三民網路書店 中文圖書分類法 / 科學類 / 數值分析

★影像處理和畫質演算法的基礎原理★底層視覺任務及其與其他視覺任務的關係★影像成像過程、顏色及影調的影響因素★降噪演算法的雜訊生成機制及經典方法★超解析度演算法的傳統插值與深度學習策略★霧天成像模型、去霧任務解決方法★HDR定義、任務設定、經典演算法★深度學習影像合成、和諧化技術★影像增強、修飾的經典演算法★傳統方法與深度學習方法隨著人工智慧和電腦視覺技術的進步，影像處理和畫質演算法技術正邁入新時期。底層視覺任務相較於檢測和辨識類視覺任務，較少受到關注，主要集中在影像的成像品質，如雜訊、顏色和清晰度等。深度學習模型的強大歸納和學習能力，使得基於此技術的底層視覺演算法在許多場景下能達成傳統演算法無法實現的效果。本書將引導讀者深入了解影像畫質演算法及底層視覺技術的基本原理和應用，全面介紹該領域的經典方案與最新發展，並深入剖析不同任務的定義、挑戰及解決思路，涵蓋經典演算法。書中同時兼顧傳統方法與深度學習方法，因為傳統方法在實際應用中仍然發揮著重要作用，其設計理念通常與任務的先驗設定密切相關，而設計深度學習模型時也常參考傳統方法。因此，分析傳統方法對於深入理解底層視覺任務至關重要。此外，書中還會介紹一些較新的基於深度學習的演算法，特別是那些具有啟發性的演算法，以幫助讀者在需要時明確演算法的設計和改進方向，從而在影像處理領域中獲得更深入的理解與應用。

AI讀心數 - 推薦系統演算法核心程式碼精通 網際網路快速發展，使用者和內容規模均迅速增長。如何讓使用者找到感興趣的內容成為許多公司的核心問題。推薦系統屬於被動型消費。和搜尋系統是連接使用者和內容的關鍵橋樑。深度學習技術開始進入推薦系統，深度學習的推薦系統顯著提升了內容分發的準確性和使用者體驗，推薦演算法工程師因此進入了一個新的時代。推薦演算法也在迅速發展，從業者需要不斷學習新知識。推薦系統的鏈路很長，包括召回、粗排、精排和重排等多個模組，掌握整體架構並深入理解各個模組的細節是困難且重要的。本書主要介紹推薦演算法技術，涵蓋召回、粗排、精排和重排等模組，讓讀者熟悉推薦演算法的全過程，加深系統化理解，並掌握關鍵技術細節。書中介紹的技術也適用於搜尋和廣告等領域。幫助讀者掌握推薦演算法的整體架構和核心模組的知識框架，以及一些工作必備的經典模型，深入理解其出發點和具體實現方案，並在實際工作中靈活運用。處於資訊爆炸時代的推薦演算法工程師需要不斷學習新知識，接受更多挑戰。希望本書分享的知識和經驗能夠幫助讀者一臂之力。

