资源 | 谷歌与MIT联袂巨著:《计算机科学的数学》开放下载

选自CSAIL.Mit

机器之心编译

参与:蒋思源、吴攀

谷歌和麻省理工学院联袂出品的《计算机科学的数学》昨日已经开放下载了,读者可点击文末「阅读原文」下载。

该书用了千页的篇幅讲述了五大板块的内容。其中第一篇就由证明到数据型讲述了数学分析的基本内容,该篇幅为计算机科学的开发者们提供了宝贵的推理和逻辑演绎能力。随后在第二篇「结构」中,该书以数论开始讲述,首先就重点介绍了数论的主题整数集的性能,并由此衍生到计算机科学最基础的结构图论(Graphs)或者说是网络(networks)。在随后的两章节中,该书又向我们介绍了计算理论和概率论,这一部分在我们构建机器学习模型时十分重要和有效。

在该书中,作者在第四章着重介绍了对机器学习算法有重要作用的概率论,其中从概率论那一部分的目录和简介可以看出来作者主要讲述了基本的概率定义和数字特征与假设检验基础,随后由这些基本概率论的定义引出了统计学模型,包括中心极限定理,切比雪夫不等式和马尔可夫理论等重要内容。而这些统计学概念和模型却又正好是机器学习的方法基础。下面让我们一起来看看该书的章节目录:

I 数学分析(Proofs)

简介(Introduction)

0.1 参考文献(References)

1 什么是证明?(What is a Proof?)

1.1 命题(Propositions)

1.2 谓词(Predicates)

1.3 公理化方法(The Axiomatic Method)

1.4 我们的公理(Our Axioms)

1.5 证明命题的含义(Proving an Implication)

1.6 证明「有且仅有」(Proving an「If and Only If」)

1.7 案例证明(Proof by Cases)

1.8 反证法(Proof by Contradiction)

1.9 证明的实战演练(Good Proofs in Practice)

1.10 参考文献(References)

2 良序原则(The Well Ordering Principle)

2.1 良序证明(Well Ordering Proofs)

2.2 良序证明模式(Template for Well Ordering Proofs)

2.3 素数因子分解(Factoring into Primes)

2.4 良序集合(Well Ordered Sets)

3 逻辑公式(Logical Formulas)

3.1 命题中的命题(Propositions from Propositions)

3.2 计算机程序中的命题逻辑(Propositional Logic in Computer Programs)

3.3 等价性和有效性(Equivalence and Validity)

3.4 命题的代数(The Algebra of Propositions)

3.5 SAT 问题(The SAT Problem)

3.6 谓词公式(Predicate Formulas)

3.7 参考文献(References)

4 数学上的数据类型(Mathematical Data Types)

4.1 集合(Sets)

4.2 序列(Sequences)

4.3 函数(Functions)

4.4 二元关系(Binary Relations)

4.5 有限基数(Finite Cardinality)

5 简介(Induction)

5.1 一般归纳法(Ordinary Induction)

5.2 强归纳法(Strong Induction)

5.3 强归纳法、一般归纳法和良序法(Strong Induction vs. Induction vs. Well Ordering)

6 状态机(State Machines)

6.1 状态和转换(States and Transitions)

6.2 不变量原则(The Invariant Principle)

6.3 部分正确性和终止(Partial Correctness & Termination)

6.4 稳定婚姻问题(The Stable Marriage Problem)

7 递归数据型(Recursive Data Types)

7.1 递归定义和结构归纳法(Recursive Definitions and Structural Induction)

7.2 Matched Brackets 字符串(Strings of Matched Brackets)

7.3 非负整数递归函数(Recursive Functions on Nonnegative Integers)

7.4 算术表达式(Arithmetic Expressions)

7.5 递归数据型在计算机科学中的简介(Induction in Computer Science)

8 无限集(Infinite Sets)

8.1 无限基数集(Infinite Cardinality)

8.2 停止问题(The Halting Problem)

8.3 集合的逻辑(The Logic of Sets)

8.4 这些真的有效吗?(Does All This Really Work?)

