2022年，智博士的好朋友AI侠突然毫无预兆地失踪了，尝试了各种方式都联系不上，直到有一天，他收到一个快递，里面是一封信和一个按钮，好奇的智博士按下按钮，一阵茉莉花的香味袭来，他晕了过去……
类似推荐
编辑推荐
适读人群 ：程序开发、计算机科学与工程等大多数IT职业者，以及数据科学、数学学科的研究者。
谷歌软件工程大牛与MIT资深教授强强联手贯通产学界的案头宝典。
荟萃历经60余年沉淀积累、不断优化更新的CS方向数学知识精华。
人工智能时代数学成为AI从业敲门砖，走向核心岗位的内家心法。
内容炸裂，知识点无死角，给誉为“有趣的数学讲义”。
内容简介
《计算机科学中的数学：信息与智能时代的必修课》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。该书因具有系统、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。
《计算机科学中的数学：信息与智能时代的必修课》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。
作者简介
唐李洋
女，博士，毕业于合肥工业大学管理科学与工程系。现就职于中国电子科技集团公司第三十八研究所，曾游学美国，数据挖掘与大数据分析研究经验颇丰，在相关领域重要国际期刊及会议发表论文数篇。译有《高可用MySQL》（第1版和第2版）《R高性能编程》《大数据猩球：海量数据处理实践指南》《流式架构：Kafka与MapR Streams数据流处理》等图书。
刘杰
男，博士，南开大学教授、博士生导师。研究领域包括机器学习与数据挖掘方面的理论方法研究，以及面向信息抽取、网络挖掘、对话生成等问题的应用研究。在机器学习、数据挖掘领域重要国际期刊及会议发表论文多篇。担任中国计算机学会中文信息技术专家委员会、中国计算机学会大数据专家委员会、人工智能学会机器学习专家委员会等多个专家委员会委员及通讯委员。相关成果获得天津市科技进步二等奖两项。
谭昶
男，博士，毕业于中国科学技术大学计算机应用与技术系。现任科大讯飞股份有限公司大数据研究院执行院长兼智慧城市事业群副总裁，中国计算机学会公共政策委员会执行委员及大数据专家委员会委员。负责科大讯飞公司智慧城市、计算广告和个性化推荐等方向的大数据核心技术研发及应用推广工作，在大数据技术、个性化推荐方面有着多年的研究和实践经验。
金博
男，博士，大连理工大学教授。致力于数据挖掘、大数据分析、创新管理、商务智能等领域的科学研究。主持和参与多项家级和省部级课题，在相关领域重要国际期刊及会议上发表论文60余篇，并担任数据挖掘领域三大级会议KDD、ICDM、SDM的程序委员会委员，是ACM、IEEE和CCF高级会员。
马海平
女，博士，毕业于中国科学技术大学计算机科学与技术系。现就职于科大讯飞股份有限公司，担任大数据研究院研究主管，从事数据挖掘与人工智能算法以及计算广告和个性化教育等领域的研究工作。在国际知名期刊和学术会议发表论文7篇，合著出版著作《Spark机器学习进阶实战》《Spark核心技术与高级应用》。
朱琛
男，硕士，毕业于中国科学技术大学，百度资深数据挖掘工程师。现就职于百度人才智库（Talent Intelligence Center），从事人力资源智能化研究，致力于用AI为HR赋能。研究方向包括文本数据挖掘、社交网络分析、图数据挖掘。在国际会议与期刊杂志发表论文十余篇，申请专利十余项，曾担任数个国际会议（KDD、SDM等）程序委员会委员。
章节目录
计算机科学中的数学是2019年由电子工业出版社出版,作者[美]EricLehman。
温馨提示：
得书感谢您对《计算机科学中的数学》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书从算法理论、算法源码、实验结果等方面对深度学习算法进行分析和介绍。
电子书
国内高校大数据课程知名教师倾心之作，带你“零基础”学习大数据。
电子书
《R语言学习手册》：7章全面介绍R语言及Rattle工具，附课后习题。
电子书
（1）大量图例，简单易懂。作者亲自绘制了大量插图，力求还原深度学习的算法思想，分解和剖析晦涩的算法，用图例来表示复杂的问题。生动的图例也能给读者带来阅读乐趣，快乐地学习算法知识，体会深度学习的算法本质。
（2）简化公式，生动比喻。深度学习和机器学习类的书中通常会有大量复杂冗长的算法公式，为了避免出现读者读不懂的情况，本书尽可能地统一了公式和符号，简化相关公式，并加以生动的比喻进行解析。在启发读者的同时，锻炼读者分析问题和解决问题的能力。
（3）算法原理，代码实现。在介绍深度学习及相关算法的原理时，不仅给出了对应的公式，还给出了实现和求解公式的代码，让读者明确该算法的作用、输入和输出。原理与代码相结合，使得读者对深度学习的算法实现更加具有亲切感。
（4）深入浅出，精心剖析。理解深度学习需要一定的机器学习知识，本书在D1章介绍了深度学习与机器学习的关系，并简要介绍了机器学习的内容。在内容安排上，每章依次介绍模型框架的应用场景、结构和使用方式，最后通过真实的案例去全面分析该模型结构。目的是让读者可以抓住深度学习的本质。
（5）入门实践，案例重现。每一章最后的真实案例不是直接堆砌代码，而是讲解使用该算法模型的原因和好处。从简单的背景知识出发，使用前文讲解过的深度学习知识实现一个实际的工程项目。实践可以用于及时检验读者对所学知识的掌握程度，为读者奠定深度学习的实践基础。
将一本技术书籍写得通俗易懂谈何容易，但《深度学习原理与实践》这本书确实做到了。书中对近年来火热的深度学习理论知识进行简单剖析，化繁为简，没有局限于坐而论道，而是将实例和数学理论相结合，让读者能够快速理解各种模型并上手实践，值得细读。
--唐春明 广州大学数学与信息学科学院副院长
本书从原理、方法、实践这 3 个维度系统地介绍了深度学习的方方面面，内容详实，解读清晰，细节与全貌兼顾，既适合初学者阅读，也可以作为深入研究的参考用书。
--杨刚 西安电子科技大学教授
近年来出版的深度学习相关图书中，本书是我见过非常有指导意义的中文书籍之一。本书对 ANN、CNN、RNN 等模型进行深入浅出的介绍，引入大量图例和简化后的公式，让算法浅显易懂。每一章的实践内容都给人惊喜，强烈推荐！
--吴健之 腾讯音乐高级工程师
作为产品经理，我能看懂的深度学习书籍实在太少了。本书恰到好处，插图丰富直观，数学公式简练，很喜欢此类风格的图书，易懂好学。即使你不是程序员或算法专家，该书也值得一看！
--张瑞 中软国际高级产品经理