內容介紹: ★★★★★Amazon.com　年度暢銷書、五星推薦　★★★★★★★★★★授權多國版權，最受好評的演算法書籍★★★★★★★★★★580 餘張插圖解說，複雜原理一看就懂★★★★★★★★★★客製化刷題機器人，工作面試自信滿滿★★★★★【專家好評推薦】◆Daniel Zingaro | 多倫多大學數學與資訊科學系 副教授◆高孟駿 | 陽明交通大學資工系 副教授◆韓永楷 | 清華大學資工系 教授　(以上依照姓名筆劃順序排列)▼特別收錄▼————————————————————————▍實用的 AI 輔助：　⦿ 用 AI 輔助寫程式　⦿ 用 ChatGPT 改寫成不同程式語言的程式碼▍Coding Interview 要點：　⦿ 使用遞迴的面試考題　⦿ 利用雜湊表解 Two Sum 問題　⦿ 用 BFS 演算法解 Word Ladder 題目　⦿ 最長重複子陣列　⦿ 尋找座標上最接近原點的某幾個點▍客製化刷題機器人 – 驗證你的演算法學習成效————————————————————————傳統的演算法書籍太過枯燥無聊，裡面全是些看再多遍也看不懂的複雜理論、數學公式還有程式，光是翻幾頁就讓人哈欠連連，這對初學者而言就像在看外星文，而且有些程式概念很抽象，更是無法透過文字敘述就能理解。本書透過生活化的舉例做引導，並避免無聊又複雜的敘述，目的就是希望讓讀者能像閱讀小說般地學會演算法概念。我相信最好的學習方式就是能回想起我們熟悉的事物，以範例來說明會讓你更容易回想。例如，當你忘記【陣列】與【鏈結串列】的差異時 (本書第 2 章的主題)，只要回想到在電影院找座位就可以了。本書內容精心挑選過，而且用生動有趣的手繪圖來輔助理解，所介紹的演算法都非常實用，希望能幫讀者奠定良好的基礎，以便將來學習更進階的演算法。【本書含括】二元搜尋法／Big O notation／遞迴／戴克斯特拉演算法／選擇排序法／貪婪演算法／樹狀圖／平衡樹／動態規劃演算法／快速排序法／雜湊表／K 最近鄰演算法／廣度優先搜尋法／反向索引／傅立葉轉換／平行演算法／分散式演算法／迪菲赫爾曼金鑰交換／線性規劃／NP-complete、……等。本書特色: ✔ 培養程式設計的邏輯思考能力✔ 內容淺顯易懂，沒有長篇難懂的理論✔ 透過生活化的範例，學會拆解複雜問題的方法✔ 比較演算法

【試題大補帖系列熱賣中！】不容錯過的上榜必備好書在這裡！精選多間名校研究所歷屆考題，讓你省去到處尋找考古題的煩惱！試題按照年度排列，迅速掌握出題方向每道題目提供完整解析，測驗、複習一把罩本書收錄國內各重點大學研究所110～113年【演算法】試題含解析。本書收錄學校：臺灣大學、政治大學、陽明交通大學、臺灣師範大學、成功大學、中央大學、臺北大學本書特色：1.補班名師解題，不用三顧茅廬立即獲得大師精準考題解析。2.多年度試題一次收錄，輕鬆練習歷屆試題。3.一題搭配一詳解，演練有錯立即修正，加深印象。

「演算法」與「資料結構」到底是什麼？「演算法」其實是一套「使用資料的策略」，而「資料結構」則是將資料整理成特定格式，讓你擁有更多使用資料的策略。掌握演算法是成為軟體工程師的必經之路，不僅在工作上能提升開發系統的效能，更是面試時必備的技能之一，可以說學習演算法的 CP 值實在高到不行！▌本書特色◉ 初學者友善，從0到1，無痛入門◉ 提供完成程式碼，輕鬆接觸演算法◉ LeetCode實戰教學，工作面試超加分◉ 分享「演算法」於職場上的價值與意義▌你將能了解到♦ 海外大廠面試白板題解析♦ 海外求職經驗分享♦ 五大演算法策略：貪婪法、枚舉法、回溯法、分支界限法、分治法♦ 三大排序演算法：氣泡排序、插入排序、選擇排序♦ 資料結構：Stack & Queue♦ 資料結構：Array & Linked List♦ 演算法策略：深度優先（DFS） vs 廣度優先（BFS）♦ 演算法效能：時間複雜度（Big O）♦ 演算法實作：迴圈（Loop） vs 遞迴（Recursion）

