

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
Grokking Algorithms: An Illustrated Guide for Programmers and Other Curious People
9
390351
查詢門市庫存
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。
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。
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
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
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
規格
誠品貨碼 / 2681467698009
ISBN13 / 9789572246399
ISBN10 / 9572246399
EAN貨碼 / 9789572246399
頁數 / 272
開數 / 18K
注音版 / 否
裝訂 / P:平裝
語言 / 1:中文/繁體
級別 / N:無
退貨說明
退貨須知:
- 依照消費者保護法的規定,您享有商品貨到次日起七天猶豫期(含例假日)的權益(請注意!猶豫期非試用期),辦理退貨之商品必須是全新狀態(不得有刮傷、破損、受潮)且需完整(包含全部商品、配件、原廠內外包裝、贈品及所有附隨文件或資料的完整性等)。
- 請您以送貨廠商使用之包裝紙箱將退貨商品包裝妥當,若原紙箱已遺失,請另使用其他紙箱包覆於商品原廠包裝之外,切勿直接於原廠包裝上黏貼紙張或書寫文字。若原廠包裝損毀將可能被認定為已逾越檢查商品之必要程度,本公司得依毀損程度扣除回復原狀必要費用(整新費)後退費;請您先確認商品正確、外觀可接受,再行拆封,以免影響您的權利;若為產品瑕疵,本公司接受退貨。
依「通訊交易解除權合理例外情事適用準則」,下列商品不適用七日猶豫期,除產品本身有瑕疵外,不接受退貨:
- 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮蔬果、乳製品、冷凍冷藏食材、蛋糕)
- 依消費者要求所為之客製化給付。(如:客製印章、鋼筆刻字)
- 報紙、期刊或雜誌。
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務,經消費者事先同意始提供。(如:電子書)
- 已拆封之個人衛生用品。(如:內衣褲、襪類、褲襪、刮鬍刀、除毛刀等貼身用品)
- 國際航空客運服務。
若您退貨時有下列情形,可能被認定已逾越檢查商品之必要程度而須負擔為回復原狀必要費用(整新費),或影響您的退貨權利,請您在拆封前決定是否要退貨:
- 以數位或電磁紀錄形式儲存或著作權相關之商品(包含但不限於CD、VCD、DVD、電腦軟體等) 包裝已拆封者(除運送用之包裝以外)。
- 耗材(包含但不限於墨水匣、碳粉匣、紙張、筆類墨水、清潔劑補充包等)之商品包裝已拆封者(除運送用之包裝以外)。
- 衣飾鞋類/寢具/織品(包含但不限於衣褲、鞋子、襪子、泳裝、床單、被套、填充玩具)或之商品缺件(含購買商品、附件、內外包裝、贈品等)或經剪標或下水或商品有不可回復之髒污或磨損痕跡。
- 食品、美容/保養用品、內衣褲等消耗性或個人衛生用品、商品銷售頁面上特別載明之商品已拆封者(除運送用之包裝外一切包裝、包括但不限於瓶蓋、封口、封膜等接觸商品內容之包裝部分)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 家電、3C、畫作、電子閱讀器等商品,除商品本身有瑕疵外,退回之商品已拆封(除運送用之包裝外一切包裝、包括但不限於封膜等接觸商品內容之包裝部分、移除封條、拆除吊牌、拆除貼膠或標籤等情形)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 退貨程序請參閱【客服專區→常見問題→誠品線上退貨退款】之說明。
付款/配送



