描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 是国际标准书号ISBN: 28534462
数学是计算机科学的基础，数学学得好与坏，直接决定了编写的程序是否优美。作为程序员来讲，打好数学的底子，才能写出更规范更健康的程序。“程序员的数学”系列图书，是一套写给程序员的数学读物。原版在日本畅销多年，累计销售超过18万套。
《程序员的数学 第2版》
1.有趣易懂的图解教程
畅销书《程序员的数学》第2版！全系列累计销量18万册
2.没有晦涩的公式，只有好玩的数学题
帮你掌握编程所需的”数学思维”
3.阐述编程需要的基础数学知识和数学思维
a.图文直观
穿插大量有趣的例题和146张图表
b.通俗易懂
无须精通数学与编程也可理解
c.以小见大
启发思维，探索数学与编程的本质
d.与时俱进
新增附录”迈向机器学习的*步”
《程序员的数学2 概率统计》
畅销书《程序员的数学》第 2弹！
机器学习、数据挖掘、模式识别必 备基础知识
从入门到应用，结合大量实例和263张图表
1. 图文直观
穿插大量有趣的实例和263张图表
2. 通俗易懂
借助高中数学知识解释各类概率统计问题
3. 角度新颖
独特的编排思路，巧妙阐述了概率论与统计学的基本理论
4. 内容全面
从入门到应用，系统讲解概率统计的方方面面
《程序员的数学3 线性代数》
畅销书《程序员的数学》第3弹！
机器学习、数据挖掘、模式识别基础知识
1. 图文直观
配合精心制作的示意图和动画，让你读起来不累
2. 重在应用
不再为了数学而讲数学，让你知道数学真正有用的一面
3. 透彻深入
直接从本质意义出发解释核心概念，让你“快速直达”数值代数领域
4. 通俗易懂
用浅显的语言逐步解释，让你打心底里认为“推出这样的结果是理所当然的”
《程序员的数学 第2版》面向程序员介绍了编程中常用的数学知识，借以培养初级程序员的数学思维。读者无须精通编程，也无须精通数学，只要具备四则运算和乘方等基础知识，即可阅读本书。
《程序员的数学 第2版》讲解了二进制计数法、逻辑、余数、排列组合、递归、指数爆炸、不可解问题等许多与编程密切相关的数学方法，分析了哥尼斯堡七桥问题、高斯求和、汉诺塔、斐波那契数列等经典问题和算法。引导读者深入理解编程中的数学方法和思路。
《程序员的数学 第2版》新增一个附录来介绍机器学习的基础知识，内容涉及感知器、损失函数、梯度下降法和神经网络，旨在带领读者走进机器学习的世界。
《程序员的数学2 概率统计》
《程序员的数学2：概率统计》沿袭《程序员的数学》平易近人的风格，用通俗的语言和具体的图表深入讲解程序员必须掌握的各类概率统计知识，例证丰富，讲解明晰，且提供了大量扩展内容，引导读者进一步深入学习。
《程序员的数学2：概率统计》涉及随机变量、贝叶斯公式、离散值和连续值的概率分布、协方差矩阵、多元正态分布、估计与检验理论、伪随机数以及概率论的各类应用，适合程序设计人员与数学爱好者阅读，也可作为高中或大学非数学专业学生的概率论入门读物。
《程序员的数学3 线性代数》
本书沿袭“程序员的数学”系列平易近人的风格，用通俗的语言和具象的图表深入讲解了编程中所需的线性代数知识。内容包括向量、矩阵、行列式、秩、逆矩阵、线性方程、LU分解、特征值、对角化、Jordan标准型、特征值算法等。
《程序员的数学2 概率统计》
目录
第 1部分 聊聊概率这件事
第 1章 概率的定义 3
1.1 概率的数学定义 3
1.2 三扇门（蒙提霍尔问题） ——飞艇视角 4
1.2.1 蒙提霍尔问题 5
1.2.2 正确答案与常见错误 6
1.2.3 以飞艇视角表述 6
1.3 三元组（Ω, F, P） ——上帝视角 9
1.4 随机变量 13
1.5 概率分布 17
1.6 适于实际使用的简记方式 19
1.6.1 随机变量的表示方法 19
1.6.2 概率的表示方法 20
1.7 是幕后角色 21
1.7.1 不必在意 什么 21
1.7.2 的习惯处理方式 22
1.7.3 不含 （不含上帝视角）的概率论 23
1.8 一些注意事项 23
1.8.1 想做什么 23
1.8.2 因为是面积…… 24
1.8.3 解释 26
第 2章 多个随机变量之间的关系 29
2.1 各县的土地使用情况（面积计算的预热） 29
2.1.1 不同县、不同用途的统计（联合概率与边缘概率的预热） 30
2.1.2 特定县、特定用途的比例（条件概率的预热） 31
2.1.3 倒推比例（贝叶斯公式的预热） 32
2.1.4 比例相同的情况（独立性的预热） 34
2.1.5 预热结束 38
2.2 联合概率与边缘概率 38
2.2.1 两个随机变量 38
2.2.2 三个随机变量 41
2.3 条件概率 42
2.3.1 条件概率的定义 42
2.3.2 联合分布、边缘分布与条件分布的关系 45
2.3.3 即使条件中使用的不是等号也一样适用 50