2018、2019、2020連續三年國際資訊奧林匹亞競賽（IOI）金牌得主日本天才年輕程式設計師米田優峻為所有程式設計者而寫的演算法×數學學習全指南從入門者、進階程式設計師到競賽選手都該具備一口氣學會「必學經典演算法」＋「支撐演算法的必要數學知識」獲得能真正徹底活用演算法的扎實程式設計力！「要理解程式設計中演算法與基礎數學之間的密切關係，這本書應該是最適合的了。」──日本國立資訊學研究所副所長　河原林健一　專業推薦｜要真正理解、活用演算法，就得同步從數學下手——｜第一本同時講解「演算法×數學×競賽題型」的程式必備基礎學習書，讓你事半功倍，一步到位！現代社會中，從電腦、智慧型手機，再到最前端的AI人工智慧等，無一沒有程式語言的參與。而在電腦強大的功能與計算能力背後，為了以最有效率的方式運算、解決問題，「演算法」扮演了關鍵角色，讓我們得以用更少的計算資源來解決各種問題。因此不論資歷深淺，演算法是所有程式設計者必得萬分熟悉的工具與知識。而要掌握演算法，背後的數學知識更是關鍵，但坊間的演算法學習資源時常忽略了學習者對於相關數學的掌握。觀察到此點的本書作者米田優峻，因而撰寫了本書，從演算法和數學同步下手，讓我們能夠真正掌握演算法的精髓。出生於2002年、現就讀東京大學四年級的米田優峻，在中學一年級時迷上程式設計，於2018、2019、2020連續三年奪得國際資訊奧林匹亞競賽（IOI）金牌，創下驚人紀錄。2023年，他再度於國際大學生程式設計競賽（ICPC）獲得全球第九名佳績。透過本書，他將深入淺出為讀者介紹各種經典演算法，並同時介紹必要的數學知識，幫助讀者扎實理解演算法的原理與提升應用能力。本書共有三大特色：1. 使用簡單易懂的圖解和方法，讓初學者也能輕鬆掌握。2. 提供了200道例題和演練題，幫助讀者鞏固所學知識。3. 從中學到大學程度的數學知識，僅選取與演算法相關的重要部分進行講解。不論你是剛接觸演算法學習的程式設計入門者，或者希望在已有的數學與演算法知識基礎上更深入理解，抑或者希望為程式設計競賽做準備，本書提供具體實用的知識和技巧，為你帶來莫大幫助，在閱讀過程中帶給你無窮樂趣。

2018、2019、2020連續三年國際資訊奧林匹亞競賽（IOI）金牌得主 日本天才年輕程式設計師米田優峻 為所有程式設計者而寫的演算法×數學學習全指南 從入門者、進階程式設計師到競賽選手都該具備 一口氣學會「必學經典演算法」＋「支撐演算法的必要數學知識」 獲得能真正徹底活用演算法的扎實程式設計力！ 「要理解程式設計中演算法與基礎數學之間的密切關係，這本書應該是最適合的了。」 ──日本國立資訊學研究所副所長　河原林健一　專業推薦 ｜要真正理解、活用演算法，就得同步從數學下手—— ｜第一本同時講解「演算法×數學×競賽題型」的程式必備基礎學習書，讓你事半功倍，一步到位！ 現代社會中，從電腦、智慧型手機，再到最前端的AI人工智慧等，無一沒有程式語言的參與。 而在電腦強大的功能與計算能力背後，為了以最有效率的方式運算、解決問題， 「演算法」扮演了關鍵角色，讓我們得以用更少的計算資源來解決各種問題。 因此不論資歷深淺，演算法是所有程式設計者必得萬分熟悉的工具與知識。 而要掌握演算法，背後的數學知識更是關鍵，但坊間的演算法學習資源時常忽略了學習者對於相關數學的掌握。 觀察到此點的本書作者米田優峻，因而撰寫了本書，從演算法和數學同步下手，讓我們能夠真正掌握演算法的精髓。 出生於2002年、現就讀東京大學四年級的米田優峻，在中學一年級時迷上程式設計， 於2018、2019、2020連續三年奪得國際資訊奧林匹亞競賽（IOI）金牌，創下驚人紀錄。 2023年，他再度於國際大學生程式設計競賽（ICPC）獲得全球第九名佳績。 透過本書，他將深入淺出為讀者介紹各種經典演算法，並同時介紹必要的數學知識，幫助讀者扎實理解演算法的原理與提升應用能力。 本書共有三大特色： 1. 使用簡單易懂的圖解和方法，讓初學者也能輕鬆掌握。 2. 提供了200道例題和演練題，幫助讀者鞏固所學知識。 3. 從中學到大學程度的數學知識，僅選取與演算法相關的重要部分進行講解。 不論你是剛接觸演算法學習的程式設計入門者，或者希望在已有的數學與演算法知識基礎上更深入理解，抑或者希望為程式設計競賽做準備， 本書提供具體實用的知識和技巧，為你帶來莫大幫助，在閱讀過程中帶給你無窮樂趣。

