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

本书延续前几版的目标，涵盖抽象代数导论课程需要了解的所有主题。新合著者尼尔·布兰德仔细而又认真地修订了这本经典教材，根据其使用本教材的多年授课经验，对其内容进行了有意义的和有价值的更新。本书为学生提供了坚实的基础，并且通过对每种方法详细解释这种方法是做什么的，如何做，以及为什么作者会选择这种方法，可以帮助读者更入地了解代数。本版还包括一些抽象代数的应用，如RSA加密和编码理论，以及应用Gr?bner基础的例子。

本书全面、深入地探讨了人工智能（AI）领域的理论和实践，以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中，真正做到理论和实践相结合。全书分7个部分，共28章，理论部分介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想，内容主要包括逻辑、概率和连续数学，感知、推理、学习和行动，公平、信任、社会公益和安全；实践部分完美地践行了“现代”理念，实际应用选择当下热度较高的微电子设备、机器人行星探测器、拥有几十亿用户的在线服务、AlphaZero、人形机器人、自动驾驶、人工智能辅助医疗等。本书适合作为高等院校人工智能相关专业本科生和研究生的教材，也可以作为相关领域专业人员的参考书。

本书由2017年图灵奖得主Patterson和Hennessy共同撰写，是计算机体系结构领域的经典书籍，强调软硬件协同设计及其对性能的影响。本书采用开源的RISC-V指令系统体系结构, 讲解硬件技术、指令、算术运算、流水线、存储层次、I/O以及并行处理器等。第2版将RV64切换为RV32以降低学习难度，新增关于领域定制体系结构（DSA）的讨论以反映新的技术趋势。此外，每一章都增加了“性能提升”和“自学”章节，并更新了大量练习题。本书适合计算机体系结构领域的专业技术人员参考，也适合高等院校计算机相关专业的学生阅读。

本书源于斯坦福大学的相关课程，主要介绍不确定状态下的决策算法，涵盖基本的数学问题和求解算法。本书共分为五个部分：首先解决在单个时间点上简单决策的不确定性和目标的推理问题；然后介绍随机环境中的序列决策问题；接着讨论模型不确定性，包括基于模型的方法和无模型的方法；之后讨论状态不确定性，包括jing确信念状态规划、离线信念状态规划、在线信念状态规划等；zui后讨论多智能体系统，涉及多智能体推理和协作智能体等。本书主要关注规划和强化学习，其中一些技术涉及监督学习和优化。书中的算法是用Julia编程语言实现的，并配有大量图表、示例和练习题。本书要求读者具备扎实的数学基础，适合计算机科学、数学、统计学、电气工程、航空航天等领域的读者阅读。

本书由2017年图灵奖的两位得主撰写，是计算机体系结构领域的经典教材，每年被超过40000名学生使用。新版的主要更新是在每章中添加了关于DSA的内容，并更新了所有实例，使全书更加与时俱进，满足学生和读者的新需求。

现代计算机系统的软硬件架构十分复杂，是所有IT相关技术的根源。本书尝试从原始的零认知状态开始，逐 步从*基础的数字电路一直介绍到计算机操作系统以及人工智能。本书用通俗的语言、恰到好处的疑问、符合原生 态认知思维的切入点，来帮助读者洞悉整个计算机底层世界。本书在写作上遵循 先介绍原因，后思考，然后介绍 解决方案，*终提炼抽象成概念 的原则。全书脉络清晰，带领读者重走作者的认知之路。本书集科普、专业为一 体，用通俗详尽的语言、图表、模型来描述专业知识。 本书内容涵盖以下学科领域：计算机体系结构、计算机组成原理、计算机操作系统原理、计算机图形学、高性 能计算机集群、计算加速、计算机存储系统、计算机网络、机器学习等。 本书共分为12章。第1章介绍数字计算机的设计思路，制作一个按键计算器，在这个过程中

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统计工具。《统计至简：概率统计全彩图解 微课 Python编程》的核心是 多元统计 ，离不开第二册《矩阵力量》中介绍的线性代数工具。《统计至简：概率统计全彩图解 微课 Python编程》内容又可以归纳为 7 大板块 统计、概率、高斯、随机、频率派、贝叶斯派、椭圆。《统计至简：概率统计全彩图解 微课 Python编程》在讲解概率统计工具时，会穿插介绍其在数据科学和机器学习领域的应用场景，让大家学以致用。 《统计至简：概率统计全彩图解 微课 Python编程》读者群包括所有在工作中应用概率统计的朋友，尤其适用于初级程序员进阶、大学本科数学开窍、高级数据分析师

《计算机科学技术大辞典》分为概论、计算机数学基础、理论计算机科学、硬件系统、系统软件、程序设计、软件工程、计算机网络、多媒体技术、人机交互技术、网络安全、数据科学技术、人工智能、量子信息与计算、数字化应用场景等15个部分。覆盖面广，内容详实，解释深入浅出。既包括经典的计算机科学技术词条，又有反映学科进展的内容，可满足广大读者学习及获得计算机科学技术基本知识的需要，推动计算机科学技术普及。

本书内容详实，结构严谨，侧重于介绍优化理论在实际生活中的应用，是学习优化理论不可多得的入门教材。读者将从本书中学到如何识别、简化、建模以及求解相关优化问题，并将其中暗含的基本原理应用到自己正在进展的项目中。本书对线性代数做了清晰而完整的介绍。通过引入相关的实际案例，以易于理解且形象的方式给读者展示核心的数学概念，并帮助其领会问题的实际意义。阅读本书不需要太多的预备知识，读者只需要对几何学、微积分学和概率统计学有一个基本的了解。本书可用于本科生或研究生优化理论学习的教材。

本书适用于拥有工程学或物理科学专业的本科学位或广泛课程并希望加深对应用数学基本主题的理解的学生。书中介绍的方法构成了工程和物理科学分析的核心。读者将学习研究中需要的解决方案、技术和方法。例如，他们将能够了解用于解决技术问题的各种科学软件包背后的基础知识（例如，描述复杂结构的固体力学的方程式或短期天气预报和长期天气预报的流体力学方程式气候变化），这对于成功使用此类法规至关重要。详细而众多的工作问题有助于确保对应用数学进行清晰而有节奏的介绍。每章末尾的计算挑战性问题为学生提供了动手学习的机会，并有助于确保对概念的掌握。

《量子计算与量子信息：10周年版》介绍了量子计算和量子信息领域的主要思想和技术。该领域的快速发展及其跨学科的性质使得新来者很难全面地了解其中重要的技术和研究成果。本书共分为3 部分：第1 部分概述了量子计算和量子信息领域的主要思想和研究成果，并介绍了计算机科学、数学和物理学领域的相关背景材料，这些材料是深入理解量子计算和量子信息所必需的；第2 部分详细描述了量子计算；第3 部分是关于量子信息的，内容涉及什么是量子信息，如何使用量子态表示和交流信息，以及如何描述和处理量子信息和经典信息的破坏。

本书通过鲁棒优化的核心原理和应用，揭开不确定性的神秘面纱，为读者提供应对不可预测的挑战所需的见解和工具。作者首先简要介绍了不确定线性规划，然后深入分析了适当不确定性集的构建与经典机会约束（概率）方法之间的相互联系。接着，提出了针对不确定的锥二次优化和半定优化问题以及动态（多阶段）问题的鲁棒优化理论。最后，通过来自金融、物流和工程等不同领域的真实案例研究说明了鲁棒优化的多功能性和相关性。本书是从事不确定性优化和决策工作的人员的书籍，也是该方向很好的研究生教科书。

本书是权威的计算机体系结构著作，是久负盛名的经典作品。书中系统地介绍了计算机系统的设计基础、指令集系统结构、流水线和指令集并行技术、层次化存储系统与存储设备、互连网络以及多处理器系统等重要内容。这一版新增一章，专门介绍领域专用体系结构。本书对近些年火热的云计算、手机客户端技术、人工智能等相关内容也有涉猎。 本书既可作为高等院校计算机专业本科生或研究生教材，也可作为从事计算机体系结构或计算机系统设计的工程技术人员的参考书。

本书是一本以数据分析为基础的面向统计学、数据科学等专业的统计学著作。本书的宗旨是为每个人提供数据分析方法，为了降低阅读门槛，几乎不涉及高等数学推导。通过本书的学习，你将学会批判性地思考数据，交流你的发现，并仔细评估他人的论点。 本书内容十分丰富，设置精心，书中提供了大量的案例、示例、图、表、技术提示以及重点和难点警示标签等，并通过T1-84图形计算器、Excel、Minitab和StatCrunch展示了大量实际应用。每章末配有数据项目、本章回顾练习和练习指导。主要内容包括：数据导论、图形可视化变异、中心和变 异的数值汇总统计量、回归分析、概率、随机事件概率模型、调查抽样与推断、总体比例的假设 检验、推断总体均值以及分类变量研究与科研文献阅读。

本书全程图解式讲解，通过大量全彩插图拆解概念，让读者真正告别学习大模型的枯燥和复杂。 全书分为三部分，依次介绍语言模型的原理、应用及优化。第一部分 理解语言模型（第1~3章），解析语言模型的核心概念，包括词元、嵌入向量及Transformer架构，帮助读者建立基础认知。第二部分 使用预训练语言模型（第4~9章），介绍如何使用大模型进行文本分类、聚类、语义搜索、文本生成及多模态扩展，提升模型的应用能力。第三部分 训练和微调语言模型（第10~12章），探讨大模型的训练与微调方法，包括嵌入模型的构建、分类任务的优化及生成式模型的微调，以适应特定需求。 本书适合对大模型感兴趣的开发者、研究人员和行业从业者。读者无须深度学习基础，只要会用Python，就可以通过本书深入理解大模型的原理并上手大模型应用开发。书中示例还可以一键在

