内容简介

要想在数据科学、机器学习、计算机图形学和密码学方面工作,需要强大的数学技能。

本书教授这些热门职业所需的数学,专注于您作为开发人员需要了解的内容。这本书充满了大量有用的图形和200多个练习及迷你项目,为当今一些最热门的编程领域中的有趣且有利可图的职业开启了大门。

关于技术

大多数企业意识到他们需要应用数据科学和有效的机器学习来获得并保持竞争优势。要构建这些应用程序,他们需要开发人员轻松编写代码并使用沉浸在统计,线性代数和微积分中的工具。

数学在其他现代应用中也扮演着不可或缺的角色,如游戏开发,计算机图形和动画,图像和信号处理,定价引擎和股票市场分析。无论你是一个没有核心大学数学基础的自学成才的程序员,还是你只需要重新点燃数学余烬,这本书就是激发你技能的好方法。

关于本书

Math for Programmers教你解决代码中的数学问题。由于作者的幽默和引人入胜的风格,你会喜欢像程序员一样思考数学。通过可访问的示例,场景和练习,非常适合工作开发人员,您将首先探索2D和3D中的函数和几何。

有了这些基本构建模块,您将进入机器学习和游戏编程的面包和黄油数学,包括矩阵和线性变换,导数和积分,微分方程,概率,分类算法等。不要担心它听起来令人生畏,或者更糟糕的是,无聊!编码和数学家保罗奥兰德会让学习这些重要概念变得相关和有趣!

本实践教程中的实际示例包括构建和渲染3D模型,使用矩阵变换的动画,操纵图像和声波,以及为视频游戏构建物理引擎。在此过程中,你将通过大量练习来测试自己,以确保牢牢掌握这些概念。当你完成后,你将拥有当今最流行的技术趋势所必需的数学技能的坚实基础。

你将学到

  • 2D和3D矢量数学
  • 矩阵和线性变换
  • 线性代数的核心概念
  • 具有一个或多个变量的微积分
  • 回归,分类和聚类的算法
  • 有趣的现实世界的例子
  • 超过200个练习和迷你项目
成为VIP会员查看完整内容
0
74

相关内容

欢迎学习Python的基础知识。不仅仅是高级语法和编写干净代码的熟练技巧的集合,您将学习如何通过使用命令行和其他专业工具(如代码格式化器、类型检查器、linters和版本控制)来提高您的Python编程技能。

Sweigart带您通过设置开发环境、命名变量和提高可读性的最佳实践,然后处理文档、组织和性能度量,以及面向对象设计和编程面试中常用的Big-O算法分析。你所学的技能将会提高你编程的能力——不仅仅是用Python,而是用任何语言。

https://nostarch.com/beyond-basic-stuff-python

你将学习:

  • 编码风格,以及如何使用Python的黑色自动格式化工具来更简洁的代码
  • bug的常见来源,以及如何使用静态分析器检测它们
  • 如何使用Cookiecutter模板工具在你的代码项目中构造文件
  • 函数式编程技术,如lambda和高阶函数
  • 如何使用Python内置的timeit和cProfile模块来配置代码的速度
  • Big-O算法分析背后的计算机科学
  • 要使您的注释和文档字符串提供信息,以及编写它们的频率
  • 在面向对象编程中如何创建类,以及为什么它们被用于组织代码
  • 在本书的末尾,您将阅读两个经典命令行游戏的详细源代码分解,它们是河内塔(一个逻辑谜题)和四人一排(一个双人游戏),以及它们的代码是如何遵循本书的最佳实践的。你可以通过自己实施这个计划来测试你的技能。
  • 当然,没有哪本书可以使您成为专业的软件开发人员。但是,在Python的基础知识之外,当你学习编写易于调试和完全Python化的可读代码时,你会在这条道路上走得更远,并使你成为一个更好的程序员
成为VIP会员查看完整内容
0
41

准备好学习更轻松更有趣的编程了吗?那就用懒惰的方式去做吧!对于懒惰的程序员,c++ 20使用幽默和乐趣使您在掌握了流行而强大的c++语言之后,实际上愿意阅读并渴望执行项目。在此过程中,它包含了来自新c++ 20标准的许多特性,比如范围、跨度、格式字符串、“spaceship”操作符和概念(模板参数要求),并提供了模块和协程的简要介绍。