暢銷經典，全球銷售超過百萬本 Thomas H. Cormen、Charles E. Leiserson、Ronald L. Rivest和Clifford Stein所著的《演算法導論》受到世界各地許多著名大學廣泛採用，作為演算法課程的主要教科書。 本書即是大家耳熟能詳的CLRS。歷經數個版次，同時受到廣泛選用所造就的不可替代性，在該領域的社群和學術界，常以作者姓氏的首個英文字母「CLRS」，作為這本經典著作的代稱。 這本書因幾個關鍵特點而備受讚譽： ‧內容全面：本書涵蓋了從基本到進階的演算法主題，適合各個程度的讀者，無論是大學生、研究生或業界人士，都能從中受益。 ‧清晰的講解：書中以清晰詳細的方式解釋各種演算法，並搭配虛擬碼，幫助讀者理解演算法的實作過程。 ‧嚴謹的數學分析：本書提供了演算法的數學分析，幫助讀者深入理解演算法的效率和複雜度，對於希望深入研究演算法理論的讀者很有幫助。 ‧豐富的練習題：每章結尾都有大量的練習題，這些題目設計巧妙，有助於對學習內容的強化和加深理解。 ‧現實應用：書中展示了多演算法在實際問題中的應用，增加了學習的趣味性和實用性。 這些特點使得《演算法導論》成為計算機科學領域的經典教材，廣受學術界和業界人士的推崇。 有些演算法書籍雖然嚴謹卻不夠完整，有些則包羅萬象卻嚴謹不足，獨樹一幟的《演算法導論》既嚴謹且全面，不僅深入探討廣泛的演算法，也透過自成一體的章節及演算法虛擬碼，讓各種程度的讀者皆能理解演算法的設計和分析。 《演算法導論》自第一版問世以來，已成為全球大學的主要演算法教材，以及專業人士的標準參考書。 本書的第四版做了全面的更新，採用更清晰的文筆、更個人化且性別中立的表達方式，並透過顏色來增進視覺表現。我們根據讀者的回饋改進問題，讓注釋和參考文獻反映這個領域的最新發展，並且在本書的網站提供新的補充教材。 第四版的新內容 ‧關於二部圖、線上演算法與機器學習的新章節 ‧探討遞迴方程、雜湊表、勢能函數及後綴陣列等主題的新內容 ‧新增140道新習題和22道新問題 本書提供超過900道習題與162個問題，讀者可以在本書網站上找到大部分的解答。適合大學或研究所的演算法或資料結構課程使用；此外，由於本書探討演算法設計的工程問題和數學層面，所以也適合專業技術人員用來自學。

