致谢

致谢

本书第1版基于我在MIT教授的本科生课程讲义,这门课程——当然也包括这本书——得益于我的教师同事(尤其是Ana Bell、Eric Grimson、Srinivas Devadas、Fredo Durand、Ron Rivest和Chris Terman)、助教以及学习该课程的学生。David Guttag克服了他对计算机科学的厌恶,对本书的多个章节进行了校对。

和所有成功的教授一样,我要向我的研究生表示万分感激。Guha Balakrishnan、David Blalock、Joel Brooks、Ganeshapillai Gartheeban、Jen Gong、Yun Liu、Anima Singh、Jenna Wiens和Amy Zhao这些学生不但进行了非常出色的研究工作(我也由此获得了一些好评),还都对本书的草稿提出了非常宝贵的意见。

我要向Julie Sussman表示由衷的感谢。我开始和她接触后,才知道一个优秀的编辑竟然会如此出色。以前出书时,与我合作的文字编辑也非常能干,因而我觉得这本书有文字编辑也就够了,但我错了。我需要合作者可以从学生视角审视本书,并且告诉我需要做什么、应该做什么和能够做什么——如果我有时间和精力的话。Julie给我的好建议数不胜数,而且都切中要害,不可忽视。不论是在语言方面还是在编程方面,Julie都有极为深厚的造诣。

最后,感谢我的妻子Olga,她一直督促我完成这本书。感谢她帮助我承担了很多家庭义务,这样我才能专心于此。

目录

  • 版权声明
  • 前言
  • 致谢
  • 第 1 章 启程
  • 第 2 章 Python简介
  • 第 3 章 一些简单的数值程序
  • 第 4 章 函数、作用域与抽象
  • 第 5 章 结构化类型、可变性与高阶函数
  • 第 6 章 测试与调试
  • 第 7 章 异常与断言
  • 第 8 章 类与面向对象编程
  • 第 9 章 算法复杂度简介
  • 第 10 章 一些简单算法和数据结构
  • 第 11 章 绘图以及类的进一步扩展
  • 第 12 章 背包与图的最优化问题
  • 第 13 章 动态规划
  • 第 14 章 随机游走与数据可视化
  • 第 15 章 随机程序、概率与分布
  • 第 16 章 蒙特卡罗模拟
  • 第 17 章 抽样与置信区间
  • 第 18 章 理解实验数据
  • 第 19 章 随机试验与假设检验
  • 第 20 章 条件概率与贝叶斯统计
  • 第 21 章 谎言、该死的谎言与统计学
  • 第 22 章 机器学习简介
  • 第 23 章 聚类
  • 第 24 章 分类方法
  • Python 3.5速查表