使用这种独特的方法,您将在各种项目中延伸自己的能力,包括您自己的c++街机游戏。您将构造自己的类、模板和抽象数据类型。在阅读和使用这本书之后,您就可以自己构建真实的c++应用程序和游戏项目了。

你将学到的: 全新的c++ 20标准 用SDL库编程图形和游戏,使用SSDL,“简单的SDL”包装器库 如何使用最常见的c++编译器——Windows的Visual Studio和g++ (Unix或MinGW)——以及它们相关的调试器 “Anti-bugging”可以轻松修复常见问题 成为高效程序员的良好实践 如何做自己的大项目,包括一个基于c++的街机游戏 内置的标准模板库(STL)函数和类,便于高效编程 强大的数据类型,包括字符串、堆栈、向量和链表——不是通过阅读它们,而是通过构建它们——为您在编程方面的职业生涯做进一步的准备

这本书是给谁 所有刚接触c++的人,无论是自学的还是大学课程的学生。

成为VIP会员查看完整内容
0
25

有很多关于傅里叶变换的书; 然而,很少有面向多学科读者的。为工程师写一本关于代数概念的书是一个真正的挑战,即使不是太难的事,也要比写一本关于理论应用的代数书更有挑战性。这就是本书试图面对的挑战。因此,每个读者都能够创建一个“按菜单”的程序,并从语句或计算机程序中提取特定元素,以建立他们在该领域的知识,或将其运用于更具体的问题。

本文叙述是非常详细的。读者可能偶尔需要一些关于有限组的高级概念,以及对组行为的熟悉程度。我强调了那些重要的定义和符号。例如,从多个角度(交换群、信号处理、非交换群)研究卷积的概念,每次都要放在它的背景知识中。因此,不同的段落,虽然遵循一个逻辑递进,有一个真正的统一,但可以根据自己需要选取阅读。

第一章用群论的语言来解释主要概念,并解释后面将用到的符号。第二章将所得结果应用于各种问题,并首次接触快速算法(例如Walsh 变换)。第三章对离散傅里叶变换进行了阐述。第四章介绍了离散傅里叶变换的各种应用,并构成了对前一章的必要补充,以充分理解所涉及的机制以及在实际情况中使用。第五章围绕傅里叶变换提出了更多新颖的思想和算法,产生了大量的应用。第六章需要一些更高级的知识,特别是对有限场理论的一些熟悉。它研究了有限域中的值变换,并给出了在校正码中的应用。最后两章(最困难的一章),具有更多的代数性质,并建议推广已经在有限非交换群的情况下进行的构造。第七章揭示了线性表示的理论。第八章和最后一章将这一理论应用于理论(群的简洁性研究)和实际(光谱分析)领域。

https://mathematical-tours.github.io/daft/

成为VIP会员查看完整内容
0
36

和其他主要语言一样,掌握C语言可以带你去一些非常有趣的新地方。在它首次出现近50年后,它仍然是世界上最流行的编程语言,并被用作全球工业核心系统的基础,包括操作系统、高性能图形应用程序和微控制器。这意味着,在尖端产业的尖端领域,如游戏、应用程序开发、电信、工程、甚至动画制作,都需要熟练的C语言用户来将创新的想法转化为顺利运行的现实。

为了帮助您达到使用C语言的目的,第2版《C Programming For Dummies》涵盖了开始编写程序所需的所有内容,从逻辑上指导您完成开发周期:从最初的设计和测试到部署和实时迭代。到最后,您将熟练地掌握干净的编程应该做什么和不应该做什么,并且能够轻松地生成优雅而高效的源代码的基本(或不那么基本)构建块。

编写和编译源代码 链接代码以创建可执行程序 调试和优化您的代码 避免常见的错误

无论你的目的地是科技行业、初创企业,还是只是为了在家消遣而开发,这本易于遵循、内容丰富、有趣的C编程语言指南都是实现这一目标最快、最友好的方式!

http://file.allitebooks.com/20201014/C%20Programming%20For%20Dummies,%202nd%20Edition.epub