2.3.4 三个或更多的随机变量 51
2.4 贝叶斯公式 55
2.4.1 问题设置 56
2.4.2 贝叶斯的作图曲 57
2.4.3 贝叶斯公式 61
2.5 独立性 63
2.5.1 事件的独立性（定义） 64
2.5.2 事件的独立性（等价表述） 67
2.5.3 随机变量的独立性 70
2.5.4 三个或更多随机变量的独立性（需多加注意） 73
第3章 离散值的概率分布 79
3.1 一些简单的例子 79
3.2 二项分布 82
3.2.1 二项分布的推导 82
3.2.2 补充：排列nPk、组合nCk 83
3.3 期望值 85
3.3.1 期望值的定义 85
3.3.2 期望值的基本性质 87
3.3.3 期望值乘法运算的注意事项 91
3.3.4 期望值不存在的情况 93
3.4 方差与标准差 99
3.4.1 即使期望值相同 99
3.4.2 方差即“期望值离散程度”的期望值 100
3.4.3 标准差 102
3.4.4 常量的加法、乘法及标准化 104
3.4.5 各项独立时，和的方差等于方差的和 108
3.4.6 平方的期望值与方差 110
3.5 大数定律 112
3.5.1 独立同分布 114
3.5.2 平均值的期望值与平均值的方差 116
3.5.3 大数定律 117
3.5.4 大数定律的相关注意事项 118
3.6 补充内容：条件期望与**小二乘法 120
3.6.1 条件期望的定义 120
3.6.2 **小二乘法 121
3.6.3 上帝视角 122
3.6.4 条件方差 123
第4章 连续值的概率分布 127
4.1 渐变色打印问题（密度计算的预热） 128
4.1.1 用图表描述油墨的消耗量（累积分布函数的预热） 128
4.1.2 用图表描述油墨的打印浓度（概率密度函数预热） 129
4.1.3 拉伸打印成品对油墨浓度的影响（变量变换的预热） 133
4.2 概率为零的情况 136
4.2.1 出现概率恰好为零的情况 137
4.2.2 概率为零将带来什么问题 139
4.3 概率密度函数 140
4.3.1 概率密度函数 140
4.3.2 均匀分布 146
4.3.3 概率密度函数的变量变换 147
4.4 联合分布·边缘分布·条件分布 152
4.4.1 联合分布 152
4.4.2 本小节之后的阅读方式 155
4.4.3 边缘分布 155
4.4.4 条件分布 159
4.4.5 贝叶斯公式 162
4.4.6 独立性 163
4.4.7 任意区域的概率·均匀分布·变量变换 166
4.4.8 实数值与离散值混合存在的情况 174
4.5 期望值、方差与标准差 174
4.5.1 期望值 175
4.5.2 方差·标准差 179
4.6 正态分布与中心极限定理 180
4.6.1 标准正态分布 181
4.6.2 一般正态分布 184
4.6.3 中心极限定理 187
第5章 协方差矩阵、多元正态分布与椭圆 195
5.1 协方差与相关系数 196
5.1.1 协方差 196
5.1.2 协方差的性质 199
5.1.3 分布倾向的明显程度与相关系数 200
5.1.4 协方差与相关系数的局限性 206
5.2 协方差矩阵 208
5.2.1 协方差矩阵=方差与协方差的一览表 208
5.2.2 协方差矩阵的向量形式表述 209
5.2.3 向量与矩阵的运算及期望值 212
5.2.4 向量值随机变量的补充说明 215
5.2.5 协方差矩阵的变量变换 217
5.2.6 任意方向的发散程度 218
5.3 多元正态分布 220
5.3.1 多元标准正态分布 220
5.3.2 多元一般正态分布 223
5.3.3 多元正态分布的概率密度函数 228
5.3.4 多元正态分布的性质 230
5.3.5 截面与投影 232
5.3.6 补充知识：卡方分布 239
5.4 协方差矩阵与椭圆的关系 242
5.4.1 （实例一）单位矩阵与圆 242
5.4.2 （实例二）对角矩阵与椭圆 244
5.4.3 （实例三）一般矩阵与倾斜的椭圆 247
5.4.4 协方差矩阵的局限性 251
第 2部分 探讨概率的应用
第6章 估计与检验 257
6.1 估计理论 257
6.1.1 描述统计与推断统计 257
6.1.2 描述统计 258
6.1.3 如何理解推断统计中的一些概念 260
6.1.4 问题设定 264
6.1.5 期望罚款金额 265
6.1.6 多目标优化 266
6.1.7 （策略一）减少候选项——**小方差无偏估计 267
6.1.8 （策略二）弱化**优定义——**大似然估计 269
6.1.9 （策略三）以单一数值作为评价基准——贝叶斯估计 272
6.1.10 策略选择的相关注意事项 275
6.2 检验理论 276
6.2.1 检验理论中的逻辑 276
6.2.2 检验理论概述 278
6.2.3 简单假设 279