数学思维 这套书共有三本：《数学思维1：逻辑与数》《数学思维2：代数与几何》《数学思维3:概率、统计与图论》，用初等方法系统地介绍了数学的众多分支，以引人入胜的数学方法激励学生积极参与数学学习，手把手带领读者体验如何用数学方式进行思考和解决问题，帮助读者全方位建立数学思维能力 逻辑思维能力、抽象思维能力、计算思维能力、空间思维能力等。

本书着重介绍计算材料科学的基本方法和普遍原理，为材料行为模拟计算提供全面的知识。本书在广泛的尺度上考察材料建模，从电子结构方法到显微组织演化，涵盖从原子尺度到介观尺度的全部关键方法，包括密度泛函理论、分子动力学、蒙特卡罗方法、元胞自动机和相场方法等；对用于材料建模的基本方程，提供详细易懂的解释和总结性的数学背景知识；同时给出内容广泛的附录，包括材料学、经典力学、量子力学、统计热力学和线性弹性等基本背景知识。

本书原为麻省理工学院计算机科学与工程专业的数学课程讲义，谷歌技术专家参与编写，涵盖计算机科学涉及的全部基础数学知识，包括形式逻辑符号、数学证明、归纳、集合与关系、图论基础、排列与组合、计数原理、离散概率、递归等，特别强调数学定义、证明及其应用方法。本书因具有系统、完整，以及有趣、易读等明显优势，现已被全球IT技术相关从业者及准从业者奉为圭臬、广泛传阅，在人工智能日益普及的全新信息时代，更是大放异彩。本书适合计算机相关专业学生及从业人员作为数学入门教材，亦可作为统计、机器学习、数据挖掘等课程的宝贵资料。

本书系统介绍自动驾驶与机器人中的 SLAM 技术，从零开始搭建一套完整的激光雷达与惯性导航定位 建图方案。理论方面使用现代化流形方法进行推导，代码方面则使用简洁明快的现代 C 语言实现。本书 从最基本的理论与程序代码开始，一步步增加各种模块，省略复杂的工程细节，最后形成一个完整的系统。本 书在逻辑上是完整自洽的，在内容上则是通俗易懂的。 本书从经典的卡尔曼滤波器讲到现代的预积分和图优化理论。读者可以通过实际操作，将这些算法重新 实现一遍，并比较它们之间的异同。本书内容包括惯性导航、组合导航、误差拓展卡尔曼滤波器、预积分和 图优化、二维和三维激光点云的表达、最近邻数据结构、点云配准算法，等等。最后，本书将各种算法模块 组合起来，形成完整的惯性里程计、离线地图构建和实时定位系统。 本书可作为自动驾驶

本书主要讲解分布式机器学习算法和开源框架，读者既可以从宏观的设计上了解分布式机器学习的概念和理论，也可以深入核心技术的细节设计中，对分布式机器学习形成深刻而直观的认识，做到学以致用。 本书共分为5篇，第1篇是分布式基础，首先介绍了分布式机器学习的概念、基础设施，以及机器学习并行化技术、框架和软件系统，然后对集合通信和参数服务器PS-Lite进行了介绍。第2篇是数据并行，以PyTorch和Horovod为主对数据并行进行分析，读者可以了解在具体工程领域内实现数据并行有哪些挑战和解决方案。第3篇是流水线并行，讲解了除模型划分之外，还通过引入额外的流水线来提高效率，以GPipe / PyTorch / PipeDream为例进行分析。第4篇是模型并行，首先对NVIDIA Megatron进行分析，讲解如何进行层内分割模型并行，然后讲解PyTorch 如何支持模型并行，最后介绍分布

本书致力于介绍图神经网络的基本概念和算法、研究前沿以及广泛和新兴的应用，涵盖图神经网络的广泛主题，从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。全书分为四部分：部分介绍图神经网络的基本概念；第二部分讨论图神经网络成熟的方法；第三部分介绍图神经网络典型的前沿领域；第四部分描述可能对图神经网络未来研究比较重要和有前途的方法与应用的进展情况。 本书适合高年级本科生和研究生、博士后研究人员、讲师以及行业从业者阅读与参考。

本书包括概率论、数理统计两部分，涉及条件分布、期望、大样本理论、估计、假设检验、非参数方法、线性统计模型、统计模拟等，内容取材比较时尚新颖。新版不但重写了很多章节，还介绍了在计算机科学中日益重要的Chernoff界，以及矩方法、Newton法、EM算法、枢轴量、似然比检验的大样本分布等方面的知识，将目前研究前沿的一些问题深入浅出地融人教材。书中内容丰富完整，适当地选择某些章节，可以作为一学年的概率论与数理统计课程的教材，亦可作为一学期的概率论与随机过程的教材。适合数学、统计学、经济学等专业高年级本科生和研究生用，也可供统计工作人员用作参考书。