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 | 誠品線上

Grokking Algorithms: An Illustrated Guide for Programmers and Other Curious People

內容簡介

內容簡介 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（參閱第 5 章）。●第 3 章 – 學習許多演算法（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。●程式設計愛好者●想重新熟悉演算法的電腦工程師●對編寫程式感興趣的物理學、數學和其他專業人員1. 涵蓋搜尋、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。

作者介紹

作者介紹 ■作者簡介Aditya Y. Bhargava為手工藝品網路市集 Etsy 電商公司的軟體工程師，擁有芝加哥大學電腦學工程碩士學位，工作之餘經營廣受歡迎的插圖貼文技術部落格 adit.io。■譯者簡介張書華

產品目錄

產品目錄 CH 01 演算法概述CH 02 選擇排序演算法CH 03 遞迴演算法CH 04 快速排序演算法CH 05 雜湊表CH 06 廣度優先搜尋法CH 07 代克思托演算法CH 08 貪婪演算法CH 09 動態規劃演算法CH 10 K 最近鄰演算法CH 11繼續鑽研附錄 習題與解答

商品規格