6.2.4 复合假设 282
第7章 伪随机数 285
7.1 伪随机数的基础知识 285
7.1.1 随机数序列 285
7.1.2 伪随机数序列 286
7.1.3 典型应用：蒙特卡罗方法 287
7.1.4 相关主题：密码理论中的伪随机数序列·低差异序列 289
7.2 遵从特定分布的随机数的生成 291
7.2.1 遵从离散值分布的随机数的生成 292
7.2.2 遵从连续值分布的随机数的生成 293
7.2.3 遵从正态分布的随机数的生成 296
7.2.4 补充知识：三角形内及球面上的均匀分布 298
第8章 概率论的各类应用 305
8.1 回归分析与多变量分析 305
8.1.1 通过**小二乘法拟合直线 305
8.1.2 主成分分析 312
8.2 随机过程 319
8.2.1 随机游走 321
8.2.2 卡尔曼滤波器 326
8.2.3 马尔可夫链 331
8.2.4 关于随机过程的一些补充说明 342
8.3 信息论 343
8.3.1 熵 343
8.3.2 二元熵 347
8.3.3 信源编码 349
8.3.4 信道编码 352
附录A 本书涉及的数学基础知识 359
A.1 希腊字母 359
A.2 数 359
A.2.1 自然数·整数 359
A.2.2 有理数·实数 359
A.2.3 复数 360
A.3 集合 360
A.3.1 集合的表述方式 360
A.3.2 无限集的大小 361
A.3.3 强化练习 361
A.4 求和符号 362
A.4.1 定义与基本性质 362
A.4.2 双重求和 364
A.4.3 范围指定 366
A.4.4 等比数列 366
A.5 指数与对数 368
A.5.1 指数函数 368
A.5.2 高斯积分 371
A.5.3 对数函数 374
A.6 内积与长度 377
附录B 近似公式与不等式 381
B.1 斯特林公式 381
B.2 琴生不等式 381
B.3 吉布斯不等式 384
B.4 马尔可夫不等式与切比雪夫不等式 385
B
《程序员的数学3 线性代数》
第0章 动机 1
0.1 空间想象给我们带来的直观感受 1
0.2 有效利用线性近似的手段 2
第 1章 用空间的语言表达向量、矩阵和行列式 5
1.1 向量与空间 5
1.1.1 **直接的定义：把数值罗列起来就是向量 6
1.1.2 “空间”的形象 9
1.1.3 基底 11
1.1.4 构成基底的条件 16
1.1.5 维数 18
1.1.6 坐标 19
1.2 矩阵和映射 19
1.2.1 暂时的定义 19
1.2.2 用矩阵来表达各种关系（1） 24
1.2.3 矩阵就是映射！ 25
1.2.4 矩阵的乘积=映射的合成 28
1.2.5 矩阵运算的性质 31
1.2.6 矩阵的乘方=映射的迭代 35
1.2.7 零矩阵、单位矩阵、对角矩阵 37
1.2.8 逆矩阵=逆映射 44
1.2.9 分块矩阵 47
1.2.10 用矩阵表示各种关系（2） 53
1.2.11 坐标变换与矩阵 55
1.2.12 转置矩阵= 63
1.2.13 补充（1）：时刻注意矩阵规模 64
1.2.14 补充（2）：从矩阵的元素的角度看 67
1.3 行列式与扩大率 68
1.3.1 行列式=体积扩大率 68
1.3.2 行列式的性质 73
1.3.3 行列式的计算方法（1）：计算公式▽ 80
1.3.4 行列式的计算方法（2）：笔算法▽ 87
1.3.5 补充：行列式按行（列）展开与逆矩阵▽ 91
第 2章 秩、逆矩阵、线性方程组——溯因推理 95
2.1 问题设定：逆问题 95
2.2 良性问题（可逆矩阵） 97
2.2.1 可逆性与逆矩阵 97
2.2.2 线性方程组的解法（系数矩阵可逆的情况）▽ 97
2.2.3 逆矩阵的计算方法▽ 107
2.2.4 初等变换▽ 110
2.3 恶性问题 115
2.3.1 恶性问题示例 115
2.3.2 问题的恶劣程度——核与像 120
2.3.3 维数定理 122
2.3.4 用式子表示“压缩扁平化”变换（线性无关、线性相关） 126
2.3.5 线索的实际个数（秩） 130
2.3.6 秩的求解方法（1）——悉心观察 137
2.3.7 秩的求解方法（2）——笔算 142
2.4 良性恶性的判定（逆矩阵存在的条件） 149
2.4.1 重点是“是不是压缩扁平化映射” 149
2.4.2 与可逆性等价的条件 150
2.4.3 关于可逆性的小结 151
2.5 针对恶性问题的对策 152
2.5.1 求出所有能求的结果（1）理论篇 152
2.5.2 求出所有能求的结果（2）实践篇 155
2.5.3 **小二乘法 166
2.6 现实中的恶性问题（接近奇异的矩阵） 167
2.6.1 问题源于哪里 167
2.6.2 对策示例——提克洛夫规范化 170
第3章 计算机上的计算（1）——LU 分解 173
评论
还没有评论。