LaTeX 已经成为国际上数学、物理、计算机等科技领域专业排版的实际标准，其他领域（化学、生物、工程、语言学等）也有大量用户。本书内容取材广泛，涵盖了正文组织、自动化工具、数学公式、图表制作、幻灯片演示、错误处理等方面。考虑到LaTeX 也是不断进化的，本书从数以千计的LaTeX 工具宏包中进行甄选，选择较新而且实用的版本来讲解排版技巧。 为了方便读者的学习，本书给出了大量的实例和一定量的习题，并且还提供了案例代码。书中的示例大部分来自作者多年的实际排版案例，读者不断练习，肯定能掌握LaTeX 的排版技能。 本书适合数学、物理、计算机、化学、生物、工程等专业的学生、工程师和教师阅读，也适合中学数学教师。此外，本书还适合对LaTeX 排版有兴趣的人员。

本书是介绍离散数学理论和方法的经典教材，已经成为采用率最高的离散数学教材，仅在美国就被600多所高校用作教材，获得了极大的成功。中文版也已被国内大学广泛采用为教材。第6版在前五版的基础上做了大量的改进，使其成为更有效的教学工具。. 本书可作为1至2个学期的离散数学课入门教材，适用于数学，计算机科学。计算机工程．信息技术等专业的学生。 第6版的特点 •易入门：实践证明本书对初学者来说易读易懂。 •灵活：本教材为灵活使用做了精心设计，各章对其前面内容的依赖降到最小。 •写作风格：直接和实用。 •数学严密性和准确性：书中所有定义和定理的陈述都十分详细，以确保语言的准确性和数学所需的严密性。 •实例：书中有750多个实例，用于阐明概念，联系不同内容，并引入各种应用。 •应用：书中叙述的应用展示了离散数学在解决现实问题中的使用价值，涉及的应用领域包括计算机科学。数据网络、心理学，化学，工程。语言学、生物学、商业和互联网等。.. •算法：离散数学的结论常常要用算法来表示，因此本书每一章都介绍了一些关键算法。这些算法既可以用文字叙述，也可以用更易于理解的结构化伪码来叙述。附录a．3对伪码作了描述和规范。本书对所有算法的计算复杂性也都给出了初步的分析。 •历史资料：本书对许多主题的背景作了简要介绍，并以脚注的形式给出了65位对离散数学做出过重要贡献的数学家和计算机科学家的简短传记。 •关键术语和结论：每一章后面都列出了本章的关键术语和结论。 •丰富的练习、复习题和补充练习：新版增加了400多道练习，使全书的总练习数达到3800多道。本书不仅提供了足够多的简单习题用于练习基本技巧，还提供了大量的中等难度的练习和许多有挑战性的练习，以满足不同层次学生的学习需求。同时，每章最后都有一组复习题和一组丰富多样的补充练习。 •计算机课题：每一章后面还有一组计算机课题，大约有150个这样的题目，把学生已经学到的计算和离散数学的内容结合在一起。 •计算和研究：每一章的结论部分都有一组计算和研究性问题，为学生提供了通过计算发现新事实或新思想的机会。 •写作题目：每一章后面都有一组应该书面完成的题目。要完成这类题目，学生需要查阅参考文献，把数学概念和书面写作的过程结合在一起，以帮助学生研究和思考正文中没有深入探讨的思想，便于其未来的学习和研究。

本书沿袭《程序员的数学》平易近人的风格，用通俗的语言和具体的图表深入讲解程序员必须掌握的各类概率统计知识，例证丰富，讲解明晰，且提供了大量扩展内容，引导读者进一步深入学习。 本书涉及随机变量、贝叶斯公式、离散值和连续值的概率分布、协方差矩阵、多元正态分布、估计与检验理论、伪随机数以及概率论的各类应用，适合程序设计人员与数学爱好者阅读，也可作为高中或大学非数学专业学生的概率论入门读物。

薛定宇和陈阳泉编著的《高等应用数学问题的MATLAB求解》首先介绍了MATLAB语言程序设计的基本内容，在此基础上系统介绍了各个应用数学领域的问题求解，如基于MATLAB的微积分问题、线性代数问题的计算机求解、积分变换和复变函数问题、非线性方程与最优化问题、常微分方程与偏微分方程问题、数据插值与函数逼近问题、概率论与数理统计问题的解析解和数值解法等，还介绍了较新的非传统方法，如模糊逻辑与模糊推理、神经网络、遗传算法、小波分析、粗糙集及分数阶微积分学等领域。 《高等应用数学问题的MATLAB求解》可作为高等学校理工科各专业本科生和研究生学习计算机数学语言的教材和参考书，也可供科技工作者、教师学习和应用MATLAB语言解决实际数学问题时参考，还可作为读者查询某数学问题求解方法的手册。

代码跑出来的概率统计问题； 程序员的概率统计开心辞典； 开放数据集，全代码攻略。 现实工作中，人们常被要求用数据说话。可是，数据自己是不能说话的，只有对它进行可靠分析和深入挖掘才能找到有价值的信息。概率统计是数据分析的通用语言，是大数据时代预测未来的根基。 站在时代浪尖上的程序员只有具备统计思维才能掌握数据分析的必杀技。本书正是一本概率统计方面的入门图书，但视角极为独特，折射出大数据浪潮的别样风景。作者将基本的概率统计知识融入Python编程，告诉你如何借助编写程序，用计算而非数学的方式实现统计分析。一个趣味实例贯穿全书，生动地讲解了数据分析的全过程：从采集数据和生成统计量，到识别模式和检验假设。一册在手，让你轻松掌握分布、概率论、可视化以及其他工具和概念。  编写测试代码深入理解概率论和统计学  运行实验检验统计行为特征，如生成服从各种分布的样本  通过模拟理解数学上艰涩的概念  学习贝叶斯估计等实用内容  用Python导入各种来源的数据  运用统计推断解决真实数据问题 《统计思维：程序员数学之概率统计》是一本以全新视角讲解概率统计的入门图书。抛开经典的数学分析，Downey 手把手教你用编程理解统计学。概率、分布、假设检验、贝叶斯估计、相关性等，每个主题都充满趣味性，经编程解释后变得更为清晰易懂。 本书研究数据主要来源于美国全国家庭成长调查（NSFG）与行为风险因素监测系统（BRFSS），数据源及解决方案的相关代码全部开放，具体章节列出了大量学习和进阶资料，方便读者参考。 Allen B. Downey是富兰克林欧林工程学院的计算机科学副教授，曾执教于韦尔斯利学院、科尔比学院和加州大学伯克利分校。他先后获麻省理工学院计算机科学硕士学位和加州大学伯克利分校计算机科学博士学位。Downey已出版十余本技术书，内容涉及Java、Python、C++、概率统计等，深受专业读者喜爱。他的最新Think系列书还有Think Complexity: Complexity Science and Computational Modeling、Think Python。

书中描述了Python程序的基本构件：类型、操作符、语句、函数、模块、类以及异常，此外还介绍了更多高级主题，包括复杂的实例，最后讲述了如何使用Python定制库来创建大型程序。