|
|
|
寫程式前就該懂的演算法：資料分析與程式設計人員必學的邏輯思考術
原價:
HK$130.00 
現售:
HK$123.5
節省:
HK$6.5 購買此書 10本或以上 9折, 60本或以上 8折
抱歉! 此商品已售罄, 不能訂購
|
| |
|
|
| |
|
|
出版社: |
松崗
|
| 出版日期: |
2017/06/21 |
| ISBN: |
9789572246399 |
|
|
商品簡介 |
日常生活的演算問題→
加了註解的Python程式碼+大量可愛插圖
=用最簡單的方式學會演算法
本書使用大量插圖與生活實例，讓您以最簡單快速的方式進入演算法領域。翻開本書，您可透過不同主題的圖示與說明，輕鬆理解演算法概念及應用，同時向繁雜的驗證程式說bye-bye！
本書前三章為基礎篇：
第 1 章 – 除了學習第一種實用的二進位搜尋演算法外，還將學習大 O 符號。
第 2 章 – 學習陣列和連結串列兩種基礎資料結構。這兩種資料結構用來產生更進階的資料結構，例如雜湊表（參噙 5 章）。
第 3 章 – 學習釵h演算法（例如第 4 章的快速排序演算法）中經常用到的遞迴法。
本書其餘章節將介紹演算法的各種應用：
解決問題的方法 – 這是第 4、8 和 9 章的主題。如果遇到問題卻不知該如何解決，不妨試試分治演算法（第 4 章）或動態規劃演算法（第 9 章）。如果確定找不到解決辦法，就用貪婪演算法（第 8 章）給個近似答案。
雜湊表 – 這是第 5 章的主題。雜湊表是非常實用的資料結構，包含多組鍵值對，就像一個人的姓名與其電子信箱地址，或使用者名稱與其密碼配對一樣。
圖形演算法 – 這是第 6 和 7 章的主題。圖形是網路模型化的途徑，包括社群網路、道路網、神經元網路，或任何其他組合網路。廣度優先搜尋法（第 6 章）和代克思托演算法（第 7 章）是在網路兩點之間搜尋最短距離的演算法，可用來計算兩人之間的分離程度或到達目標的最短路徑。
K 最近鄰（KNN）演算法 – 這是第 10 章的主題。KNN 是一種簡易機器學習演算法，可用來建構推薦系統、OCR 引擎、股票價值預測系統，以及涉及價值預測的所有其他系統或物件分類系統。
下一步 – 這是第 11 章的主題，介紹 10 種值得繼續學習的演算法。
全書程式碼範例使用Python 2.7，請至松崗官網下載範例程式碼。
本書特色
1.涵遠j尋、排序和圖形等10種最常用的演算法。
2.包含400張可愛、實用的插圖與逐步詳解，幫助您將概念視覺化，有如看卡通般的完成學習。
3.比較不同演算法的效能，讓您能在遇到問題時，選出最適合解決問題的演算方法。
4.書末附有全書習題解答，讓您完成書中練習後可以馬上對照使用，找出錯誤及時修正。 |
|
|
|
|
|
