前 言 Preface在计算机领域，从基础理论到实际应用，算法是推动技术进步的关键。在本书中，我们进一步深入研究了算法的动态世界，扩大了我们解决现实世界中迫切问题的范围。从算法的基础知识开始，我们通过多种设计技术进行探索，涉及线性编程、页面排序、图等复杂领域，并深入探讨了机器学习和其他相关技术。为了确保我们始终处于技术进步的前沿，我们还进行了大量关于时序网络、LLM、LSTM、GRU以及在密码学和云计算环境下部署大规模算法的讨论。在当今数字时代，推荐系统至关重要，算法在其中扮演着关键的角色。为了有效地应用这些算法，深入理解它们的数学和逻辑原理是非常重要的。本书中的实践案例研究涵盖了多个领域，从天气预报、推特分析到电影推荐，甚至对LLM进行了深入研究，以便更好地展示它们的实际应用。通过这些案例，本书详细阐述了算法的细微差别和它们在实际场景中的应用。本书的目的是帮助读者增强在部署算法来应对现代计算挑战方面的信心。在当今不断发展的数字时代，我们需要不断探索并掌握算法的各种应用。希望本书能带领读者踏上一段学习和利用算法的拓展之旅。目标读者如果你是一位渴望利用算法解决问题、编写高效代码的程序员或开发者，那么本书非常适合你。它涵盖了从经典且广泛应用的算法到最新的数据科学、机器学习和密码学的全面内容。如果你熟悉Python编程，会对理解本书内容更有帮助，但并不是必需的。无论你是初学者还是有经验的专业人士，本书都将为你提供宝贵的见解和实用的指导。无论你具备哪种编程语言的基础，本书都对你非常有用。此外，即使你不是一名程序员，但对技术有一定的偏好，你也可以通过本书深入了解解决问题的算法这一广阔世界。本书内容第一部分：基础算法和核心算法第1章提供了对算法基本原理的介绍。它从算法的基本概念开始，讲述人们如何使用算法来描述问题，以及不同算法的局限性。由于本书中使用Python编写算法，因此将解释如何设置Python环境来运行这些示例。接着，我们研究了如何量化算法的性能，并与其他算法进行比较。第2章讨论了算法上下文中的数据结构。由于我们在本书中使用的是Python，因此该章重点关注Python数据结构，但所提供的概念可以在其他语言中使用，如Java和C++。该章展示了Python如何处理复杂的数据结构，并介绍哪些数据结构适用于某些类型的数据。第3章首先介绍了不同类型的排序算法和各种设计方法。然后，通过实际示例，讨论了搜索算法。第4章讨论了描述我们正在试图解决的问题使用算法设计的重要性。接下来，应用我们介绍的设计技术来求解著名的旅行商问题（TSP）。最后，介绍了线性规划，并讨论了其应用。第5章涵盖了我们可以捕获图形来表示数据结构的方法。它涵盖了一些与图算法相关的基本理论、技术和方法，如网络理论分析和图遍历。我们通过一个案例来研究图算法在欺诈分析方面的应用。第二部分：机器学习算法第6章阐释了无监督机器学习如何应用于现实世界的问题。我们介绍了它的基本算法和方法，如聚类算法、降维算法和关联规则挖掘。第7章深入研究了监督机器学习的本质，即具有分类器和回归器的特征。我们将利用现实世界的问题作为案例来探索它们的作用。本书先后介绍了6种不同的分类算法和3种回归算法。最后，通过比较它们的结果，以得出关键结论。第8章介绍了典型神经网络的主要概念和组成部分。然后介绍了各种类型的神经网络，并阐述了用于实现这些神经网络的各种激活函数。之后，详细讨论了反向传播算法，这是目前应用最广泛的神经网络训练算法。最后，给出一个学习示例，讨论如何在现实世界中利用深度学习进行欺诈检测。第9章介绍了自然语言处理（Natural Language Processing，NLP）的算法。该章介绍了NLP的基础知识以及如何为NLP任务准备数据。接下来解释了向量化文本数据和词嵌入的概念。最后给出了一个详细的用例。第10章深入探讨了针对序列数据训练神经网络的方法。该章涵盖了序列模型的核心原理，并初步概述了其技术和方法。接下来，该章探讨了深度学习如何改进自然语言处理技术。第11章探讨了序列模型的局限性以及序列建模如何发展以克服这些局限性，还深入探讨了序列模型的高级方面，以帮助读者理解复杂配置的创建过程。首先，对自动编码器和序列到序列（Seq2Seq）模型等关键要素进行了分解。接下来研究了注意力机制和Transformer，它们在大型语言模型（LLM）的开发中起着关键作用。第三部分：高级主题第12章详细介绍了主要类型的推荐引擎及其内部工作原理。这些系统能够熟练地向用户推荐个性化的物品或产品，但同时也面临一些挑战。我们深入探讨了它们的优点和局限性。最后介绍如何利用推荐引擎来解决现实世界中的问题。第13章介绍了数据算法和数据分类背后的基本概念。我们研究了用于有效管理数据的数据存储和数据压缩算法，以帮助读者理解在设计和实现以数据为中心的算法时所需要考虑的权衡。第14章介绍了与密码学相关的算法。在讨论对称加密算法之前，该章先介绍密码学的背景，涵盖消息摘要（MD5）算法和安全散列算法（SHA），以及每种算法的局限性和弱点。然后，讨论非对称加密算法，以及如何使用它们来创建数字证书。最后，举一个实例来总结所有这些技术。第15章首先介绍了大规模算法和支持它们所需的高效基础设施。我们探讨了管理多资源处理的各种策略，审视了阿姆达尔（Amdahl）定律所概述的并行处理的局限性，并研究了图形处理单元（GPU）的使用。完成该章后，你将对设计大规模算法所必需的基本策略有扎实的基础。第16章提出了关于算法可解释性的问题，即算法的内部机制可以用易于理解的术语来解释的程度。然后，我们介绍了算法伦理学，并探讨了在实施算法时产生偏差的可能性。接下来讨论处理NP难问题的技术。最后，我们研究了在选择算法之前需要考虑的各种因素。下载示例代码文件和彩色图像书中的代码也可以通过访问GitHub代码库（https://github.com/cloudanum/50Algorithms）获取。还可以通过访问https://github.com/PacktPublishing/了解其他书籍的代码和视频。我们还提供了一个PDF文件，其中包含本书中使用的屏幕截图和图表的彩色图像。你可以在https://packt.link/UBw6g下载。排版约定本书中使用了一些排版约定。代码体：表示文本中的代码、数据库表名、文件夹名、文件名、文件扩展名、路径名、虚拟URL、用户输入和Twitter句柄。例如，“让我们尝试使用Python中的networtx包创建一个简单的图。”粗体：表示新术语、重要单词或屏幕上显示的内容。例如，新的术语出现在这样的文本中：“Python也可以用于各种云计算基础设施中，如亚马逊网络服务（AWS）和谷歌云平台（GCP）。”
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
