[正版]两本套计算之魂+数学之美(第3版) 吴军著 人民邮电出版社 数学 计算 社会科学 社科类书籍 书店 书籍

        店铺公告

  为保障消费者合理购买需求及公平交易机会，避免因非生活消费目的的购买货囤积商品，抬价转售等违法行为发生，店铺有权对异常订单不发货且不进行赔付。异常订单：包括但不限于相同用户ID批量下单，同一用户（指不同用户ID，存在相同/临近/虚构收货地址，或相同联系号码，收件人，同账户付款人等情形的）批量下单（一次性大于5本），以及其他非消费目的的交易订单。

温馨提示：请务必当着快递员面开箱验货，如发现破损，请立即拍照拒收，如验货有问题请及时联系在线客服处理，（如开箱验货时发现破损，所产生运费由我司承担，一经签收即为货物完好，如果您未开箱验货，一切损失就需要由买家承担，所以请买家一定要仔细验货）。

  关于退货运费：对于下单后且物流已发货货品在途的状态下，原则上均不接受退货申请，如顾客原因退货需要承担来回运费，如因产品质量问题（非破损问题）可在签收后，联系在线客服。

《计算之魂》

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。

《数学之美》

八年前，“数学之美”系列文章原刊载于谷歌黑板报，获得上百万次点击，得到读者高度评价。读者说，读了“数学之美”，才发

现大学时学的数学知识，比如马尔可夫链、矩阵计算，甚至余弦函数原来都如此亲切，并且栩栩如生，才发现自然语言和信息处理

这么有趣。

在纸本书的创作中，作者几乎把所有文章都重写了一遍，为的是把高深的数学原理讲得更加通俗易懂，让非专业读者也能领略数学

的魅力。读者通过具体的例子学到的是思考问题的方式 —— 如何化繁为简，如何用数学去解决工程问题，如何跳出固有思维不断

去思考创新。

本书D一版荣获国家图书馆D八届文津图书奖。D二版增加了针对大数据和机器学习的内容。D三版增加了三章新内容，分别介绍

D今FC热门的三个主题：区块链的数学基础，量子通信的原理，以及人工智能的数学J限。

《计算之魂》

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J限

D　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Z好的算法

1.4　关于排序的讨论

D　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

D　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

D　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

D　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Z短路径的有效方法

5.5　Z大流量：解决交通问题的方法

5.6　Z大配对：流量问题的扩展

D　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

D　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

D　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

D　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

D　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

D　11 章 理论与实战-典型难题精解

11.1　Z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　Z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

《数学之美》

目录

I D二版序言

III DI一版序言

VI D三版前言

1 D 1章 文字和语言 vs 数字和信息

文字和语言与数学，从产生起原本J有相通性，虽然它们的发展一度分道扬镳，但是Z终还是能走到一起。

1　信息

2　文字和数字

3　文字和语言背后的数学

15 D 2章 自然语言处理——从规则到统计

人类对机器理解自然语言的认识走了一条大弯路。早期的研究集中采用基于规则的方法，虽然解决了一些简单的问题，但是无法从根本上将自然语言理解实用化。直到20多年后，人们开始尝试用基于统计的方法进行自然语言处理，才有了突破性进展和实用的产品。

