统计思维：程序员数学之概率统计

代码跑出来的概率统计问题； 程序员的概率统计开心辞典； 开放数据集，全代码攻略。 现实工作中，人们常被要求用数据说话。可是，数据自己是不能说话的，只有对它进行可靠分析和深入挖掘才能找到有价值的信息。概率统计是数据分析的通用语言，是大数据时代预测未来的根基。 站在时代浪尖上的程序员只有具备统计思维才能掌握数据分析的必杀技。本书正是一本概率统计方面的入门图书，但视角极为独特，折射出大数据浪潮的别样风景。作者将基本的概率统计知识融入Python编程，告诉你如何借助编写程序，用计算而非数学的方式实现统计分析。一个趣味实例贯穿全书，生动地讲解了数据分析的全过程：从采集数据和生成统计量，到识别模式和检验假设。一册在手，让你轻松掌握分布、概率论、可视化以及其他工具和概念。  编写测试代码深入理解概率论和统计学  运行实验检验统计行为特征，如生成服从各种分布的样本  通过模拟理解数学上艰涩的概念  学习贝叶斯估计等实用内容  用Python导入各种来源的数据  运用统计推断解决真实数据问题 《统计思维：程序员数学之概率统计》是一本以全新视角讲解概率统计的入门图书。抛开经典的数学分析，Downey 手把手教你用编程理解统计学。概率、分布、假设检验、贝叶斯估计、相关性等，每个主题都充满趣味性，经编程解释后变得更为清晰易懂。 本书研究数据主要来源于美国全国家庭成长调查（NSFG）与行为风险因素监测系统（BRFSS），数据源及解决方案的相关代码全部开放，具体章节列出了大量学习和进阶资料，方便读者参考。 Allen B. Downey是富兰克林欧林工程学院的计算机科学副教授，曾执教于韦尔斯利学院、科尔比学院和加州大学伯克利分校。他先后获麻省理工学院计算机科学硕士学位和加州大学伯克利分校计算机科学博士学位。Downey已出版十余本技术书，内容涉及Java、Python、C++、概率统计等，深受专业读者喜爱。他的最新Think系列书还有Think Complexity: Complexity Science and Computational Modeling、Think Python。

图解性能优化

从基础知识到全新技术，从系统开发到运维，195张图解讲透性能！ 1.专业团队撰写，开发、测试、运维工程师值得拥有！ 本书由实战经验丰富的Oracle高级顾问执笔，全面地介绍了系统性能的方方面面，涉及服务器、CPU、内存、存储、网络，等等。 2.理论结合实际，满载实用技巧！ 书中列举了丰富的实例以及在实际开发过程中会出现的各种场景，向读者传授了有用的实战技巧。 3.图文直观，由浅入深，讲解细致！ 结合直观的插图，从算法等基础知识讲起，到虚拟化和云计算等环境下的性能优化，由浅入深，便于理解。

Python机器学习及实践---从零开始通往Kaggle竞赛之路 高清完整.pdf版下载

书面向所有对机器学习与数据挖掘的实践及竞赛感兴趣的读者，从零开始，以Python编程语言为基础，在不涉及大量数学模型与复杂编程知识的前提下，逐步带领读者熟悉并且掌握当下流行的机器学习、数据挖掘与自然语言处理工具，如Scikit-learn、NLTK、Pandas、gensim、XGBoost、Google Tensorflow等。 　　全书共分4章。第1章简介篇，介绍机器学习概念与Python编程知识；第2章基础篇，讲述如何使用Scikit-learn作为基础机器学习工具；第3章进阶篇，涉及怎样借助高级技术或者模型进一步提升既有机器学习系统的性能；第4章竞赛篇，以Kaggle平台为对象，帮助读者一步步使用本书介绍过的模型和技巧，完成三项具有代表性的竞赛任务。

典型数模与Matlab编程

典型数模与Matlab编程，涵盖经典的数学模型及其matlab实现

数据结构与算法分析(Java语言描述)

