程序员必会的40种算法

本书致力于利用算法求解实际问题。第1部分介绍算法的核心内容，探讨什么是算法、如何设计算法，同时学习在算法中使用的数据结构。重讲解排序算法、查找算法和求解图问题的算法。第二部分讨论各种机器学习算法，包括无监督机器学习算法和传统有监督学习算法，详细讨论一些自然语言处理算法和推荐引擎。第三部分讨论更高级的算法概念，重介绍了密码算法和大规模算法。本书还包含一些案例分析（如天气预测、推文聚类和电影推荐引擎），用来说明如何才能更好地应用这些算法。<br/>

译者序

前言

关于作者

关于审校者

第一部分 基础与核心算法

第1章 算法概述

1.1 什么是算法

1.2 描述算法逻辑

1.3 Python包简介

1.4 算法设计技术

1.5 性能分析

1.6 验证算法

1.7 小结

第2章 算法中的数据结构

2.1 Python中的数据结构

2.2 抽象数据类型

2.3 小结

第3章 排序算法和查找算法

3.1 排序算法简介

3.2 查找算法简介

3.3 实际应用

3.4 小结

第4章 算法设计

4.1 算法设计基本概念

4.2 理解算法策略

4.3 实际应用——求解TSP

4.4 PageRank算法

4.5 了解线性规划

4.6 实例——用线性规划实现产量规划

4.7 小结

第5章 图算法

5.1 图的表示

5.2 网络分析理论简介

5.3 理解图的遍历

5.4 实例——欺诈分析

5.5 小结

第一部分 机器学习算法

第6章 无监督机器学习算法

6.1 无监督学习简介

6.2 理解聚类算法

6.3 降维

6.4 关联规则挖掘

6.5 实例——聚类相似推文

6.6 异常检测算法

6.7 小结

第7章 传统监督学习算法

7.1 理解监督机器学习

7.2 理解分类算法

7.3 理解回归算法

7.4 实例——预测天气

7.5 小结

第8章 神经网络算法

8.1 理解人工神经网络

8.2 人工神经网络的演化

8.3 训练神经网络

8.4 工具和框架

8.5 迁移学习

8.6 实例——用深度学习实现欺诈检测

8.7 小结

第9章 自然语言处理算法

9.1 自然语言处理简介

9.2 基于词袋的自然语言处理

9.3 词嵌入简介

9.4 用循环神经网络实现自然语言处理

9.5 用自然语言处理实现情感分析

9.6 实例——电影评论情感分析

9.7 小结

第10章 推荐引擎

10.1 推荐系统简介

10.2 推荐引擎的类型

10.3 理解推荐系统的局限性

10.4 实际应用领域

10.5 实例——创建推荐引擎

10.6 小结

第三部分 高级主题

第11章 数据算法

11.1 数据算法简介

11.2 数据存储算法简介

11.3 流数据算法简介

11.4 数据压缩算法简介

11.5 实例——推文实时情感分析

11.6 小结

第12章 密码算法

12.1 密码算法简介

12.2 理解加密技术类型

12.3 实例——机器学习模型部署时的安全问题

12.4 小结

第13章 大规模算法

13.1 大规模算法简介

13.2 并行算法设计

13.3 制定多资源处理策略

13.4 小结

第14章 实践中要考虑的要素

14.1 实践要素简介

14.2 算法的可解释性

14.3 理解伦理和算法

14.4 减少模型偏差

14.5 处理NP难问题

14.6 何时使用算法

14.7 小结