隨著電腦技術的不斷發展，人們在享受電腦帶來的方便與快捷的同時，對人機互動的需求也不斷增加。人機智慧互動變得尤為重要。如果電腦像人類一樣能主動適應周圍的環境，並且還能觀察、理解和產生各種「情感」，這將從根本上改變人與電腦之間的關係，最終實現自然、富有情感、和諧的人機交互，使電腦能夠更好、更全方位地為人類服務。由於人臉表情傳遞著豐富的個人情感資訊，是人們非語言交流的一種重要方式，在人與人之間的交流中扮演著重要的角色，因此電腦通過對人臉表情進行辨識，可以感知人的情感和意圖，與人類的交互就會變得更加智慧。近年來，人臉表情辨識已成為國內外模式辨識和人工智慧領域的研究熱點，其內容涉及到心理學、社會學、數學、認知科學、生物學、電腦科學等眾多學科，是一個極富挑戰性的交叉課題。 本書以人臉表情辨識為研究對象，比較全面系統地研究了人臉表情辨識系統的基本理論、演算法設計和應用，設計了一套主動視覺人臉追蹤與表情辨識系統。書中分別以動態人臉表情、微表情、魯棒表情為辨識對象，介紹了相關特徵提取、分類演算法的技術方法。書中各部分主要內容如下：第1章是人臉表情辨識系統的概述，還介紹了相關技術的國內外發展現狀。第2章針對複雜背景彩色圖像人臉快速檢測的問題，提出了一種人臉檢測與定位的方法。第3章針對動態人臉表情特徵提取的問題，提出了基於Candide3 模型的人臉表情追蹤及動態特徵提取方法。第4章詳細討論了基於動態圖像序列的表情圖像分類及實現方法。第5章研究並討論了基於主動外觀模型的人臉動態序列圖像表情特徵提取演算法。第6章設計了基於子空間分析和改進最近鄰分類的表情辨識演算法。第7章針對微表情序列圖像的分析，提出了一種微表情序列圖像的預處理方法。第8章設計了基於多尺度LBP-TOP 的微表情特徵提取方法。第9章提出了基於全域光流特徵提取與LBP-TOP 特徵結合的微表情特徵提取演算法。第10章討論了基於支持向量機和隨機森林的微表情辨識的分類器設計方法。第11章提出了一種基於Gabor 多方向特徵融合與分塊長條圖的表情特徵提取方法。第12章針對光照變化下的表情分析問題，研究了基於對稱雙線性模型的光照魯棒性人臉表情分析。第13章針對局部遮擋情況下的表情特徵提取問題，研究了一種基於局部特徵徑向編碼的局部遮擋表情特徵提取方法。第14章針對局部遮擋表情特徵提取，設計了局部累加核支援向量機分類器演算法。第15章

★LeetCode刷題最重要題目精解 ★資料結構程式語言紮實基礎 ★演算法完整實作 ★陣列、鏈結串列、樹、搜尋、佇列、圖演算法 ★LRU、LFU快取 ★費氏數列、N皇后問題、背包問題 ★Union-Find ★Kruskal演算法 本書專攻演算法刷題，訓練演算法思維，應對演算法筆試，注重用策略和框架思維解決問題，以不變應萬變。 第1章列舉了幾個最常見的演算法類型及對應的解題框架思路，包括雙指標、滑動視窗等演算法技巧，並把動態規劃、回溯演算法、廣度優先搜索等技巧的核心抽象為二元樹的兩種問題形式。第2章介紹了基礎資料結構相關的演算法，包括陣列鏈結串列的常見技巧整理和資料結構設計的經典例題。第3章從二元樹的幾種解題思路開始，嘗試從二元樹的角度理解快速排序和歸併排序，進一步講解回溯、DFS、BFS等暴力搜索演算法。第4章具體介紹了動態規劃相關的技巧，例如如何確定base case，如何寫狀態轉移方程式，如何進行狀態壓縮等技巧，並用動態規劃的通用思路框架解決了十幾道經典的動態規劃問題。第5章講解了一些高頻面試/筆試題目，每道題目可能會結合之前章節講過的多種演算法思路，也可能有多種解法。