数据结构与算法分析(Java语言描述) .pdf

计算机科学的基础

1.本书是计算机科学领域的名著 2.从后台算法到实际应用，全部例子均为C语言 3.内容全面，讲解清晰 本书全面而详细地阐述了计算机科学的理论基础，从抽象概念的机械化到各种数据模型的建立，用算法、数据抽象等核心思想贯穿各个主题，很好地兼顾了学科广度和主题深度，帮助读者培养计算机领域的大局观，学习真正的计算机科学。 我们相信，在1992年，本书适合用来介绍计算机科学理论，今天仍然是。——Al Aho 和 Jeffrey Ullman

集体智慧编程

本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过滤）、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。 本书是Web开发者、架构师、应用工程师等的绝佳选择。

Oracle Database 9i 10g 11g编程艺术

无论你是开发人员还是DBA，要创建和管理稳定、高质量的Oracle系统，归根结底都需要理解Oracle数据库的体系结构。 本书是公认的Oracle数据库权威指南，凝聚了世界顶尖的Oracle专家Thomas Kyte数十年的宝贵经验和真知灼见。书中深入分析了Oracle数据库体系结构，包括文件、内存结构以及构成Oracle数据库和实例的底层进程，利用具体示例讨论了一些重要的数据库主题，如锁定、并发控制、事务等。同时分析了数据库中的物理结构，如表、索引和数据类型，并介绍采用哪些技术能最优地使用这些物理结构。本书在上一版的基础上做了大量增补，以涵盖11g最受关注的多项特性，尤其针对数据加密的途径进行了详细的阐释。

矩阵分析.pdf

“毫无疑问，对数值计算研究人员来说，本书是一本标准的参考书。”——Computing Reviews　“不论对从事线性代数纯理论研究还是从事其应用研究的人员来说，本书都是一本必备的参考书。”——SIAM Review　“这本书无疑会成为一本标准的教科书。”——American Scientist　“总之，作者已经完成了一项杰出的工作，对线性代数和应用数学进行了精心组织的、内容全面广泛的综述，它既可以作为教科书，也可以作为参考书。对相关领域的每个人来说，本书都是必备的参考书。”——American Scientist 　矩阵理论作为一种基本的数学工具，在数学学科与其他科学技术领域（如数值分析、优化理论、微分方程、概率统计、系统工程等）都有广泛应用。电子计算机及计算技术的发展也为矩阵理论的应用开辟了更广阔的前景。因此，学习和掌握矩阵的基本理论和方法，对于理工科本科生和研究生来说是必不可少的。　本书融合了矩阵分析的两个出发点，论述了矩阵分析的经典结果和现代结果。首先，它包括了由于数学分析的需要而产生的线性代数中的论题；其次，它是解决实的和复的线性代数问题的一种方法，这种方法果断地采用诸如极限、连续和幂级数这些来自分析的概念。本书自1985年问世以来，受到越来越多的数学工作者和科技人员的好评和欢迎。时至今日，该书仍旧是一本十分有价值的名著。天津大学、上海交通大学等多所高等院校将其采纳为教材。 　本书从数学分析的角度论述矩阵分析的经典方法和现代方法，取材新，有一定的深度，并给出在多元微积分、复分析、微分方程、量优化、逼近理论中的许多重要应用。主要内容包括：特征值、特征向量和相似性，酉等价和正规矩阵，标准形，Hermite矩阵和对称矩阵，向量范数和矩阵范数，特征值和估计和扰动，正定矩阵，非负矩阵。　本书可作为工程、统计、经济学等专业的研究生教材和数学专业高年级本科生教材，也可作为数学工作者和科技人员的参考书。

时间序列分析及应用(R语言)

本书以易于理解的方式讲述了时间序列模型及其应用，主要内容包括：趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差时间序列模型、谱分析入门、谱估计、门限模型.对所有的思想和方法，都用真实数据集和模拟数据集进行了说明. 本书可作为高等院校统计、经济、商科、工程及定量社会科学等专业学生的教材或教学参考书，同时也可供相关技术人员使用.