黄申
程序员的数学基础课
在实战中重新理解数学
黄申
《程序员的数学基础课》数学基础的好坏,会直接决定一个程序员的发展潜力。
往大了说,数学是一种思维模式,考验的是一个人归纳、总结和抽象的能力。把这个能力放到程序员的世界里,其实就是解决问题的能力。
往小了说,不管是数据结构与算法,还是程序设计,很多底层原理和编程技巧都源自数学,比如你熟悉的分页功能,用的其实是余数的思想。所以很多大公司招人时,会优先考虑数学专业的毕业生。数学基础好,学编程也更容易上手。
如果说编程语言是血肉,那数学的思想和知识就是灵魂。它可以帮你选择合适的数据结构和算法、提升系统效率,并且赋予机器智慧。尤其在大数据和智能化的时代,更是如此。
因此,学数学绝不是死背那些艰深晦涩的定理和公式,洞悉技术本质,掌握知识规律,具备数学思维,拥有发现问题、分析问题、解决问题的能力,才是你的终极目标。
《程序员的数学基础课》目录程序员应该怎么学数学? 二进制:不了解计算机的源头,你学什么编程 余数:原来取余操作本身就是个哈希函数 迭代法:不用编程语言的自带函数,你会如何计算平方根? 数学归纳法:如何用数学归纳提升代码的运行效率? 递归(上):泛化数学归纳,如何将复杂问题简单化? 递归(下):分而治之,从归并排序到MapReduce 排列:如何让计算机学会“田忌赛马”? 组合:如何让计算机安排世界杯的赛程? 动态规划(上):如何实现基于编辑距离的查询推荐? 动态规划(下):如何求得状态转移方程并进行编程实现? 树的深度优先遍历(上):如何才能高效率地查字典? 树的深度优先遍历(下):如何才能高效率地查字典? 树的广度优先遍历(上):人际关系的六度理论是真的吗? 树的广度优先遍历(下):为什么双向广度优先搜索的效率更高? 从树到图:如何让计算机学会看地图? 时间和空间复杂度(上):优化性能是否只是“纸上谈兵”? 时间和空间复杂度(下):如何使用六个法则进行复杂度分析? 总结课:数据结构、编程语句和基础算法体现了哪些数学思想? 概率和统计:编程为什么需要概率和统计? 概率基础(上):一篇文章帮你理解随机变量、概率分布和期望值 概率基础(下):一篇文章帮你理解常用概率公式 朴素贝叶斯:如何让计算机学会分类? 文本分类:如何区分特定类型的新闻? 语言模型:如何使用链式法则和马尔科夫假设简化概率模型? 马尔科夫链:从PageRank到语音识别,背后是什么模型在支撑? 信息熵:如何通过几个问题,测出你对应的武侠人物? 决策树:信息增益、信息比率和基尼指数的运用 熵、信息增益和卡方:如何通过信息学寻找关键特征? 归一化和标准化:各科成绩如何综合才是最合理的? 统计意义(上):!《何判断你的A/B测试结果是不是巧合? 统计意义(下):如何判断你的A/B测试结果是不是巧合? 概率统计篇答疑和总结:为什么会有欠拟合和过拟合? 线性代数:线性代数到底是在讲什么? 向量空间模型:如何让计算机理解现实事物之间的关系? 文本检索:怎样让计算机理解自然语言? 文本聚类:如何过滤冗余的新闻? 矩阵(上):如何使用矩阵操作进行PageRank计算? 矩阵(下):如何使用矩阵操作进行协同过滤推荐? 线性回归(上):如何使用高斯消元法求解线性方程组? 线性回归(中):如何使用最小二乘法进行直线拟合? 线性回归(下):如何使用最小二乘法进行效果验证? PCA主成分分析(上):如何利用协方差矩阵来降维? PCA主成分分析(下):为什么要计算特征值和特征向量? 奇异值分解:如何挖掘潜在的语义关系? 线性代数篇答疑和总结:矩阵乘法的几何意义是什么? 缓存系统:如何通过哈希表和队列实现高效访问? 搜索引擎(上):如何打造一个简单的搜索引擎? 搜索引擎(下):如何通过分类查询,让你的搜索结果更相关? 推荐系统(上):如何实现基于相似度的协同过滤? 推荐系统(下):如何通过SVD分析用户和物品的矩阵? 综合应用篇答疑和总结:如何进行个性化用户画像的设计?
黄申-数学-目录
|