――在日暢銷兩萬冊，獲頒日本「IT工程師書籍大獎2021特別獎」――演算法不只是知識，更該是解決問題的手段──從理解演算法的設計技法、資料結構、圖演算法到解決問題，透過大量圖解、程式競賽例題與實際案例，告訴你如何真正學會並應用演算法，具體解決現實生活中的難題！「『會寫演算法』跟『獲得高效率的成果』這兩件事有很大的落差。該怎麼做才能獲得效率良好的結果──亦即該採用什麼樣的演算法比較好？對於這些問題點，本書作了範圍寬廣又清楚明瞭的解說。而且本書是針對演算法初學者，用能夠引發對演算法興趣的方式撰寫。如果想要向成為演算法高手踏出第一步，那麼本書是最適合不過的了。」──日本國立資訊學研究所副所長　河原林健一　專業推薦不論你是想要成為一名程式設計／軟體工程師，或是必須在大學課程獲取學分，或是想在程式設計競賽中獲勝，都會需要學習演算法的基礎知識。即使「人工智慧」、「量子電腦」等新科技不斷發展，任何涉及軟體工程或電腦科學的技術人士，都必須理解本書中的演算法基礎知識。與日新月異變化快速的領域不同，演算法的基礎知識可謂「終身受用」，不管要從事什麼樣的領域，都能成為你的優勢與靠山。此外，演算法的力量不僅止於單純的知識，它對程式設計也有直接的幫助。如果能把演算法變成自己的工具，自行選擇合適的演算法，甚至自己設計需要的演算法，你能解決問題的範圍就可以大為擴展。此外，基本的演算法和資料結構，還能提供程式語言的功能和標準函式庫等。透過了解它們的機制與原理，就更能掌握操作的特性及提高速度。由程式競賽經驗豐富的兩位作者所撰寫的本書，目標是希望幫助讀者「把演算法變成自己的工具」。除了介紹著名的演算法，為你打下扎實的重要基礎外，更將重點放在演算法的應用和設計上，教你如何利用演算法的力量找出方法、解決問題。本書不僅是入門書，也是一本收錄程式設計比賽網站AtCoder眾多例題、精進C++編碼技巧的實用書，滿載資訊科學學習者受用的內容。從認識演算法、設計技法、實際應用到參加競賽，一本帶你確實精進程式設計力的絕佳指南本書共有18章，主要可分為「演算法設計技法」、「資料結構」、「圖演算法」三大主題，循序漸進認識演算法、演算法的設計技法、資料結構、圖（graph），最後解說P與NP相關主題及難以設計出能有效求解演算法的難題該如何應對。首先，在第1和第2章，作者概述了演算法和計算複雜度。接下來，第3至第7章將是本書的

♚瞭解資料科學：說明資料科學概念，深入淺出演算法 ♚掌握實例應用：學習科技公司技術，掌握各種應用場景 ♚運用實戰案例：涵蓋各種機器學習模型來打造實用功能 ♚清楚內容編排：針對所需主題閱讀，充分理解演算法概念 【內容簡介】 本書內容改編自第14屆iThome鐵人賽AI& Data組的冠軍系列文章《那些在科技公司和App背後的資料科學》。你是否好奇全球頂尖的科技公司是如何利用資料科學打造出創新且成功的產品呢？本書將會深入介紹Spotify、Meta、Netflix、Uber和Airbnb等科技巨頭如何借助於資料科學和機器學習的技術，來為其產品注入革命性的創新。 本書整理及解析頂尖科技公司的機器模型與應用，內容從閱讀本書所需具備的概念開始，包括推薦系統、多臂式吃角子老虎機、A/B測試及排序模型的常見指標，再分別介紹科技巨頭的演算法內容，如Spotify和Netflix的多媒體內容推薦、Meta的社交內容推薦及排序、Airbnb的搜尋系統及房源排序模型、Uber和Uber Eats的預測模型及推薦系統等，我們將可瞭解這些演算法的理論知識，更可透過案例來學習這些模型是如何應用於實際產品之中。 【目標讀者】 ✔想要對科技公司的演算法一探究竟的資料科學家。 ✔想借鏡於頂尖科技公司如何利用資料科學，來改善個人的產品或服務的科技產業工作者。 ✔想進一步發展自身技能的資料科學家和工程師。 ✔對資料科學、科技和創新有濃厚興趣的讀者。本書特色 學習頂尖公司的演算法與資料科學，啟發AI創新應用！ 完整蒐集頂尖科技公司的演算法，學習AI世界的經驗精華！ 全面解析及整理頂尖科技公司的機器學習模型，借鏡打造AI創新路徑！專業推薦 「本書非常有結構地介紹現在科技巨頭賴以維生的各種推薦與媒合演算法。內容由淺入深地討論這些科技巨頭如何使用海量數據來揣度人心，闡釋為何看似相同的推薦與媒合問題在不同公司卻有本家家難念的經。」─ 黃從仁，國立臺灣大學心理學系模型建構與資訊學實驗室