1　机器智能

2　从规则到统计

27 D3章 统计语言模型

统计语言模型是自然语言处理的基础，并且被广泛应用于机器翻译、语音识别、印刷体，或手写体识别、拼写纠错、汉字输入和文献查询。

1　用数学的方法描述语言规律

2　延伸阅读：统计语言模型的工程诀窍

41 D4章 谈谈分词

中文分词是中文信息处理的基础，它同样走过了一段弯路，目前依靠统计语言模型已经基本解决了这个问题。

1　中文分词方法的演变

2　延伸阅读：如何衡量分词的结果

50 D5章 隐马尔可夫模型

隐马尔可夫模型Z初应用于通信领域，继而推广到语音和语言处理中，成为连接自然语言处理和通信的桥梁。同时，隐马尔可夫模型也是机器学习的主要工具之一。

1　通信模型

2　隐马尔可夫模型

3　延伸阅读：隐马尔可夫模型的训练

60 D6章 信息的度量和作用

信息是可以量化度量的。信息熵不仅是对信息的量化度量，也是整个信息论的基础。它对于通信、数据压缩、自然语言处理都有很强的指导意义。

1　信息熵

2　信息的作用

3　互信息

4　延伸阅读：相对熵

72 D7章 贾里尼克和现代语言处理

作为现代自然语言处理的奠基者，贾里尼克教授成功地将数学原理应用于自然语言处理领域中，他的一生富于传奇色彩。

1　早年生活

2　从水门事件到莫妮卡·莱温斯基

3　一位老人的奇迹

82 D8章 简单之美——布尔代数和搜索引擎

布尔代数虽然FC简单，却是计算机科学的基础，它不仅把逻辑和数学合二为一，而且给了我们一个全新的视角看待SJ，开创了数字化时代。

1　布尔代数

2　索引

89 D9章 图论和网络爬虫

互联网搜索引擎在建立索引前需要用一个程序自动地将所有的网页下载到服务器上，这个程序称为网络爬虫，它的编写是基于离散数学中图论的原理。

1　图论

2　网络爬虫

3　延伸阅读：图论的两点补充说明

98 D 10章 PageRank——Google的民主表决式网页排名技术

网页排名技术PageRank是早期Google的杀手锏，它的出现使得网页搜索的质量上了一个大的台阶。它背后的原理是图论和线性代数的矩阵运算。

1　PageRank算法的原理

2　延伸阅读：PageRank的计算方法

104 D 11章 如何确定网页和查询的相关性

确定网页和查询的相关性是网页搜索的根本问题，其中确定查询中每个关键词的重要性有多高是关键。TF-IDF是目前通用的关键词重要性的度量，其背后的原理是信息论。

1　搜索关键词权重的科学度量TF-IDF

2　延伸阅读：TF-IDF 的信息论依据

111 D 12章 有限状态机和动态规划——地图与本地搜索的核心技术

地图与本地搜索中要用到有限状态机和动态规划技术。这两项技术是机器智能和机器学习的工具，它们的应用FC广泛，还包括语音识别、拼写和语法纠错、拼音输入法、工业控制和生物的序列分析等。

1　地址分析和有限状态机

2　quanqiu导航和动态规划

3　延伸阅读：有限状态传感器

121 D 13章 Google AK-47的设计者——阿米特·辛格博士

在所有轻武器中Z有名的是AK-47冲锋枪，因为它从不卡壳，不易损坏，可在任何环境下使用，可靠性好，杀伤力大并且操作简单。Google的产品J是按照上述原则设计的。

127 D 14章 余弦定理和新闻的分类

计算机虽然读不懂新闻，却可以准确地对新闻进行分类。其数学工具是看似毫不相干的余弦定理。

1　新闻的特征向量

2　向量距离的度量

3　延伸阅读：计算向量余弦的技巧

136 D 15章 矩阵运算和文本处理中的两个分类问题

无论是词汇的聚类还是文本的分类，都可以通过线性代数中矩阵的奇异值分解来进行。这样一来，自然语言处理的问题J变成了一个数学问题。

1　文本和词汇的矩阵

2　延伸阅读：奇异值分解的方法和应用场景

142 D 16章 信息指纹及其应用

世间万物都有一个W一标识的特征，信息也是如此。每一条信息都有它特定的指纹，通过这个指纹可以区别不同的信息。

1　信息指纹

2　信息指纹的用途

3　延伸阅读：信息指纹的重复性和相似哈希

153 D 17章 由电视剧《暗算》所想到的——谈谈密码学的数学原理

密码学的根本是信息论和数学。没有信息论指导的密码是FC容易被破解的。只有在信息论被广泛应用于密码学后，密码才真正变得安全。

1　密码学的自发时代

2　信息论时代的密码学

162 D 18章 闪光的不一定是金子——谈谈搜索引擎反ZB问题和搜索结果的QW性问题

闪光的不一定是金子，搜索引擎中排名靠前的网页也未必是有用的网页。消除这些ZB网页的原理和通信中过滤噪声的原理相同。这说明信息处理和通信的很多原理是相通的。

1　搜索引擎的反ZB

2　搜索结果的QW性

171 D 19章 谈谈数学模型的重要性

正确的数学模型在科学和工程中至关重要，而发现正确模型的途径常常是曲折的。正确的模型在形式上通常是简单的。

179 D 20章 不要把鸡蛋放到一个篮子里——谈谈Z大熵模型

Z大熵模型是一个完美的数学模型。它可以将各种信息整合到一个统一的模型中，在信息处理和机器学习中有着广泛的应用。它在形式上FC简单、优美，而在实现时需要有精深的数学基础和高超的技巧。

1　Z大熵原理和Z大熵模型

2　延伸阅读：Z大熵模型的训练

186 D 21章 拼音输入法的数学原理

汉字的输入过程本身J是人和计算机之间的通信。好的输入法会自觉或不自觉地遵循通信的数学模型。D然要做出Z有效的输入法，应D自觉使用信息论做指导。

1　输入法与编码

2　输入一个汉字需要敲多少个键——谈谈香农DI一定理

3　拼音转汉字的算法

4　延伸阅读：个性化的语言模型

197 D 22章 自然语言处理的教父马库斯和他的YX弟子们

将自然语言处理从基于规则的研究方法转到基于统计的研究方法上，宾夕法尼亚大学的教授米奇·马库斯功不可没。他创立了JT在学术界广泛使用的LCD语料库，同时培养了一大批精英人物。

