内容 隐藏
1 实用离散数学
2 Practical Discrete Mathematics
2.1 用 Python 发现驱动计算机科学和机器学习算法的数学原理
2.2 主要优势
2.3 描述
2.4 这本书适合谁？
2.5 你将学到什么

实用离散数学

Practical Discrete Mathematics

用 Python 发现驱动计算机科学和机器学习算法的数学原理

主要优势

  • 将可数对象的数学应用于计算机科学中的实际问题
  • 探索用于执行数学的现代 Python 库，如 scikit-learn、NumPy 和 SciPy
  • 借助实例和专家指导，学习复杂的统计和数学概念

描述

离散数学研究可数、独立的元素，其原理广泛应用于计算机科学和数据分析算法的构建。离散数学知识的掌握将帮助你理解数据驱动任务的核心算法、二进制和一般数学。实用离散数学是为初学者提供的可数对象数学的全面入门指南。本书将帮助你掌握使用离散数学原理提升计算机科学技能的方法。在学习离散数学语言的同时，你还将涵盖研究计算机科学和机器学习对象和算法的关键方法。接下来的章节将指导你了解内存和 CPU 的工作原理。除此之外，你还将学会如何分析数据以发现有用模式，最终探索如何将数学概念应用于网络路由、网络搜索和数据分析。 到本书结束时，你将对离散数学及其在计算机科学中的应用有更深入的理解，并准备好进行实际算法开发和机器学习工作。

这本书适合谁？

这本书适合希望扩展其离散数学知识的计算机科学家，离散数学是他们领域的核心主题。希望将计算机科学、数学、统计学、工程或相关学科付诸实践的大学生也会发现这本书很有用。开始学习这本书需要具备基本的 Python 编程技能和对初等实数代数的了解。

你将学到什么

  • 理解离散数学中的术语和方法及其在算法和数据问题中的应用
  • 在形式逻辑和基本控制结构中使用布尔代数
  • 实现组合学以测量计算复杂性和管理内存分配
  • 使用随机变量，计算描述性统计，并找到平均情况下的计算复杂度
  • 解决与路由、路径查找和图搜索相关的图问题，例如深度优先搜索
  • 执行机器学习任务，如数据可视化、回归和降维
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。