小册描述
目录
- 01 | 二进制:不了解计算机的源头,你学什么编程
- 02 | 余数:原来取余操作本身就是个哈希函数
- 03 | 迭代法:不用编程语言的自带函数,你会如何计算平方根?
- 04 | 数学归纳法:如何用数学归纳提升代码的运行效率?
- 05 | 递归(上):泛化数学归纳,如何将复杂问题简单化?
- 06 | 递归(下):分而治之,从归并排序到MapReduce
- 07 | 排列:如何让计算机学会“田忌赛马”?
- 08 | 组合:如何让计算机安排世界杯的赛程?
- 09 | 动态规划(上):如何实现基于编辑距离的查询推荐?
- 10 | 动态规划(下):如何求得状态转移方程并进行编程实现?
- 11 | 树的深度优先搜索(上):如何才能高效率地查字典?
- 12 | 树的深度优先搜索(下):如何才能高效率地查字典?
- 13 | 树的广度优先搜索(上):人际关系的六度理论是真的吗?
- 14 | 树的广度优先搜索(下):为什么双向广度优先搜索的效率更高?
- 15 | 从树到图:如何让计算机学会看地图?
- 16 | 时间和空间复杂度(上):优化性能是否只是“纸上谈兵”?
- 17 | 时间和空间复杂度(下):如何使用六个法则进行复杂度分析?
- 18 | 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?
- 19 | 概率和统计:编程为什么需要概率和统计?
- 20 | 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
- 21 | 概率基础(下):联合概率、条件概率和贝叶斯法则,这些概率公式究竟能做什么?
- 22 | 朴素贝叶斯:如何让计算机学会自动分类?
- 23 | 文本分类:如何区分特定类型的新闻?
- 24 | 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?
- 25 | 马尔科夫模型:从PageRank到语音识别,背后是什么模型在支撑?
- 26 | 信息熵:如何通过几个问题,测出你对应的武侠人物?
- 27 | 决策树:信息增益、增益比率和基尼指数的运用
- 28 | 熵、信息增益和卡方:如何寻找关键特征?
- 29 | 归一化和标准化:各种特征如何综合才是最合理的?
- 30 | 统计意义(上):如何通过显著性检验,判断你的A/B测试结果是不是巧合?
- 31 | 统计意义(下):如何通过显著性检验,判断你的A/B测试结果是不是巧合?
- 32 | 概率统计篇答疑和总结:为什么会有欠拟合和过拟合?
- 33 | 线性代数:线性代数到底都讲了些什么?
- 34 | 向量空间模型:如何让计算机理解现实事物之间的关系?
- 35 | 文本检索:如何让计算机处理自然语言?
- 36 | 文本聚类:如何过滤冗余的新闻?
- 37 | 矩阵(上):如何使用矩阵操作进行PageRank计算?
- 38 | 矩阵(下):如何使用矩阵操作进行协同过滤推荐?
- 39 | 线性回归(上):如何使用高斯消元求解线性方程组?
- 40 | 线性回归(中):如何使用最小二乘法进行直线拟合?
- 41 | 线性回归(下):如何使用最小二乘法进行效果验证?
- 42 | PCA主成分分析(上):如何利用协方差矩阵来降维?
- 43 | PCA主成分分析(下):为什么要计算协方差矩阵的特征值和特征向量?
- 44 | 奇异值分解:如何挖掘潜在的语义关系?
- 45 | 线性代数篇答疑和总结:矩阵乘法的几何意义是什么?
- 46 | 缓存系统:如何通过哈希表和队列实现高效访问?
- 47 | 搜索引擎(上):如何通过倒排索引和向量空间模型,打造一个简单的搜索引擎?
- 48 | 搜索引擎(下):如何通过查询的分类,让电商平台的搜索结果更相关?
- 49 | 推荐系统(上):如何实现基于相似度的协同过滤?
- 50 | 推荐系统(下):如何通过SVD分析用户和物品的矩阵?
- 51 | 综合应用篇答疑和总结:如何进行个性化用户画像的设计?