Python编程导论(第2版)
John V. Guttag
4697
已阅读
50.2
万字

内容简介

掌握多种不同的思维方式是每个人大学时代的必修课。具备使用计算思维解决问题的能力是程序员入门的基本技能。本书基于作者开授的 MIT 热门 MOOC 教程编写,旨在培养读者的计算思维,为其日后的 IT 生涯打下坚实的编程基础。

书中以 Python 3 为例,介绍了对中等规模程序的系统性组织、编写、调试,帮助读者深入理解计算复杂度,还讲解了有用的算法和问题简化技术,并探讨各类计算工具的使用。与本书第1版相比,第2版全面改写了后半部分,且书中所有示例代码都从 Python 2 换成了 Python 3。

  • 如何系统性地组织、编写、调试中等规模的程序
  • 理解计算复杂度
  • 将模糊的问题描述转化为明确的计算方法,以此解决问题,并深刻理解整个过程
  • 掌握有用的算法以及问题简化技术
  • 使用随机性和模拟技术清晰阐述很难得到封闭解的问题
  • 使用计算工具(包括简单的统计、可视化以及机器学习工具)对数据进行理解与建模

作者简介

John V. Guttag,1999年~2004年任 MIT 电气工程与计算机科学系主任,所授计算机科学系列导论课程深受学生欢迎。目前为计算机科学与人工智能实验室网络及移动系统组联合负责人,还进行软件工程、机器定理证明、硬件验证等领域的研究以及培训工作。获美国布朗大学英语专业学士学位、应用数学硕士学位,多伦多大学计算机科学博士学位。

本书内容
版权声明
前言
致谢
第1章 启程
第2章 Python 简介
第3章 一些简单的数值程序
第4章 函数、作用域与抽象
第5章 结构化类型、可变性与 高阶函数
第6章 测试与调试
第7章 异常与断言
第8章 类与面向对象编程
第9章 算法复杂度简介
第10章 一些简单算法和数据结构
第11章 绘图以及类的进一步扩展
第12章 背包与图的最优化问题
第13章 动态规划
第14章 随机游走与数据可视化
第15章 随机程序、概率与分布
第16章 蒙特卡罗模拟
第17章 抽样与置信区间
第18章 理解实验数据
第19章 随机试验与假设检验
第20章 条件概率与贝叶斯统计
第21章 谎言、该死的谎言与统计学
第22章 机器学习简介
第23章 聚类
第24章 分类方法
Python 3.5速查表

极客书购买须知

  1. 本产品为《Python编程导论(第2版)》一书电子版全本内容,共计 50.2 万字。
  2. 付费购买用户、会员用户可享受文章永久阅读权限。
  3. 本产品为虚拟产品,一经付费概不退款,敬请谅解。
  4. 本产品内容授权自北京图灵文化发展有限公司。
  5. 本产品每周一、三、五更新,全部内容在 2018 年 5 月 18 日 前更新完毕。
  6. 极客书同时可在 http://gitbook.cn/ 购买与阅读。
推荐极客书
更多极客书
微信扫描登录