做事要有尺度

图书标准信息

• 作者 林小小 编著
• 出版社 中国轻工业出版社
• 出版时间 2006
• 版次 1
• ISBN 9787115473769
• 定价 5.00元
• 装帧 平装
• 开本 16开
• 页数 328页
• 字数 502千字
• 正文语种 简体中文

【内容简介】

本书基于MIT 编程思维培训讲义写成，主要目标在于帮助读者掌握并熟练使用各种计算技术，具备用计算思维解决现实问题的能力。书中以Python 3 为例，介绍了对中等规模程序的系统性组织、编写、调试，帮助读者深入理解计算复杂度，还讲解了有用的算法和问题简化技术，并探讨各类计算工具的使用。与本书* 1版相比，* 2版全面改写了后半部分，且书中所有示例代码都从Python 2 换成了Python 3。本书适合对编程知之甚少但想要使用计算方法解决问题的读者。

【作者简介】

约翰？谷泰格(John V. Guttag)，1999年-2004年任MIT电气工程与计算机科学系主任，所授计算机科学系列导论课程深受学生欢迎。目前为计算机科学与人工智能实验室网络及移动系统组联合负责人，还进行软件工程、机器定理证明、硬件验证等领域的研究以及培训工作。获美国布朗大学英语专业学士学位、应用数学硕士学位，多伦多大学计算机科学博士学位。

【目录】

目    录 * 1章  启程1* 2章  Python简介62.1  Python基本元素72.1.1  对象、表达式和数值类型82.1.2  变量与赋值92.1.3  Python IDE112.2  程序分支122.3  字符串和输入142.3.1  输入152.3.2  杂谈字符编码162.4  迭代17第3章  一些简单的数值程序203.1  穷举法203.2  for循环223.3  近似解和二分查找243.4  关于浮点数273.5  牛顿 拉弗森法29第4章  函数、作用域与抽象314.1  函数与作用域324.1.1  函数定义324.1.2  关键字参数和默认值334.1.3  作用域344.2  规范374.3  递归394.3.1  斐波那契数列404.3.2  回文424.4  全局变量454.5  模块464.6  文件47第5章  结构化类型、可变性与高阶函数505.1  元组505.2  范围525.3  列表与可变性525.3.1  克隆575.3.2  列表推导575.4  函数对象585.5  字符串、元组、范围与列表605.6  字典61第6章  测试与调试656.1  测试656.1.1  黑盒测试666.1.2  白盒测试686.1.3  执行测试696.2  调试706.2.1  学习调试726.2.2  设计实验726.2.3  遇到麻烦时756.2.4  找到“目标”错误之后76第7章  异常与断言777.1  处理异常777.2  将异常用作控制流807.3  断言82第8章  类与面向对象编程838.1  抽象数据类型与类838.1.1  使用抽象数据类型设计程序878.1.2  使用类记录学生与教师878.2  继承908.2.1  多重继承928.2.2  替换原则938.3  封装与信息隐藏948.4  进阶示例：抵押贷款99第9章  算法复杂度简介1039.1  思考计算复杂度1039.2  渐近表示法1069.3  一些重要的复杂度1079.3.1  常数复杂度1079.3.2  对数复杂度1089.3.3  线性复杂度1089.3.4  对数线性复杂度1099.3.5  多项式复杂度1099.3.6  指数复杂度1119.3.7  复杂度对比112* 10章  一些简单算法和数据结构11410.1  搜索算法11510.1.1  线性搜索与间接引用元素11510.1.2  二分查找和利用假设11610.2  排序算法11910.2.1  归并排序12010.2.2  将函数用作参数12210.2.3  Python中的排序12310.3  散列表124* 11章  绘图以及类的进一步扩展12811.1  使用PyLab绘图12811.2  进阶示例：绘制抵押贷款133* 12章  背包与图的* 优化问题13912.1  背包问题13912.1.1  贪婪算法14012.1.2  0/1背包问题的* 优解14312.2  图的* 优化问题14512.2.1  一些典型的图论问题14912.2.2  * 短路径：深度优先搜索和广度优先搜索149* 13章  动态规划15513.1  又见斐波那契数列15513.2  动态规划与0/1背包问题15713.3  动态规划与分治算法162* 14章  随机游走与数据可视化16314.1  随机游走16314.2  醉汉游走16414.3  有偏随机游走17014.4  变幻莫测的田地175* 15章  随机程序、概率与分布17815.1  随机程序17815.2  计算简单概率18015.3  统计推断18015.4  分布19215.4.1  概率分布19415.4.2  正态分布19515.4.3  连续型和离散型均匀分布19915.4.4  二项式分布与多项式分布20015.4.5  指数分布和几何分布20015.4.6  本福德分布20315.5  散列与碰撞20415.6  强队的获胜概率206* 16章  蒙特卡罗模拟20816.1  帕斯卡的问题20916.2  过线还是不过线21016.3  使用查表法提高性能21316.4  求π的值21416.5  模拟模型结束语218第* 章  抽样与置信区间22017.1  对波士顿马拉松比赛进行抽样22017.2  中心极限定理22517.3  均值的标准误差228第* 章  理解实验数据23118.1  弹簧的行为23118.2  弹丸的行为23818.2.1  可决系数24018.2.2  使用计算模型24118.3  拟合指数分布数据24218.4  当理论缺失时245第* 章  随机试验与假设检验24719.1  检验显著性24819.2  当心P-值25219.3  单尾单样本检验25419.4  是否显著25519.5  哪个N25719.6  多重假设258第* 章  条件概率与贝叶斯统计26120.1  条件概率26220.2  贝叶斯定理26320.3  贝叶斯更新264第* 章  谎言、该死的谎言与统计学26721.1  垃圾输入，垃圾输出26721.2  检验是有缺陷的26821.3  图形会骗人26821.4  Cum Hoc Ergo Propter Hoc27021.5  统计测量不能说明所有问题27121.6  抽样偏差27221.7  上下文很重要27321.8  慎用外推法27321.9  得克萨斯神枪手谬误27421.10  莫名其妙的百分比27621.11  不显著的显著统计差别27621.12  回归假象27721.13  小心为上278第* 章  机器学习简介27922.1  特征向量28122.2  距离度量283第* 章  聚类28823.1  Cluster类28923.2  K-均值聚类29123.3  虚构示例29223.4  更真实的示例297第* 章  分类方法30324.1  分类器评价30324.2  预测跑步者的性别30624.3  K-* 邻近方法30824.4  基于回归的分类器31224.5  从“泰坦尼克”号生还32024.6  总结325Python  3.5速查表326