成为VIP会员查看完整内容
0
26

这本书的前半部分快速而彻底地概述了Python的所有基础知识。你不需要任何以前的经验与编程开始,我们将教你一切你需要知道,一步一步。

第二部分着重于用Python以实用的方式解决有趣的、真实的问题。一旦你掌握了基础知识,你就会通过跟随我们的动手编程练习和项目迅速提高。

我们在书中的每一页都精心安排了漂亮的排版,代码示例的语法高亮显示,以及教学截图,这样你可以有效地处理和记忆信息:

所有材料都是Python 3.9的最新版本,Python编程语言在2020年发布的最新和最好的版本。简而言之,以下是你将学到的Python基础知识:Python 3的实用介绍:

安装和运行Python:在Windows、macOS或Linux上设置Python 3.9编码环境

  • 核心Python 3概念和约定:解释器会话、脚本、查找和修复代码bug、如何组织代码和构造Python程序、如何有效地学习和实践

  • Python 3.9基本原理:变量、基本数据类型、函数和循环、条件逻辑和控制流、字符串格式、列表/元组/字典、文件输入和输出、错误处理。

  • 中级Python概念:面向对象编程(OOP)、正则表达式、名称空间和作用域、异常处理、安装第三方包。

  • Python的实际使用:创建和修改PDF文件、使用数据库、从web下载和抓取内容、数据科学基础(科学计算和绘图)、图形用户界面和GUI编程。

成为VIP会员查看完整内容
0
43

如果您是用Python编程的新手,并且正在寻找可靠的介绍,那么这本书就是为您准备的。由计算机科学教师开发,在“为绝对初学者”系列丛书通过简单的游戏创造教授编程的原则。您将获得实际的Python编程应用程序所需的技能,并将了解如何在真实场景中使用这些技能。在整个章节中,你会发现一些代码示例来说明所提出的概念。在每一章的结尾,你会发现一个完整的游戏,展示了这一章的关键思想,一章的总结,以及一系列的挑战来测试你的新知识。当你读完这本书的时候,你将非常精通Python,并且能够将你所学到的基本编程原理应用到你要处理的下一种编程语言。

成为VIP会员查看完整内容
0
82

有兴趣的数据科学专业人士可以通过本书学习Scikit-Learn图书馆以及机器学习的基本知识。本书结合了Anaconda Python发行版和流行的Scikit-Learn库,演示了广泛的有监督和无监督机器学习算法。通过用Python编写的清晰示例,您可以在家里自己的机器上试用和试验机器学习的原理。

所有的应用数学和编程技能需要掌握的内容,在这本书中涵盖。不需要深入的面向对象编程知识,因为工作和完整的例子被提供和解释。必要时,编码示例是深入和复杂的。它们也简洁、准确、完整,补充了介绍的机器学习概念。使用示例有助于建立必要的技能,以理解和应用复杂的机器学习算法。

对于那些在机器学习方面追求职业生涯的人来说,Scikit-Learn机器学习应用手册是一个很好的起点。学习这本书的学生将学习基本知识,这是胜任工作的先决条件。读者将接触到专门为数据科学专业人员设计的蟒蛇分布,并将在流行的Scikit-Learn库中构建技能,该库是Python世界中许多机器学习应用程序的基础。

你将学习

  • 使用Scikit-Learn中常见的简单和复杂数据集
  • 将数据操作为向量和矩阵,以进行算法处理
  • 熟悉数据科学中使用的蟒蛇分布
  • 应用带有分类器、回归器和降维的机器学习
  • 优化算法并为每个数据集找到最佳算法
  • 从CSV、JSON、Numpy和panda格式加载数据并保存为这些格式

这本书是给谁的

  • 有抱负的数据科学家渴望通过掌握底层的基础知识进入机器学习领域,而这些基础知识有时在急于提高生产力的过程中被忽略了。一些面向对象编程的知识和非常基本的线性代数应用将使学习更容易,尽管任何人都可以从这本书获益。
成为VIP会员查看完整内容
0
113

简单易懂,读起来很有趣,介绍Python对于初学者和语言新手都是理想的。作者Bill Lubanovic带您从基础知识到更复杂和更多样的主题,混合教程和烹饪书风格的代码配方来解释Python 3中的概念。章节结尾的练习可以帮助你练习所学的内容。

