數學之美 (第二版)(數學之美(第二版)(2017年人民郵電出版社出版書籍))

數學之美 (第二版)(2017年人民郵電出版社出版書籍)

數學之美(第二版)(2017年人民郵電出版社出版書籍)一般指本詞條

本詞條是多義詞,共1個義項
更多義項 ▼ 收起列表 ▲

《數學之美(第二版)》是作者吳軍對原有版本《數學之美》的編輯修正,2014年11月由人民郵電出版社出版。第二版根據專家和讀者的反饋更正了原有的一些錯漏,同時,增加了針對大數據和機器學習的內容。全書旨在使高深的數學原理更加通俗易懂,讓非專業讀者也能領略數學的獨特魅力。

基本介紹

  • 書名:數學之美 (第二版)
  • 作者:[美] 吳軍
  • ISBN:9787115373557
  • 頁數:344
  • 定價:49.00
  • 出版社:人民郵電出版社
  • 出版時間:2014-11
  • 裝幀:平裝
  • 開本:16開
出版信息,內容簡介,作者簡介,目錄,

出版信息

數學之美 (第二版)
作者:[美] 吳軍
出版社:人民郵電出版社
出版年:2014-11
頁數:344
定價:49.00元
裝幀:平裝
ISBN:9787115373557

內容簡介

幾年前,“數學之美”系列文章原刊載於谷歌黑板報,獲得上百萬次點擊,得到讀者高度評價。讀者說,讀了“數學之美”,才發現大學時學的數學知識,比如馬爾可夫鏈、矩陣計算,甚至餘弦函式原來都如此親切,並且栩栩如生,才發現自然語言和信息處理這么有趣。
在紙本書的創作中,作者吳軍博士幾乎把所有文章都重寫了一遍,為的是把高深的數學原理講得更加通俗易懂,讓非專業讀者也能領略數學的魅力。讀者通過具體的例子學到的是思考問題的方式 —— 如何化繁為簡,如何用數學去解決工程問題,如何跳出固有思維不斷去思考創新。
第二版增加了針對大數據和機器學習的內容,以便滿足人們對當下技術的學習需求;同時,根據專家和讀者的反饋更正了一些錯漏,並更新了部分內容。

作者簡介

吳軍博士,畢業於清華大學和美國約翰·霍普金斯大學,是著名自然語言處理和搜尋專家,矽谷風險投資人。獲獎暢銷書《浪潮之巔》及《數學之美》的作者。
吳軍博士是谷歌公司早期員工之一。在谷歌,他和辛格(美國工程院院士,世界著名搜尋專家)、Matt Cutts(谷歌反作弊官方發言人)等三位同事一起開創了網路搜尋反作弊的研究領域,並因此獲得谷歌工程獎。2003年,他和谷歌全球架構的總工程師朱會燦博士等共同成立了中日韓文搜尋部門。吳軍博士是當前谷歌中日韓文搜尋算法的主要設計者。在谷歌期間,他還領導了許多研發項目,得到了當時公司執行長埃里克·施密特和創始人謝爾蓋·布林的高度評價。
2010年—2012年,他加盟騰訊公司,出任負責搜尋和搜尋廣告的副總裁,同時擔任國家重大專項“新一代搜尋引擎和瀏覽器”項目的總負責人。2012年回到谷歌,負責開發了被認為是“下一代搜尋”的谷歌自動問答系統。同年,他作為創始合伙人共同創立了中關村矽谷風險投資基金(ZPark Venture)。
吳軍博士在國內外發表過數十篇論文,曾獲得全國人機語音智慧型接口會議的最佳論文獎和Eurospeech的最佳論文獎。他還獲得了十餘項美國和國際專利。
吳軍博士還擔任約翰·霍普金斯大學工學院董事會董事和校國際事務委員會顧問,他也長期擔任中國工業和信息化部的專家顧問。同時,他也是數家投資基金、創業公司的董事和顧問。

目錄

第二版出版說明
序言1
序言2
前言
第1 章 文字和語言 vs 數字和信息
第2 章 自然語言處理 — 從規則到統計
第3 章 統計語言模型
第4 章 談談分詞
第5 章 隱含馬爾可夫模型
第6 章 信息的度量和作用
第7 章 賈里尼克和現代語言處理
第8 章 簡單之美 — 布爾代數和搜尋引擎
第9 章 圖論和網路爬蟲
第10章 PageRank — Google的民主表決式網頁排名技術
第11章 如何確定網頁和查詢的相關性
第12章 有限狀態機和動態規劃 — 地圖與本地
第13章 Google AK-47 的設計者 — 阿米特· 辛格博士
第14章 餘弦定理和新聞的分類
第15章 矩陣運算和文本處理中的兩個分類問題
第16章 信息指紋及其套用
第17章 由電視劇《暗算》所想到的 — 談談密碼學的數學原理
第18章 閃光的不一定是金子 — 談談搜尋引擎
第19章 談談數學模型的重要性
第20章 不要把雞蛋放到一個籃子裡 — 談談最
第21章 拼音輸入法的數學原理
第22章 自然語言處理的教父馬庫斯和他的優秀弟子們
第23章 布隆過濾器
第24章 馬爾可夫鏈的擴展 — 貝葉斯網路
第25章 條件隨機場、文法分析及其他
第26章 維特比和他的維特比算法
第27章 上帝的算法 — 期望最大化算法
第28章 邏輯回歸和搜尋廣告
第29章 各個擊破算法和Google 雲計算的基礎
第30章 Google 大腦和人工神經網路
第31章 大數據的威力——談談數據的重要性
附錄
後記
索引

熱門詞條

聯絡我們