計算之魂

吳軍：學者，投資人，人工智能、語音識別和互聯網搜索專家。畢業於清華大學和美國約翰·霍普金斯大學，現任豐元資本創始合夥人、上海交通大學客座教授、約翰·霍普金斯大學工學院董事等職。
吳軍博士曾作為資深研究員和副總裁分別任職於Google 公司和騰訊公司。在Google公司，他和同事一同開創了搜索反作弊研究領域，成立了中、日、韓文產品部門，設計了Google 中、日、韓文搜索算法，領導了Google自然語言處理和自動問答等研究型項目，擁有近20項美國發明專利。在騰訊公司，他負責了搜索、搜索廣告和街景地圖等項目。作為風險投資人，他成功地投資了150家矽谷和中國的高科技企業。吳軍博士對科技產業有深入的研究，是當今矽谷地區解讀 IT 產業的專家。
吳軍博士著有《數學之美》《浪潮之巔》《大學之路》《文明之光》《智能時代》《見識》《態度》《全球科技通史》和《信息傳》等多部暢銷書，並多次獲得包括文津圖書獎、中國好書獎、中華優秀出版物獎在內的圖書大獎。

引子 計算的本質-從機械到電子
0.1　什麼是計算機
0.2　機械計算機、布爾代數和開關電路
0.3　圖靈機：計算的本質是機械運動
0.4　人工智能的極限

第　1 章 毫釐千里之差-大 O 概念
1.1　算法的規範化和量化度量
1.2　大數和數量級的概念
1.3　怎樣尋找最好的算法
1.4　關於排序的討論

第　2 章 逆向思考-從遞推到遞歸
2.1　遞歸：計算思維的核心
2.2　遍歷：遞歸思想的典型應用
2.3　堆棧和隊列：遍歷的數據結構
2.4　嵌套：自然語言的結構特徵

第　3 章 萬物皆編碼-抽象與表示
3.1　人和計算機對信息編碼的差異
3.2　分割黃金問題和小白鼠試驗問題
3.3　數據的表示、精度和範圍
3.4　非線性編碼和增量編碼（差分編碼）
3.5　哈夫曼編碼
3.6　矩陣的有效表示

第　4 章 智能的本質-分類與組合
4.1　這是選擇分類問題
4.2　組織信息：集合與判定
4.3　B+ 樹、B* 樹：數據庫中的數據組織方式
4.4　卡特蘭數

第　5 章 工具與算法-圖論及應用
5.1　圖的本質：點與線
5.2　圖的訪問：遍歷和連通性
5.3　構建網絡爬蟲的工程問題
5.4　動態規劃：尋找最短路徑的有效方法
5.5　最大流量：解決交通問題的方法
5.6　最大配對：流量問題的擴展

第　6 章 化繁為簡-分治思想及應用
6.1　分治：從O(N2) 到O(N log N)
6.2　分割算法：快速排序和中值問題
6.3　並行初探：矩陣相乘和 MapReduce
6.4　從機器學習到深度學習：Google 大腦

第　7 章 權衡時空-理解存儲
7.1　訪問：順序 vs. 隨機
7.2　層次：容量 vs. 速度
7.3　索引：地址 vs. 內容

第　8 章 並行與串行-流水線和分佈式計算
8.1　流水線：邏輯串行和物理並行
8.2　摩爾定律的兩條分水嶺
8.3　雲計算揭密：GFS 和 MapReduce

第　9 章 狀態與流程-等價性與因果關係
9.1　從問題到狀態
9.2　等價性：抽像出狀態的工具
9.3　因果關係：建立狀態之間的聯繫

第　10 章 確定與隨機-概率算法及應用
10.1　信息指紋：寓確定於隨機之中
10.2　隨機性和量子通信
10.3　置信度：成本與效果的平衡

第　11 章 理論與實戰-典型難題精解
11.1　最長連續子序列問題
11.2　區間合併問題
11.3　12 球問題
11.4　天際線問題
11.5　最長回文問題（Longest Palindrome Match）
11.6　計算器問題
11.7　如何產生搜索結果的摘要（Snippets Generation）
11.8　尋找和等於k 的子數組問題

索引