II 结构(Structures)

Introduction

9 数论(Number Theory)

9.1 可分性(Divisibility)

9.2 最大公约数(The Greatest Common Divisor)

9.3 神秘的素数(Prime Mysteries)

9.4 算术的基本定理(The Fundamental Theorem of Arithmetic)

9.5 Alan Turing

9.6 模运算(Modular Arithmetic)

9.7 余数运算(Remainder Arithmetic)

9.8 Turing's Code (Version 2.0)

9.9 乘法逆运算和消除(Multiplicative Inverses and Cancelling)

9.10 欧拉定理(Euler's Theorem)

9.11 RSA 公钥加密(RSA Public Key Encryption)

9.12 SAT 与它有什么关系?(What has SAT got to do with it?)

9.13 参考文献(References)

10 有向图和部分排序(Directed graphs & Partial Orders)

10.1 顶点度(Vertex Degrees)

10.2 步长与路径(Walks and Paths)

10.3 临近矩阵(Adjacency Matrices)

10.4 Walk Relations

10.5 有向非循环图标和时序(Directed Acyclic Graphs & Scheduling)

10.6 局部排序(Partial Orders)

10.7 通过集合遏制表征局部排序(Representing Partial Orders by Set Containment)

10.8 线性排序(Linear Orders)

10.9 乘积排序(Product Orders)

10.10 等价关系(Equivalence Relations)

10.11 关系属性总结(Summary of Relational Properties)

11 通信网络(Communication Networks)

11.1 路由(Routing)

11.2 Routing Measures)

11.3 网络设计(Network Designs)

12 简单图(Simple Graphs)

12.1 Vertex Adjacency and Degrees)

12.2 美国性别人口统计(Sexual Demographics in America)

12.3 一些常见的图(Some Common Graphs)

12.4 同构(Isomorphism)

12.5 二部图&匹配(Bipartite Graphs & Matchings)

12.6 Coloring

12.7 Simple Walks

12.8 连接(Connectivity)

12.9 森林和树(Forests & Trees)

12.10 References

13 平面图(Planar Graphs)

13.1 在平面中绘制图(Drawing Graphs in the Plane)

13.2 平面图的定义(Definitions of Planar Graphs)

13.3 欧拉公式(Euler's Formula)

13.4 在平面图中限定边的数量(Bounding the Number of Edges in a Planar Graph)

13.5 Returning to K5 and K3;3

13.6 Coloring Planar Graphs

13.7 Classifying Polyhedra

13.8 平面图的另一种特征化(Another Characterization for Planar Graphs)

III 计数(Counting)

Introduction

14 逼近求和(Sums and Asymptotics)

14.1 养老金的价值(The Value of an Annuity)

14.2 幂级数求和 Sums of Powers)

14.3 逼近求和(Approximating Sums)

14.4 Hanging Out Over the Edge)

14.5 乘积(Products)

14.6 Double Trouble

14.7 渐进的符号表示(Asymptotic Notation)

15 基数法则(Cardinality Rules)

15.1 由计算另一项计算该项(Counting One Thing by Counting Another)

15.2 计算序列(Counting Sequences)

15.3 广义乘积法则(The Generalized Product Rule)

15.4 除法法则(The Division Rule)

15.5 子集计算(Counting Subsets)

15.6 重复序列(Sequences with Repetitions)

15.7 Counting Practice: Poker Hands

15.8 鸽巢原理(The Pigeonhole Principle)

15.9 包含与排斥(Inclusion-Exclusion)

15.10 组合证明(Combinatorial Proofs)

15.11 References

16 母函数(Generating Functions)

16.1 无穷级数(Infinite Series)

16.2 使用母函数进行计数(Counting with Generating Functions)

16.3 部分分式(Partial Fractions)

16.4 求解线性递归(Solving Linear Recurrences)

16.5 形式幂级数(Formal Power Series)

16.6 References

IV 概率论(Probability)

Introduction

17 事件和概率空间(Events and Probability Spaces)

17.1 Let's Make a Deal

17.2 四步法(The Four Step Method)

17.3 Strange Dice

17.4 生日原则(The Birthday Principle)

17.5 集合论和概率论(Set Theory and Probability)