快速掌握演算法思維應對求職時IT公司的各種演算法面試題用範本和框架思維解決問題，以不變應萬變本書的最大功效逐步指導讀者大量演練演算法題目，以及各種演算法題型的樣式和框架，快速掌握演算法思維，以應對求職時IT公司的各種演算法面試題，或是增進讀者編寫程式的技巧。本書並不適合純新手來閱讀如果你對基本的資料結構還一竅不通，那麼你需要先花幾天的時間看一本介紹基礎的資料結構書，去瞭解諸如佇列、堆疊、陣列、鏈結串列等基本資料結構。不需要非常精通，只需大致瞭解它們的特點和用法即可。我想大學時期學過資料結構課程的讀者，閱讀本書應該不會有什麼問題。如果你學過資料結構由於種種現實原因開始在刷題平台上演練，卻又覺得無所適從、心亂如麻，那麼本書可以解決你的燃眉之急。當然，如果你只是單純的演算法愛好者，以刷題為樂，本書也會給你不少啟發，讓你的演算法功力更上一層樓。本書有許多題目都參考自LeetCode這個題目平台題目解法的程式碼形式遵循該平台的標準。因此如果你習慣在LeetCode平台上演練演算法題目，那麼閱讀本書會更加遊刃有餘。當然，即使你沒有這個習慣也無妨，因為演算法的解題技巧都是通用的。本書混用Python、C++和Java三種程式語言筆者認為演算法題目的重點是在養成一種思維模式，不應該局限於具體的程式語言。不必擔心有的語言你不熟悉，演算法根本用不到程式語言層面的技巧，本書也會有意避開所有語言特性，而且後面會統一介紹三種語言的基本操作。

本書利用PyTorch、神經網路、圖論、機器學習，知識圖譜等最新技術，做出最棒的推薦系統。 第1、2章幫大家建立基礎，第3章從第2章推導，入門推薦演算法及推導能力。第4章介紹熱門的圖神經網路在推薦演算法中的應用。第5章深入知識圖譜推薦演算法，專業度高且實用性強，掌握前4章知識的讀者容易學習。第6到8章介紹整個推薦系統、商業和推薦工程。建議在第3章後隨時閱讀，特別是第7章系統介紹推薦系統評估指標。可在範例程式基礎上改進並利用第7章指標實際評估推薦系統效果。 【本書看點】 ✪ 無痛學習推薦演算法 ✪ 結合深度學習的發展，可推導出進階推薦演算法 ✪ 結合圖神經網路進一步推導出推薦演算法 ✪ 了解圖神經網路且應用於推薦演算法 ✪ 了解整個推薦系統的詳細結構及基本做法 ✪ 了解推薦工程整體的生命週期 ✪ 3個重要演算法：近鄰協作過濾、ALS、FM 【適合讀者】 ☛ 從事推薦系統相關工作的工程師。 ☛ 對推薦系統有興趣的讀者。 ☛ 也可作為大專院校、研究機構的學習參考書

★超人氣暢銷演算法學習書全新增訂版！新增7種演算法詳細圖解+「資料壓縮」，內容增補修訂！★全球超過250萬人使用，「Apple年度最佳APP」書籍化！★隨書附贈獨家贈品「七大主題演算法圖解記憶表」 ★★ 讀再多文字解說都看不懂？沒關係，全部畫給你看，一次弄懂演算法到底是什麼！★★ ●直觀理解，從基礎開始學習，一用就上手的演算法專書！●全圖像化step by step，完整拆解制霸AI時代的演算法精髓！●詳解演算法的奧妙、執行效率、優缺點，活化思維，做出最佳決斷！ 【專業審訂】國立成功大學資訊工程系講座教授兼成大研究發展基金會執行長 謝孫源 【專家學者好評推薦】李忠謀 國立臺灣師範大學副校長／資訊工程學系教授趙坤茂 國立臺灣大學資訊工程學系教授鄭國威 泛科知識公司知識長 【高中資訊社團好評推薦】北一女中資訊研習社台南女中資訊研究社成功高中電子計算機研習社高雄女中資訊社新竹高中軟體研究社CSDC █ 演算法時代來了！ 現今我們的世界已離不開演算法，從線上搜尋、社群交友、法院判案、醫學診斷、金融運作、大腦決策到人工智慧的未來，越了解演算法，越可能掌控權力，成為時代的贏家。有些演算法對我們有益、有些有用，有些則可能使我們陷入大麻煩，但我們對這些演算法所知極少。 不管用哪種程式語言編寫程式，演算法都是不可或缺的，不過如果認為只有學電腦的人才要了解演算法，那就太可惜了。演算法其實是一連串解決問題的邏輯步驟，只要熟悉這些步驟和運用方式，每個人都能設計自己的演算法並應用於各種不同領域。學習演算法正是建構嚴謹思維和幫助做出最佳判斷的訓練。 █ 演算法的第一本書，從基礎開始學習！ 演算法是用以執行計算或完成作業的程序，可以想像成料理食譜，如果做出某種料理的步驟是食譜，那麼用電腦解出特定問題的步驟就是演算法了。然而，食譜與演算法的決定性差異，在於演算法非常嚴謹。相較於食譜有很多概略的描述，演算法的所有步驟都用數學方式表現，沒有模糊地帶。 本書蒐羅介紹33種基本的演算法和7種資料結構，貨真價實完全圖解。每一個步驟都以圖片和文字詳細說明，拆解具體演算過程，逐步建立邏輯概念，輕鬆進入演算法的世界。 書中解說的演算法範疇包括「排序」、「陣列搜尋」、「圖形搜尋」、「安

