• 计算之魂 (《数学之美》《浪潮之巅》等畅销书作者吴军博士新作)
  • 计算之魂 (《数学之美》《浪潮之巅》等畅销书作者吴军博士新作)
  • 计算之魂 (《数学之美》《浪潮之巅》等畅销书作者吴军博士新作)
  • 计算之魂 (《数学之美》《浪潮之巅》等畅销书作者吴军博士新作)
  • 计算之魂 (《数学之美》《浪潮之巅》等畅销书作者吴军博士新作)
21年品牌 40万+商家 超1.5亿件商品

计算之魂 (《数学之美》《浪潮之巅》等畅销书作者吴军博士新作)

10 九品

仅1件

江苏南京
认证卖家担保交易快速发货售后保障

作者吴军

出版社人民邮电出版社

出版时间2022-01

版次1

装帧其他

货号A11

上书时间2024-11-12

十丈红尘

四年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:九品
图书标准信息
  • 作者 吴军
  • 出版社 人民邮电出版社
  • 出版时间 2022-01
  • 版次 1
  • ISBN 9787115576170
  • 定价 109.00元
  • 装帧 其他
  • 开本 16开
  • 纸张 胶版纸
  • 页数 381页
  • 字数 394千字
【内容简介】
对计算机科学的掌握程度,决定了一个计算机行业从业者能走多远。在本书中,作者将人文历史与计算机科学相结合,通过一些具体的例题,分10个主题系统地讲解了计算机科学的精髓。这些例题是作者面试求职者时用到的考题,或是头部计算机公司和金融企业的面试题。
  作者在书中结合自己对计算机工程师的五级分级标准,详细讲解了每类题目不同层次的解决方法、不同水平的人大约能思考到什么样的深度,深度阐述题目背后的计算机科学精髓。通过对比优化解题思路,读者不仅可以衡量自己的水平,在职业的发展道路上走得更快,更可以深刻理解并掌握计算机科学和计算思维,逐渐把握计算机科学这门艺术,获得重复性成功。
  对于所有有志于了解或学习科技,特别是计算机科学的人来讲,本书不仅有助于了解计算机科学,更有助于了解 IT 产业的技术特点、培养一些特殊的思维方式、掌握信息时代特殊的做事方法,通过具体的例子,从“术”的层面获得“道”的层面的提升。
【作者简介】
吴军:学者,投资人,人工智能、语音识别和互联网搜索专家。毕业于清华大学和美国约翰·霍普金斯大学,现任丰元资本创始合伙人、上海交通大学客座教授、约翰·霍普金斯大学工学院董事等职。 

吴军博士曾作为资深研究员和副总裁分别任职于Google 公司和腾讯公司。在Google公司,他和同事一同开创了搜索反作弊研究领域,成立了中、日、韩文产品部门,设计了Google 中、日、韩文搜索算法,领导了Google自然语言处理和自动问答等研究型项目,拥有近20项美国发明专利。在腾讯公司,他负责了搜索、搜索广告和街景地图等项目。作为风险投资人,他成功地投资了150家硅谷和中国的高科技企业。吴军博士对科技产业有深入的研究,是当今硅谷地区解读 IT 产业的专家。 

吴军博士著有《数学之美》《浪潮之巅》《大学之路》《文明之光》《智能时代》《见识》《态度》《全球科技通史》和《信息传》等多部畅销书,并多次获得包括文津图书奖、中国好书奖、中华优秀出版物奖在内的图书大奖。
【目录】
引子 计算的本质-从机械到电子 

0.1 什么是计算机

0.2 机械计算机、布尔代数和开关电路

0.3 图灵机:计算的本质是机械运动

0.4 人工智能的极限

第 1 章 毫厘千里之差-大 O 概念

1.1 算法的规范化和量化度量

1.2 大数和数量级的概念

1.3 怎样寻找好的算法

1.4 关于排序的讨论

第 2 章 逆向思考-从递推到递归

2.1 递归:计算思维的核心

2.2 遍历:递归思想的典型应用

2.3 堆栈和队列:遍历的数据结构

2.4 嵌套:自然语言的结构特征

第 3 章 万物皆编码-抽象与表示

3.1 人和计算机对信息编码的差异

3.2 分割黄金问题和小白鼠试验问题

3.3 数据的表示、精度和范围

3.4 非线性编码和增量编码(差分编码)

3.5 哈夫曼编码

3.6 矩阵的有效表示

第 4 章 智能的本质-分类与组合

4.1 这是选择分类问题

4.2 组织信息:集合与判定

4.3 B 树、B* 树:数据库中的数据组织方式

4.4 卡特兰数

第 5 章 工具与算法-图论及应用

5.1 图的本质:点与线

5.2 图的访问:遍历和连通性

5.3 构建网络爬虫的工程问题

5.4 动态规划:寻找短路径的有效方法

5.5 流量:解决交通问题的方法

5.6 配对:流量问题的扩展

第 6 章 化繁为简-分治思想及应用

6.1 分治:从O(N2) 到O(N log N)

6.2 分割算法:快速排序和中值问题

6.3 并行初探:矩阵相乘和 MapReduce

6.4 从机器学习到深度学习:Google 大脑

第 7 章 权衡时空-理解存储

7.1 访问:顺序 vs. 随机

7.2 层次:容量 vs. 速度

7.3 索引:地址 vs. 内容

第 8 章 并行与串行-流水线和分布式计算

8.1 流水线:逻辑串行和物理并行

8.2 摩尔定律的两条分水岭

8.3 云计算揭密:GFS 和 MapReduce

第 9 章 状态与流程-等价性与因果关系

9.1 从问题到状态

9.2 等价性:抽象出状态的工具

9.3 因果关系:建立状态之间的联系

第 10 章 确定与随机-概率算法及应用

10.1 信息指纹:寓确定于随机之中

10.2 随机性和量子通信

10.3 置信度:成本与效果的平衡

第 11 章 理论与实战-典型难题精解

11.1 长连续子序列问题

11.2 区间合并问题

11.3 12 球问题

11.4 天际线问题

11.5 长回文问题(Longest Palindrome Match)

11.6 计算器问题

11.7 如何产生搜索结果的摘要(Snippets Generation)

11.8 寻找和等于k 的子数组问题

索引
点击展开 点击收起

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP