出现在书名中的结果
共 0 条
Python数据结构与算法分析（第2版）
26人今日阅读 推荐值 88.9%
了解数据结构与算法是透彻理解计算机科学的前提。随着Python日益广泛的应用，Python程序员需要实现与传统的面向对象编程语言相似的数据结构与算法。本书是用Python描述数据结构与算法的开山之作，汇聚了作者多年的实战经验，向读者透彻讲解在Python环境下，如何通过一系列存储机制高效地实现各类算法。通过本书，读者将深刻理解Python数据结构、递归、搜索、排序、树与图的应用，等等。
26
机器学习算法的数学解析与Python实现
9人今日阅读 推荐值 82.8%
学习机器学习的动机很多，可能是实际工作需要，可能是兴趣爱好，也可能是学业要求，从每种动机的角度看，这个问题都可能有不同的答案。我认同许多人所说的求知不能太功利这一观点，不过大家的时间和精力毕竟有限，就算不去追求投入产出比，至少也应该有一个学这门知识想要达到的目的。机器学习是更偏重于应用的学问，在当下的发展也确实使得机器学习越来越像一门技能，而不仅仅是技术。初学算法时我最想学的是里面的“最强算法”，不过在第1章我将介绍，机器学习算法没有最强的，只有最合适的，对于不同的问题，对应会有不同的最合适算法。所以，我们更需要关注的应该是问题，而不是算法本身。在本书中我选择介绍市面上成熟的机器学习算法包，通过现成的算法包，就能够根据实际要解决的问题直接选择所需要的机器学习算法，从而把注意力集中在对不同算法的选择上。本书的目标读者是想要学习机器学习的学生、程序员、研究人员或者爱好者，以及想要知道机器学习是什么、为什么和怎么用的所有读者。本书第1章介绍机器学习总体背景，第2章介绍配置环境，第3章到第10章彼此独立，每一章介绍一种具体的机器学习算法，读者可以直接阅读想要了解的算法，第11章介绍了集成学习方法，这是一种组合机器学习算法的方法，也是当前在实际使用中常见又十分有效的提升性能的做法。
9
算法精粹：经典计算机科学问题的Python实现
7人今日阅读 推荐值 70.9%
本书是一本面向中高级程序员的算法教程，借助Python语言，用经典的算法、编码技术和原理来求解计算机科学的一些经典问题。全书共9章，不仅介绍了递归、结果缓存和位操作等基本编程组件，还讲述了常见的搜索算法、常见的图算法、神经网络、遗传算法、k均值聚类算法、对抗搜索算法等，运用了类型提示等Python高级特性，并通过各级方案、示例和习题展开具体实践。 本书将计算机科学与应用程序、数据、性能等现实问题深度关联，定位独特，示例经典，适合有一定编程经验的中高级Python程序员提升用Python解决实际问题的技术、编程和应用能力。
7
Qt for Python PySide6 GUI界面开发详解与实例
5人今日阅读 推荐值 64.1%
本书详细介绍了PySide6提供的各种可视化类进行可视化界面编程。本书对各种类做了细致的介绍，对类的方法、槽函数和信号都了详细的说明，并配以实例。可视化编程方面主要内容包括PySide6的框架、基础类、常用控件、高级控件、主窗口、对话框、窗口美化、事件、绘图、文件操作、数据库、数据可视化、打印支持、多媒体等。本书讲解更全面细致，实例也很有针对性，非常适合用Python进行可视化编程的初学者，由于本书对类的各种方法介绍比较详细，也可以作为有一定基础的人作为参考手册，在忘记类的方法的时候查阅。
5
Python预测之美：数据分析与算法实战（双色）
3人今日阅读 推荐值 65.3%
Python是一种面向对象的脚本语言，其代码简洁优美，类库丰富，开发效率也很高，得到越来越多开发者的喜爱，广泛应用于Web开发、网络编程、爬虫开发、自动化运维、云计算、人工智能、科学计算等领域。预测技术在当今智能分析及其应用领域中发挥着重要作用，也是大数据时代的核心价值所在。随着AI技术的进一步深化，预测技术将更好地支撑复杂场景下的预测需求，其商业价值不言而喻。基于Python来做预测，不仅能够在业务上快速落地，还让代码维护更加方便。对预测原理的深度剖析和算法的细致解读，是本书的一大亮点。本书共分为3篇。第1篇介绍预测基础，主要包括预测概念理解、预测方法论、分析方法、特征技术、模型优化及评价，读者通过这部分内容的学习，可以掌握预测的基本步骤和方法思路。第2篇介绍预测算法，该部分包含多元回归分析、复杂回归分析、时间序列及进阶算法，内容比较有难度，需要细心品味。第3篇介绍预测案例，包括短期日负荷曲线预测和股票价格预测两个实例，读者可以了解到实施预测时需要关注的技术细节。希望读者在看完本书后，能够将本书的精要融会贯通，进一步在工作和学习实践中提炼价值。