17.6 References

18 条件概率(Conditional Probability)

18.1 Monty Hall Confusion

18.2 定义和符号(Definition and Notation)

18.3 条件概率的四步法(The Four-Step Method for Conditional Probability)

18.4 为什么树状图如此有效(Why Tree Diagrams Work)

18.5 全概法则(The Law of Total Probability)

18.6 辛普森悖论(Simpson's Paradox)

18.7 独立性(Independence)

18.8 相互独立性(Mutual Independence)

18.9 概率与置信度(Probability versus Confidence)

19 随机变量(Random Variables)

19.1 随机样本(Random Variable Examples)

19.2 独立性(Independence)

19.3 分布函数(Distribution Functions)

19.4 期望(Great Expectations)

19.5 线性期望(Linearity of Expectation)

20 平均偏差(Deviation from the Mean)

20.1 马尔可夫定理(Markov‘s Theorem)

20.2 切比雪夫定理(Chebyshev's Theorem)

20.3 方差的性质(Properties of Variance)

20.4 随机样本估计(Estimation by Random Sampling)

20.5 估计置信度(Confidence in an Estimation)

20.6 随机变量加和(Sums of Random Variables)

20.7 Really Great Expectations

21 随机步(Random Walks)

21.1 Gambler’s Ruin

21.2 图表中的随机步(Random Walks on Graphs)

V Recurrences

Introduction

22 Recurrences

22.1 The Towers of Hanoi

22.2 Merge Sort

22.3 Linear Recurrences

22.4 Divide-and-Conquer Recurrences

22.5 A Feel for Recurrences

参考书目(Bibliography)

符号词汇表(Glossary of Symbols)

索引(Index)

©本文为机器之心编译,转载请联系本公众号获得授权。

✄------------------------------------------------

原文发布于微信公众号 - 机器之心(almosthuman2014)

原文发表时间:2017-03-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据结构与算法

P1498 南蛮图腾

题目描述 自从到了南蛮之地,孔明不仅把孟获收拾的服服帖帖,而且还发现了不少少数民族的智慧,他发现少数民族的图腾往往有着一种分形的效果(看Hint),在得到了酋长...

39580
来自专栏HansBug's Lab

1342: [Baltic2007]Sound静音问题

1342: [Baltic2007]Sound静音问题 Time Limit: 5 Sec  Memory Limit: 162 MB Submit: 710 ...

37370
来自专栏程序生活

第四周编程作业(一)-Building your Deep Neural Network: Step by StepBuilding your Deep Neural Network: Step by

Building your Deep Neural Network: Step by Step Welcome to your week 4 assignmen...

876110
来自专栏ml

HDU----(2157)How many ways??(快速矩阵幂)

How many ways?? Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 32768/32...

368100
来自专栏CDA数据分析师

原创 | 实战:R环境下Echart的8种可视化

本文由CDA数据分析研究院曾珂提供,刘春娇整理,版权私有,侵权必究,转载请注明出处。 总结一下2016年5月29日数据科学家训练营R语言课程中Echart学习...

22690
来自专栏深度学习与数据挖掘实战

Kaggle竞赛:《NIPS 2017 Adversarial Learning Challenges》

Batch normalization potentially helps in two ways: faster learning and higher ov...

15220
来自专栏ml

HDUOJ--8球胜负

8球胜负 Time Limit: 5000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java...

36290
来自专栏AI科技大本营的专栏

NIPS | 谷歌AI大军来袭,看450多名员工如何横扫今年大会

一年一度的AI盛会NIPS又开始了。 会前数周,就有大神预计,驱车参会的谷歌员工会挤满加州从山景城到长滩的道路,就像这样: ? 图片来源:杜克大学陈怡然教授微博...

44650
来自专栏CreateAMind

Suggested Education for Future AGI Researchers

https://sites.google.com/site/narswang/home/agi-introduction/agi-education

11420
来自专栏Pulsar-V

Python MFCC算法

MFCC(梅尔倒谱系数)的算法思路 读取波形文件 汉明窗 分帧 傅里叶变换 回归离散数据 取得特征数据 Python示例代...

59640

扫码关注云+社区

领取腾讯云代金券