解析演算法結構 實際操作 加深學習 精選課堂練習 資料結構、排序、搜尋etc… 從基礎到應用準則完全圖解 ‧詳細講解各種演算法的特色 ・學會如何選擇適當的演算法 ・跨頁閱讀適合初學者或複習自學 ・涵蓋機器學習結構到活用範例 堅實的基礎知識「實用」的工具書 需要懂得因應場景選擇適當的演算法,才能夠建立有效率的程式。即便獲得的成果相同,但使用的演算法會讓處理效率大不相同。不過對演算法抱持著「看不出有什麼差異」「好複雜好像很難」排斥心態的學習者想必是大有人在。因此,本書中的每個主題皆是以跨頁,並搭配圖解的講解方式幫助讀者從零開始學習演算法的基礎知識。 推薦給符合以下條件的讀者 ‧想學習演算法的基礎知識 ‧想拓展知識領域更上一層樓 ‧想成為懂得如何選擇演算法的人 ‧想成為能快速又正確建立程式的人

算法時代，數位經濟產業成為經濟增長的核心引擎。為保證數位經濟健康有序發展，企業數據合規發揮著重要作用，數據合規有助於外部法律監管和企業內部數據管理。本書從算法技術發展脈絡出發，深入剖析不同場景中的企業數據特徵，透過比較分析全球範圍內的數據合規治理路徑並結合具體司法案例，力圖構建企業數據合規的差序格局。

無師自通最高難度的計算問題！ 本書將教你如何解決艱難的程式設計問題，並設計屬於你自己的演算法。透過教學大神Daniel Zingaro從USACO、IOI等世界級程式競賽中精選來的範例，你將學會如何分類問題、選擇資料結構，並辨認出適合的演算法。同時也將學到，你所選擇的資料結構（無論是雜湊表、堆積、或樹）會如何影響執行時間，以及如何讓你的演算法加速，包括應用遞迴、動態規劃、二元搜尋等強大的策略來解決艱難的問題。 透過程式碼的逐一講解，你將學到的演算法和資料結構包括： ❏ 用圖與廣度優先搜尋演算法來尋找桌遊的最佳策略、或是翻譯一本書的最好方法。 ❏ 用Dijkstra演算法來判斷有多少老鼠能成功走出迷宮、或是兩個地點之間最短路徑的數量。 ❏ 用聯集尋找資料結構來回答關於社群網路上的連結或判斷敵友等問題。 ❏ 用堆積資料結構來決定促銷活動期間所送出的獎金金額。 ❏ 用雜湊表資料結構來判斷雪花是否獨一無二、或在字典中辨認出複合詞。 ➤本書中的每一道問題都可在程式解題系統網站上，由系統判定是否正確解題，網站的網址和問題編號都會列在說明之中。