1　教父马库斯

2　从宾夕法尼亚大学走出的精英们

204 D 23章 布隆过滤器

日常生活中，经常要判断一个元素是否在一个集合中。布隆过滤器是计算机工程中解决这个问题Z好的数学

工具。

1　布隆过滤器的原理

2　延伸阅读：布隆过滤器的误识别问题

209 D 24章 马尔可夫链的扩展——贝叶斯网络

贝叶斯网络是一个加权的有向图，是马尔可夫链的扩展。而从认识论的层面看：贝叶斯网络克服了马尔可夫链那种机械的线性约束，它可以把任何有关联的事件统一到它的框架下面。它在生物统计、图像处理、决策支持系统和博弈论中都有广泛的使用。

1　贝叶斯网络

2　贝叶斯网络在词分类中的应用

3　延伸阅读：贝叶斯网络的训练

217 D 25章 条件随机场、文法分析及其他

条件随机场是计算联合概率分布的有效模型，而句子的文法分析似乎是英文课上英语老师教的东西，这两者有什么联系呢？

1　文法分析——计算机算法的演变

2　条件随机场

3　条件随机场在其他领域的应用

227 D 26章 维特比和他的维特比算法

维特比算法是现代数字通信中使用Z频繁的算法，也是很多自然语言处理采用的解码算法。可以毫不夸张地

讲，维特比是对我们JT的生活影响力Z大的科学家之一，因为基于CDMA的3G移动通信标准主要J是他和厄文·雅各布创办的高通公司制定的。

1　维特比算法

2　CDMA技术——3G移动通信的基础

238 D 27章 上帝的算法——期望Z大化算法

只要有一些训练数据，再定义一个Z大化函数，采用EM算法，利用计算机经过若干次迭代，J可以得到所需要的模型。这实在是太美妙了，这也许是造物主刻意安排的，所以我把它称作上帝的算法。

1　文本的自收敛分类

2　延伸阅读：期望Z大化和收敛的必然性

244 D 28章 逻辑回归和搜索广告

逻辑回归模型是一种将影响概率的不同因素结合在一起的指数模型，它不仅在搜索广告中起着重要的作用，而且被广泛应用于信息处理和生物统计中。

1　搜索广告的发展

2　逻辑回归模型

249 D 29章 各个击破算法和Google云计算的基础

Google颇为神秘的云计算中Z重要的MapReduce工具，其原理J是计算机算法中常用的“各个击破”算法，它的原理原来这么简单——将复杂的大问题分解成很多小问题分别求解，然后再把小问题的解合并成原始问题的解。由此可见，在生活中大量用到的、真正有用的方法常常都是简单朴实的。

1　分治算法的原理

2　从分治算法到MapReduce

254 D30章 Google大脑和人工神经网络

Google大脑并不是一个什么都能思考的大脑，而是一个很能计算的人工神经网络。因此，与其说Google大脑很聪明,不如说它很能算。不过，换个角度来说，随着计算能力的不断提高，计算量大但简单的数学方法有时能够解决很复杂的问题。

1　人工神经网络

2　训练人工神经网络

3　人工神经网络与贝叶斯网络的关系

4　延伸阅读：Google大脑

274 D31章 区块链的数学基础——椭圆曲线加密原理

希尔伯特讲，“我们直到能够把一门自然科学的数学内核剥出并WQ地揭示出来，才能够掌握它。”以比特币为代表的加密货币的基础是数学的算法，只有搞清楚加密货币的数学内核，我们才能了解它的本质。

1　不对称、不透明之美

2　椭圆曲线加密的原理

282 D32章 大数据的威力——谈谈数据的重要性

如果说在过去的40年里，ZDquanqiuIT产业发展的是摩尔定律，那么在今后的20年里，ZDIT行业继续发展的动力则将来自于数据。

1　数据的重要性

2　数据的统计和信息技术

3　为什么需要大数据

304 D33章 随机性带来的好处——量子密钥分发的数学原理

人们总是喜欢确定性而不喜欢随机性。但是从对确定性规律的把握上升到对随机性规律的把握，恰恰是近代数学进步的标志。量子通信J是建立在把握了有关随机性规律的基础之上。

1　用（激光）量子的偏振方向传递信息

2　利用随机性保证信息安全

312 D34章 数学的J限——希尔伯特D十问题和机器智能的J限

SJ上只有一小部分问题是数学问题，而数学问题中又只有J小的一部分问题有解。在这些问题中，JT已经找到相应算法的少之又少。因此，数学不是WN的，我们需要了解数学的边界在哪里。

1　图灵划定计算机可计算问题的边界

2　希尔伯特划定有解数学问题的边界

3　延伸阅读：关于图灵机

323 附录 计算复杂度

327 D三版后记

333          索引