程序员必会的40种算法

封面

版权信息

译者序

前言

关于作者

关于审校者

第一部分 基础与核心算法

第1章 算法概述

1.1 什么是算法

1.2 描述算法逻辑

1.3 Python包简介

1.4 算法设计技术

1.5 性能分析

1.6 验证算法

1.7 小结

第2章 算法中的数据结构

2.1 Python中的数据结构

2.2 抽象数据类型

2.3 小结

第3章 排序算法和查找算法

3.1 排序算法简介

3.2 查找算法简介

3.3 实际应用

3.4 小结

第4章 算法设计

4.1 算法设计基本概念

4.2 理解算法策略

4.3 实际应用——求解TSP

NOTE

TSP是一个NP难问题。首先，我们可以在不关心最优解的情况下，随机生成一个旅行路线来满足访问所有城市这一条件。然后，我们可以在每一轮迭代中对解进行改进。在迭代过程中生成的每条旅行路线被称为候选解（也可以称为可行解）。证明一个可行解是最优解需要呈指数级增长的时间，取而代之的是使用各种基于启发式规则的解，这些解生成的旅行路线接近最佳路线，但并非最佳路线。

2024-12-12 19:54:28

4.4 PageRank算法

4.5 了解线性规划

4.6 实例——用线性规划实现产量规划

4.7 小结

第5章 图算法

5.1 图的表示

5.2 网络分析理论简介

5.3 理解图的遍历

5.4 实例——欺诈分析

5.5 小结

第二部分 机器学习算法

第6章 无监督机器学习算法

6.1 无监督学习简介

6.2 理解聚类算法

6.3 降维

6.4 关联规则挖掘

6.5 实例——聚类相似推文

6.6 异常检测算法

6.7 小结

第7章 传统监督学习算法

7.1 理解监督机器学习

7.2 理解分类算法

7.3 理解回归算法

7.4 实例——预测天气

7.5 小结

第8章 神经网络算法

8.1 理解人工神经网络

8.2 人工神经网络的演化

8.3 训练神经网络

8.4 工具和框架

8.5 迁移学习

8.6 实例——用深度学习实现欺诈检测

8.7 小结

第9章 自然语言处理算法

9.1 自然语言处理简介

9.2 基于词袋的自然语言处理

9.3 词嵌入简介

9.4 用循环神经网络实现自然语言处理

9.5 用自然语言处理实现情感分析

9.6 实例——电影评论情感分析

9.7 小结

第10章 推荐引擎

10.1 推荐系统简介

10.2 推荐引擎的类型

10.3 理解推荐系统的局限性

10.4 实际应用领域

10.5 实例——创建推荐引擎

10.6 小结

第三部分 高级主题

第11章 数据算法

11.1 数据算法简介

11.2 数据存储算法简介

11.3 流数据算法简介

11.4 数据压缩算法简介

11.5 实例——推文实时情感分析

11.6 小结

第12章 密码算法

12.1 密码算法简介

12.2 理解加密技术类型

12.3 实例——机器学习模型部署时的安全问题

12.4 小结

第13章 大规模算法

13.1 大规模算法简介

13.2 并行算法设计

13.3 制定多资源处理策略

13.4 小结

第14章 实践中要考虑的要素

14.1 实践要素简介

14.2 算法的可解释性

14.3 理解伦理和算法

14.4 减少模型偏差

14.5 处理NP难问题

14.6 何时使用算法

14.7 小结