您将获得该语言的坚实基础,包括测试、调试、代码重用和其他开发技巧的最佳实践。本书还向您展示了如何使用各种Python工具和开放源码包将Python用于商业、科学和艺术领域的应用程序。

  • 学习简单的数据类型,以及基本的数学和文本操作
  • 在Python的内置数据结构中使用数据协商技术
  • 探索Python代码结构,包括函数的使用
  • 用Python编写大型程序,包括模块和包
  • 深入研究对象、类和其他面向对象的特性
  • 检查从平面文件到关系数据库和NoSQL的存储
  • 使用Python构建web客户机、服务器、api和服务
  • 管理系统任务,如程序、进程和线程
  • 了解并发性和网络编程的基础知识

成为VIP会员查看完整内容
0
105

这本书在对算法工作原理的高层次理解和对优化模型的具体细节的了解之间找到一个平衡点。这本书将给你的信心和技能时,开发所有主要的机器学习模型。在这本Pro机器学习算法中,您将首先在Excel中开发算法,以便在用Python/R实现模型之前,实际了解可以在模型中调优的所有细节。

你将涵盖所有主要的算法:监督和非监督学习,其中包括线性/逻辑回归;k - means聚类;主成分分析;推荐系统;决策树;随机森林;“GBM”;和神经网络。您还将通过CNNs、RNNs和word2vec等文本挖掘工具了解最新的深度学习。你不仅要学习算法,还要学习特征工程的概念来最大化模型的性能。您将看到该理论与案例研究,如情绪分类,欺诈检测,推荐系统,和图像识别,以便您得到最佳的理论和实践为工业中使用的绝大多数机器学习算法。在学习算法的同时,您还将接触到在所有主要云服务提供商上运行的机器学习模型。

你会学到什么?

  • 深入了解所有主要的机器学习和深度学习算法
  • 充分理解在构建模型时要避免的陷阱
  • 在云中实现机器学习算法
  • 通过对每种算法的案例研究,采用动手实践的方法
  • 学习集成学习的技巧,建立更精确的模型
  • 了解R/Python编程的基础知识和Keras深度学习框架

这本书是给谁看的

希望转换到数据科学角色的业务分析师/ IT专业人员。想要巩固机器学习知识的数据科学家。

成为VIP会员查看完整内容
0
105

Python是世界上最流行的编程语言之一,人们从不同的背景成为Python程序员。有些人受过正规的计算机科学教育。其他人则将Python学习作为一种爱好。还有一些人在专业环境中使用Python,但他们的主要工作不是做软件开发人员。这本中级书中的问题将帮助经验丰富的程序员在学习语言的某些高级功能的同时,从他们的CS教育中重新了解自己的想法。自学成才的程序员将通过学习所选语言(例如Python)中的经典问题来加速CS教育。本书涵盖了各种各样的问题解决技术,以至于每个人都有真正的收获。

这本书不是对Python的介绍。相反,这本书假设您已经是一名中级或高级的Python程序员。尽管这本书需要Python3.7,但我们并不认为它能够精通最新版本的Python的每一个方面。事实上,这本书的内容是建立在这样一个假设上的:它将作为学习材料,帮助读者达到这样的掌握。另一方面,这本书不适合完全不熟悉Python的读者。

目录

介绍

  1. 小问题

    • 斐波那契序列

    • 简单的压缩

    • 牢不可破的加密

    • 计算圆周率

    • 汉诺塔

    • 实际应用

    • 练习

  2. 搜索问题

    • DNA搜索

    • 迷宫求解

    • 传教士和野人问题

    • 实际应用

    • 练习

  3. 约束满足问题

    • 构建约束-满足问题框架

    • 澳大利亚的地图着色问题

    • 八皇后问题

    • 单词搜索

    • SEND+MORE=MONEY

    • 电路板布局

    • 实际应用

    • 练习

  4. 图论问题

    • 地图作为图

    • 构建图框架

    • 最短路径查找

    • 最小化网络建设成本

    • 求加权图中的最短路径

    • 实际应用

    • 练习

  5. 遗传算法

    • 生物背景

    • 一种通用遗传算法

    • 一个天真的测试

    • SEND+MORE=MONEY revisited

    • 优化列表压缩

    • 遗传算法的挑战

    • 实际应用

    • 练习

  6. k-means聚类

    • 预备工作

    • k-means聚类算法

    • 按年龄和经度对州长进行聚类

    • 按长度聚集迈克尔·杰克逊的专辑

    • K-means聚类的问题和扩展

    • 实际应用

    • 练习

  7. 相当简单的神经网络

    • 生物学基础?

