为了帮助有一定编程基础的人群进一步提升自己的Python编程水平及应对编程工作的压力，《算法实例精讲 Python语言实现》全面讲解了9种经典算法理论、65个典型实例的算法设计与分析以及Python语言的代码实现过程。首先从Python数据结构基础入手，然后讲解了各种算法，包括排序算法、动态规划算法、双指针算法、深度优先搜索算法、广度优先搜索算法、贪心算法、递归算法、分治算法、回溯算法等，*后归纳了数据结构中的一些经典问题。这既能帮助初学者理清算法的基本结构，融会贯通地掌握好算法基础知识；又能帮助有一定工作经验的读者巩固基础，进一步提升编程水平；也能帮助求职者为未来面试与工作做好必要的知识储备。 《算法实例精讲 Python语言实现》理论基础与实例应用相结合，实例分析与图解相结合，每个实例均设有详细的思路解析和代码实现，

本书系统介绍了数据结构与算法的基本概念和相关知识，既注重理论，又注重算法设计，更突出代码实现，是一本着眼于数据结构与基本算法的教学实践的教材。 本书介绍了线性表、队列与栈、树与优先级队列、集合与静态查找表、动态查找表、排序、外部查找与排序、图、最小生成树与最短路径、算法设计思想等内容，将数据结构的理论与真实应用的实践紧密结合，从各种数据结构的代码实现到火车票管理系统的代码实现，手把手地指导读者学习数据结构与算法，帮助读者轻松掌握数据结构与算法的基本知识及基本技能，为后续进行更多专业课程的学习打下扎实基础。

《计算机程序设计艺术》系列是公认的计算机科学领域经典之作，深入阐述了程序设计理论，对计算机领域的发展有着极为深远的影响。本书是该系列的第 1 卷，讲解基本算法，其中包含了其他各卷都需用到的基本内容。本卷从基本概念开始，然后讲述信息结构，并辅以大量的习题及答案。

机器学习是人工智能研究领域中的一个极其重要的方向。在现今大数据时代的背景下，捕获数据并从中萃取有价值的信息或模式，使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目。 本书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效可复用的Python代码阐释如何处理统计数据，进行数据分析及可视化。读者可从中学到一些核心的机器学习算法，并将其运用于某些策略性任务中，如分类、预测及推荐等。 本书适合机器学习相关研究人员及互联网从业人员学习参考。

本书是一本借助演示动画来讲解算法和数据结构的入门书。书中首先介绍阅读本书所需的最低限度的编程知识和基本概念。然后针对各个算法和数据结构，在指出其解决的问题后，通过空间结构、数据、时间结构（算法流程）、计算4个方面详细讲解。最后介绍相关的伪代码和应用示例。本书涉及的算法与数据结构较为全面，通过基于动画的可视化、详细的介绍和伪代码三方面进行讲解，帮助读者直观掌握各算法和数据结构的动作原理。

算法是计算机科学领域*重要的基石之一。算法是程序的灵魂，只有掌握了算法，才能轻松地驾驭程序开发。 算法详解系列图书共有4卷，本书是第1卷 算法基础。本书共有6章，主要介绍了4个主题，它们分别是渐进性分析和大O表示法、分治算法和主方法、随机化算法以及排序和选择。附录A和附录B简单介绍了数据归纳法和离散概率的相关知识。本书的每一章均有小测验、章末习题和编程题，这为读者的自我检查以及进一步学习提供了较多的便利。 本书为对算法感兴趣的广大读者提供了丰富而实用的资料，能够帮助读者提升算法思维能力。本书适合计算机专业的高校教师和学生，想要培养和训练算法思维和计算思维的IT专业人士，以及在准备面试的应聘者和面试官阅读参考。

《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。

算法详解系列图书共有4卷，本书是第2卷 图算法和数据结构。本书共有6章，主要介绍了3个主题，分别是图的搜索和应用、*短路径以及数据结构。附录简单回顾了渐进性表示法。本书的每一章均有小测验、章末习题，这为读者的自我检查以及进一步学习提供了方便。 本书提供了丰富而实用的资料，能够帮助读者提升算法思维能力。本书适合计算机专业的高校教师和学生，想要培养和训练算法思维和计算思维的IT专业人士，以及正在准备面试的应聘者和面试官阅读参考。

大多数软件开发人员在复杂的代码上浪费了大量的时间。《整洁代码的艺术》提出的九大原则将教会您如何编写清晰、可维护且功能完备的代码。本书的指导原则很简单：缩减和简化，将精力投入到重要的工作上，省下大量的时间，卸下代码维护的重担。 热销书作者克里斯蒂安 迈尔在本书中利用他的经验帮助许多程序员完善他们的编码技能。他给出专业建议和真实例子，展示如何：利用80/20原则，专注于重要任务 要紧的那20%代码；避免孤立编码，创建小可行产品，获得早期反馈；编写整洁、简单的代码，排除混乱；避免导致代码过度复杂的过早优化；平衡您的目标、能力与反馈，达到高产出的心流状态；应用 做好一件事 哲学，极大地提升代码功能；利用 少即是多 哲学，设计有效用户界面；用 专注 原则贯穿所学的这些新技能。 本书采用Python作为示例语言，但

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。

本书是普通高等教育"十一五 *规划教材和国家精品课程教材。全书以算法设计策略为知识单元，系统介绍计算机算法的设计方法与分析技巧。主要内容包括：算法概述、递归与分治策略、动态规划、贪心算法、回溯法、分支限界法、随机化算法、线性规划与网络流等。书中既涉及经典与实用算法及实例分析，又包括算法热点领域追踪。 为突出教材的可读性和可用性，章首增加了学习要点提示，章末配有难易适度的算法分析题和算法实现题；配套出版《计算机算法设计与分析习题解答（第5版）》；并免费提供电子课件和教学网站服务。