3
Python程序设计与算法基础教程（第2版）（微课版）
3人今日阅读
本书集教材、练习册、上机指导于一体，基于Windows 10和Python 3.7构建Python开发平台，阐述Python语言的基础知识，以及使用Python语言的开发应用实例，具体内容包括Python概述，Python语言基础，程序流程控制，常用内置数据类型，序列数据类型，输入和输出，错误和异常处理，函数、类和对象，模块和客户端，算法与数据结构基础，图形用户界面，图形绘制，数值日期和时间处理，字符串和文本处理，文件、数据库访问，网络和Web编程，多线程编程以及系统管理等。本书编者结合多年的程序设计、系统开发以及授课经验，由浅入深、循序渐进地介绍Python程序设计语言，让读者能够较为系统、全面地掌握程序设计的理论和应用。本书还提供了教学微课视频。本书可以作为高等学校各专业的计算机程序设计教程，也可作为广大程序设计开发者、爱好者的自学参考书。
3
联邦学习：算法详解与系统实现
2人今日阅读
全书共分为三个部分，从概念、应用场景到具体的先进算法，再到最后的系统实现，对联邦学习技术进行全盘梳理与总结。第一部分为联邦学习基础知识，主要介绍和分享联邦学习的定义、挑战、应用场景和主要技术，包括联邦学习概述、应用场景和常用隐私保护技术。第二部分为联邦学习算法详述，主要介绍京东科技针对纵向联邦学习和横向联邦学习场景提出来的诸多创新性联邦学习算法，包括纵向联邦树模型算法、纵向联邦线性回归算法、纵向联邦核学习算法、异步纵向联邦学习算法、基于反向更新的双层异步纵向联邦学习算法、纵向联邦深度学习算法、快速安全的同态加密数据挖掘框架、横向联邦学习算法、混合联邦学习算法和联邦强化学习。第三部分为联邦学习系统，主要介绍京东科技设计的联邦学习系统及算法落地的性能优化技术，包括FedLearn联邦学习系统详述、gRPC在FedLearn中的联邦学习应用实例、落地场景中的性能优化实践和基于区块链的联邦学习。
2
Python机器学习算法: 原理、实现与案例
2人今日阅读 推荐值 72.6%
本书用平实的语言深入浅出地介绍当前热门的机器学习经典算法，包括线性回归、Logistic回归与Softmax回归、决策树（分类与回归）、朴素贝叶斯、支持向量机、K近邻学习、K-Means和人工神经网络，针对每一个算法首先介绍数学模型及原理，然后根据模型和算法描述使用Python编程和Numpy库进行算法实现，最后通过案例让读者进一步体会算法的应用场景以及应用时所需注意的问题。本书适合准备进入人工智能和数据分析与挖掘领域的初学者，对机器学习算法感兴趣的爱好者、程序员、大学生和各类IT培训班的学员使用。
2
金融商业算法建模：基于Python和SAS
2人今日阅读
这是一本贯穿金融业务经营全流程，以业务为驱动的金融数据挖掘与建模著作，涵盖分析框架、模型算法、模型评估、模型监控、算法工程化等数据建模环节。本书的4位作者都是在金融领域有多年工作经验的大数据专家，不仅技术功底深厚、业务经验丰富，而且对金融行业从业者的需求痛点和图书市场的供给情况有深入了解。他们通过精心策划和写作，让本书内容独树一帜。本书针对决策类、识别类、优化分析类三大主题，独创九大模板：客户价值预测、营销响应预测、细分画像、交叉销售、申请反欺诈、违规行为识别、预测、运筹优化、流程挖掘，详细讲解了每个模板的算法原理、评估方法、优化方法和应用案例等，内容上极力做到准确、明晰、直观与实用。此外，本书还对数据科学项目中比较容易被忽视的内容做了补充，包括模型评估、模型监控、算法工程化，指导读者构建易读、高效、健壮的数据科学工程。本书坚持理论与实践相结合，通过图形、示例、公式帮助读者快速掌握算法与优化理论的同时，还打造了一套可轻松适配各种分析场景与需求的工具模板，力图帮助读者从理论快速跨越到实践。
2