    • 人工神经网络

    • 预备工作

    • 构建网络

    • 分类问题

    • 加速神经网络

    • 神经网络问题和扩展

    • 实际应用

    • 练习

  8. 对抗搜索

    • 基本棋盘游戏组件
      
    • 井字游戏

    • 四子棋

    • 除了α-β剪枝之外的极大极小改进

    • 实际应用

    • 练习

  9. 其他问题

    • 背包问题

    • 旅行推销员问题

    • 电话号码助记符

    • 练习

附录A 词汇表

附录B 更多资源

附录C 类型提示简介

成为VIP会员查看完整内容
0
30
小贴士
相关VIP内容
专知会员服务
41+阅读 · 2020年12月26日
专知会员服务
25+阅读 · 2020年12月15日
专知会员服务
36+阅读 · 2020年11月2日
专知会员服务
26+阅读 · 2020年10月15日
专知会员服务
43+阅读 · 2020年10月11日
专知会员服务
82+阅读 · 2020年8月14日
专知会员服务
113+阅读 · 2020年6月10日
专知会员服务
105+阅读 · 2020年5月17日
专知会员服务
105+阅读 · 2020年2月11日
专知会员服务
30+阅读 · 2019年12月31日
相关资讯
【资源】机器学习数学全书,1900页PDF下载
全球人工智能
59+阅读 · 2019年10月17日
做机器学习和AI必备的42个数学知识点
AI前线
6+阅读 · 2018年12月6日
Python 杠上 Java、C/C++,赢面有几成?
CSDN
5+阅读 · 2018年4月12日
Python 如何快速入门?
大数据技术
9+阅读 · 2018年4月9日
这几本Python新书特别赞
图灵教育
5+阅读 · 2018年3月1日
用Python制作3D动画
Python程序员
20+阅读 · 2018年1月17日
数据科学与机器学习数据集
Datartisan数据工匠
6+阅读 · 2017年12月14日
相关论文
Martin Gruber,Stephan Lukasczyk,Florian Kroiß,Gordon Fraser
0+阅读 · 1月22日
Hwijae Son,Jin Woo Jang,Woo Jin Han,Hyung Ju Hwang
0+阅读 · 1月22日
Ching-Yao Chuang,Joshua Robinson,Lin Yen-Chen,Antonio Torralba,Stefanie Jegelka
3+阅读 · 2020年10月21日
Ines Chami,Adva Wolf,Da-Cheng Juan,Frederic Sala,Sujith Ravi,Christopher Ré
11+阅读 · 2020年5月1日
Wei-Lin Chiang,Xuanqing Liu,Si Si,Yang Li,Samy Bengio,Cho-Jui Hsieh
9+阅读 · 2019年8月8日
A New Ensemble Learning Framework for 3D Biomedical Image Segmentation
Hao Zheng,Yizhe Zhang,Lin Yang,Peixian Liang,Zhuo Zhao,Chaoli Wang,Danny Z. Chen
3+阅读 · 2018年12月10日
Learning to Generate and Reconstruct 3D Meshes with only 2D Supervision
Paul Henderson,Vittorio Ferrari
3+阅读 · 2018年7月24日
Yong Wang,Xiao-Ming Wu,Qimai Li,Jiatao Gu,Wangmeng Xiang,Lei Zhang,Victor O. K. Li
8+阅读 · 2018年7月8日
Jaakko Lehtinen,Jacob Munkberg,Jon Hasselgren,Samuli Laine,Tero Karras,Miika Aittala,Timo Aila
3+阅读 · 2018年3月12日
Motoya Ohnishi,Li Wang,Gennaro Notomista,Magnus Egerstedt
3+阅读 · 2018年1月29日
Top