Google得出的搜索结果是如何产生的？ 百度为何会陷入“搜索门”，又是什么机制使然？ 身处在大数据时代的我们，究竟该如何应对变化莫测的世界？ …… 没有满篇的专业术语，第一次让我们通过简单明了的语言、生动的例证了解支撑计算机王国的灵魂支柱——9大算法，包括人工智能、数据压缩，以及Google著名的PageRank等。 本书精彩地介绍了搜索引擎、PageRank、公开密钥加密、纠错码、模式识别、数据压缩、数据库、数字签名等内容。 在解释这些算法的同时，作者也向我们展示了充满科学原创精神的计算机世界：因为每一种算法的提出不但延伸了虚拟世界的领域，同时也是人类智慧的彰显，可以被广泛运用于众多领域。 在读完本书后，你不会成为一名更加熟练的计算机用户，但你会更珍视自己每天在所有计算设备上不停使用的思想的美。 我们每天都会进行多次搜索查询，但是你想过这个令人惊叹的工具是如何奏效的吗？ 谷歌的精英管理层因为谷歌“以超乎寻常的技巧返回相关度极高的结果”而获奖，他们是怎么做到的？ 本书将带你一探究竟。

《经典密码学与现代密码学》主要从三个方面来介绍密码学的知识：第一部分介绍了经典密码学的经典问题，包括单码加密法、仿射加密法、多码加密法、多图加密法和换位加密法；第二部分介绍了现代密码学，包括流加密法、块加密法和公钥加密法；第三部分介绍了密码学的未来，并对量子加密法进行了简单介绍。《经典密码学与现代密码学》—个突出的特点足，对密码破解进行了详细描述，使读者既掌握加密的内部算法，又能了解各种加密法的弱点。与《经典密码学与现代密码学》配套的CAP软件实现了各种加密法，读者可以利用该软件进行加密和解密，从而增强了《经典密码学与现代密码学》的科学性和适用性。每章末尾还给出了一些复习题，给读者以很大的启发和想象力。 《经典密码学与现代密码学》不仅是一本很好的密码学教材，对密码学研究人员和广大密码学爱好者也都是一本不可多得的参考用书。

本书的主要内容包括三部分，一是介绍了如何用算法解决在计算机应用中经常出现的现实问题，二是介绍了计算复杂性的基本原理与技术，最后讲解了NP-完备性问题及并行算法。本书强调算法设计技术，对每一个问题，首先讨论多个解决方法，然后设计、分析、修改或放弃某一算法，通过不断的深入研究，直到最后得到满意的结果。因此本书作者希望读者阅读此书，逐步培养形成一种新的分析问题的思维方式。 本书在第二版的基础上，增加了三章新内容以及许多新的主题，同时对原有章节也做了重新调整。本版次还新增了100多道习题和Java实例，书中的所有程序均以Java伪码形式给出。 内容：1. 算法分析原理 2. 数据抽象与基本数据结构 3. 递归与归纳 4. 分类 5. 选择 6. 动态集合与查找 7. 图与图的遍历 8. 图的优化问题与贪心算法 9. 传递闭包 10. 动态编程 11. 字符串匹配 12. 多项式与矩阵 13. NP-完备性问题 14. 并行算法 附录 Java实例与技术作者简介： Sara Baase is professor of computer Science at San Diego University and has been teaching CS for 25years.Dr.Baase is a three-time recipient of the San State University Alumni Association's Outsatanding Faculty Award,adn she has written a number of textbooks in the areas of algorithms,assembly language,and social and ethical issues relate to computing.She earned her doctorate at the University of California,Berkeley. Allen Van Celder is professor of computer Science at the University of California at Santa Cruz,where he has been teaching CS for 12 years.He received his Ph.D.in Computer Science at Stanford University and is a past recipient of the Presidential Young Investigator Award.

机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。 本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。

《深入浅出数据分析》以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术：数据分析基本步骤、实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧；正文以后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。 本书构思跌宕起伏，行文妙趣横生，无论是职场老手，还是业界新人，无论是字斟句酌，还是信手翻阅，相信都能跟着文字在职场中走上几回，去体味数据分析领域的乐趣与挑战。