程序员的数学基础课

  • 其它
    11-06 10:24
  • 其它
    02-09 04:17
    开篇词 (1讲) 开篇词 | 作为程序员,为什么你应该学好数学? 导读 (1讲) 导读:程序员应该怎么学数学? 基础思想篇 (18讲) 01 | 二进制:不了解计算机的源头,你学什么编程 02 | 余数:原来取余操作本身就是个哈希函数 03 | 迭代法:不用编程语言的自带函数,你会如何计算平方根? 04 | 数学归纳法:如何用数学归纳提升代码的运行效率? 05 | 递归(上):泛化数学归纳,如何将复杂问题简单化? 06 | 递归(下):分而治之,从归并排序到MapReduce 07 | 排列:如何让计算机学会“田忌赛马”? 08 | 组合:如何让计算机安排世界杯的赛程? 09 | 动态规划(上):如何实现基于编辑距离的查询推荐? 10 | 动态规划(下):如何求得状态转移方程并进行编程实现? 11 | 树的深度优先搜索(上):如何才能高效率地查字典? 12 | 树的深度优先搜索(下):如何才能高效率地查字典? 13 | 树的广度优先搜索(上):人际关系的六度理论是真的吗? 14 | 树的广度优先搜索(下):为什么双向广度优先搜索的效率更高? 15 | 从树到图:如何让计算机学会看地图? 16 | 时间和空间复杂度(上):优化性能是否只是“纸上谈兵”? 17 | 时间和空间复杂度(下):如何使用六个法则进行复杂度分析? 18 | 总结课:数据结构、编程语句和基础算法体现了哪些数学思想? 概率统计篇 (14讲) 19 | 概率和统计:编程为什么需要概率和统计? 20 | 概率基础(上):一篇文章帮你理解随机变量、概率分布和期望值 21 | 概率基础(下):联合概率、条件概率和贝叶斯法则,这些概率公式究竟能做什么? 22 | 朴素贝叶斯:如何让计算机学会自动分类? 23 | 文本分类:如何区分特定类型的新闻? 24 | 语言模型:如何使用链式法则和马尔科夫假设简化概率模型? 25 | 马尔科夫模型:从PageRank到语音识别,背后是什么模型在支撑? 26 | 信息熵:如何通过几个问题,测出你对应的武侠人物? 27 | 决策树:信息增益、增益比率和基尼指数的运用 28 | 熵、信息增益和卡方:如何寻找关键特征? 29 | 归一化和标准化:各种特征如何综合才是最合理的? 30 | 统计意义(上):如何通过显著性检验,判断你的A/B测试结果是不是巧合? 31 | 统计意义(下):如何通过显著性检验,判断你的A/B测试结果是不是巧合? 32 | 概率统计篇答疑和总结:为什么会有欠拟合和过拟合? 线性代数篇 (13讲) 33 | 线性代数:线性代数到底都讲了些什么? 34 | 向量空间模型:如何让计算机理解现实事物之间的关系? 35 | 文本检索:如何让计算机处理自然语言? 36 | 文本聚类:如何过滤冗余的新闻? 37 | 矩阵(上):如何使用矩阵操作进行PageRank计算? 38 | 矩阵(下):如何使用矩阵操作进行协同过滤推荐? 39 | 线性回归(上):如何使用高斯消元求解线性方程组? 40 | 线性回归(中):如何使用最小二乘法进行直线拟合? 41 | 线性回归(下):如何使用最小二乘法进行效果验证? 42 | PCA主成分分析(上):如何利用协方差矩阵来降维? 43 | PCA主成分分析(下):为什么要计算协方差矩阵的特征值和特征向量? 44 | 奇异值分解:如何挖掘潜在的语义关系? 45 | 线性代数篇答疑和总结:矩阵乘法的几何意义是什么? 综合应用篇 (6讲) 46 | 缓存系统:如何通过哈希表和队列实现高效访问? 47 | 搜索引擎(上):如何通过倒排索引和向量空间模型,打造一个简单的搜索引擎? 48 | 搜索引擎(下):如何通过查询的分类,让电商平台的搜索结果更相关? 49 | 推荐系统(上):如何实现基于相似度的协同过滤? 50 | 推荐系统(下):如何通过SVD分析用户和物品的矩阵? 51 | 综合应用篇答疑和总结:如何进行个性化用户画像的设计? 加餐 (3讲) 数学专栏课外加餐(一) | 我们为什么需要反码和补码? 数学专栏课外加餐(二) | 位操作的三个应用实例 数学专栏课外加餐(三):程序员需要读哪些数学书? 结束语 (1讲) 结束语 | 从数学到编程,本身就是一个很长的链条
    • 484