据自身的兴趣与背景学习相关内容。
主要内容 ● 演示如何用C 思考，以更大限度地发挥语言的深远能力，并开发有效的解决方案 ● 解释难以理解的原理，进行陷阱警告，分享提高效率和性能的提示、技巧和变通方法 ● 呈现各种具有挑战性的、真实世界的程序，其用途广泛，足以融入任何项目 ● 重点介绍C 20的新特性，包括模块、概念、三向比较、立即执行函数等 ● 深入讨论新的C 20标准库功能，例如文本格式化、范围、原子智能指针、同步原语、日期、时区等
本书分为两部分。第壹部分，机器学习基础，涵盖以下主题：什么是机器学习，它试图解决什么问题，以及系统的主要类别和基本概念；第二部分，神经网络和深度学习，涵盖以下主题：什么是神经网络以及它们有什么用，使用TensorFlow和Keras构建和训练神经网络的技术，以及如何使用强化学习构建可以通过反复试错，学习好的策略的代理程序。第壹部分主要基于Scikit-Learn，而第二部分则使用TensorFlow和Keras。