本书介绍在嵌入式系统中的机器学习算法优化原理、设计方法及其实现技术。内容涵盖通用嵌入式优化技术，包括基于SIMD指令集的优化、内存访问模式优化、参数量化等。并在此基础上介绍了信号处理层面的优化，包括AI推理算法及基于神经网络的AI算法训练-推理联合的优化理论与方法。其中信号处理层面优化包括了基于线性代数的快速近似算法、基于多项式的快速卷积构造技术、基于数据二进制结构的快速乘法算法等；在AI推理层面，介绍了机器学习推理模型共性结构、运算图中各个算子的计算优化途径；另外对基于神经网络AI算法，阐述了如何将推理阶段的运算量约束以及底层数据量化约束加入训练代价函数，从算法训练端减少运算量以提升AI嵌入式系统的运行效率；此外本书还通过多个自动搜索优化参数并生成C代码的例子介绍了通用的嵌入式环境下机器学习

本书由具有丰富编程竞赛经验的作者执笔撰写，荣获日本 2021年IT工程师图书特别大奖 。作为一本算法和数据结构的入门书，本书内容充实、深入浅出，包含了来自知名编程竞赛平台AtCoder的丰富例题和大量配以详细注释的C 代码片段，不仅系统讲解了常见的各类算法，而且还通过图解、代码和思考题的方式，致力提高读者的算法实践能力和问题解决能力。因此这既是一本入门书，能够激发初学者对算法的兴趣，又是一本注重实践的书，让想成为算法高手的读者可以在深入理解算法和数据结构的基础上，快速掌握编程思维，终身受用。 本书既适合初学算法的读者，也适合希望深入掌握各类实用算法设计技术的读者阅读和参考。

自然语言处理是一门融语言学、计算机科学、数学于一体的学科，比较复杂，学习门槛高，但本书巧妙地避开了晦涩难懂的数学公式和证明，即便没有数学基础，也能零基础入门。 本书专注于中文的自然语言处理，以Python及其相关框架为工具，以实战为导向，详细讲解了自然语言处理的各种核心技术、方法论和经典算法。三位作者在人工智能、大数据和算法领域有丰富的积累和经验，是*、前明略数据和七牛云的资深专家。同时，本书也得到了*达摩院高级算法专家、七牛云AI实验室Leader等专家的高度评价和鼎力推荐。 全书一共11章，在逻辑上分为2个部分： *部分（第1、2、11章） 主要介绍了自然语言处理所需要了解的基础知识、前置技术、Python科学包、正则表达式以及Solr检索等。 第二部分（第5-10章） 第3~5章讲解了词法分析相关的技术，包括中文分词技术

《算法大挑战：进阶探秘》是一本针对小学高年级学生设计的算法进阶科普图书，旨在通过图形化的方式，引导学生理解并掌握算法的思想和技巧。本书内容翔实、生动有趣，通过一系列实践活动和案例分析，帮助学生巩固算法基础知识，提升算法设计和应用能力。本书不仅注重知识的传递，更重视培养学生的逻辑思维、创新思维和跨学科思维，让他们在探索人工智能的旅程中不断成长和进步，为未来的学习和探索打下坚实的基础。本书适合小学高年级的学生阅读。

本书是用轻松有趣的方法学习算法的入门指南。按照算法策略分为8章。第1章以算法之美、趣味故事引入算法，讲解算法复杂度的计算方法，以及爆炸性增量问题。2～7章讲解经典算法，包括贪心算法、分治算法、动态规划算法、回溯法、分支限界法、网络流算法。第8章讲解实际应用中的算法和高频面试算法，包括启发式搜索、敏感词过滤、LRU算法、快慢指针、单调栈、单调队列、零钱兑换、股票交易等。每一种经典算法都有4～8个实例，多数按照问题分析、算法设计、完美图解、算法详解、算法分析及优化拓展的流程进行讲解。全书讲解清晰，通俗易懂，紧扣工程教育认证的要求和实用性，力求满足新工科人才培养的需要。 本书为河南省 十四五 普通高等教育规划教材，提供了丰富的教学资源与答疑服务，包括源代码、课件、教案、习题、在线答疑和在线测试系

集成学习方法是一类先进的机器学习方法，这类方法训练多个学习器并将它们结合起来解决一个问题，在实践中获得了巨大成功。全书分为三部分。*部分主要介绍集成学习的背景知识；第二部分主要介绍集成学习方法的核心知识，包括Boosting、Bagging、Random Forests等经典算法，平均、投票和Stacking等模型和方法、相关理论分析工作，以及多样性度量和增强方面的进展。第三部分介绍集成学习方法的进阶议题，包括集成修剪、聚类集成和集成学习方法在半监督学习、主动学习、代价敏感学习、类别不平衡学习，以及提升可理解性方面的进展。此外，本书还在每章中的 拓展阅读 部分提供了相关的进阶内容。本书适合对集成学习方法感兴趣的研究人员、学生和实践者阅读。

本书介绍了算法设计的五个主要原则:分治法、贪婪算法、稀疏、动态程序设计和穷举搜索。让学生、教师、研究人员和专业人员更好地了解一个好的算法是如何组成的，以及如何用纯函数的形式表达这些算法。

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。

《计算机程序设计艺术》系列被公认为计算机科学领域的杰出之作，深入阐述了程序设计理论，对计算机领域的发展有着极为深远的影响。本卷为系列的第 2卷，讲解了半数值算法，分 随机数 和 算术 两章。书中总结了主要算法范例及这些算法的基本理论，广泛剖析了计算机程序设计与数值分析间的相互联系。

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

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

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。