本书从程序员的视角详细阐述计算机系统的本质概念，并展示这些概念如何实实在在地影响应用程序的正确性、性能和实用性。全书共12章，主要内容包括信息的表示和处理、程序的机器级表示、处理器体系结构、优化程序性能、存储器层次结构、链接、异常控制流、虚拟存储器、系统级I/O、网络编程、并发编程等。书中提供大量的例子和练习，并给出部分答案，有助于读者加深对正文所述概念和知识的理解。
本书的最大优点是为程序员描述计算机系统的实现细节，帮助其在大脑中构造一个层次型的计算机系统，从最底层的数据在内存中的表示到流水线指令的构成，到虚拟存储器，到编译系统，到动态加载库，到最后的用户态应用。通过掌握程序是如何映射到系统上，以及程序是如何执行的，读者能够更好地理解程序的行为为什么是这样的，以及效率低下是如何造成的。
本书适合那些想要写出更快、更可靠程序的程序员阅读，也适合作为高等院校计算机及相关专业本科生、研究生的教材。

这本书深入浅出，全面地介绍了计算机算法。对每一个算法的分析既易于理解又十分有趣，并保持了数学严谨性。本书的设计目标全面，适用于多种用途。涵盖的内容有：算法在计算中的作用，概率分析和随机算法的介绍。书中专门讨论了线性规划，介绍了动态规划的两个应用，随机化和线性规划技术的近似算法等，还有有关递归求解、快速排序中用到的划分方法与期望线性时间顺序统计算法，以及对贪心算法元素的讨论。此书还介绍了对强连通子图算法正确性的证明，对哈密顿回路和子集求和问题的NP完全性的证明等内容。全书提供了900多个练习题和思考题以及叙述较为详细的实例研究。

本书多年来一直深受世界各国高校师生的欢迎，是美国哈佛大学、麻省理工学院、普林斯顿大学、加州大学伯克利分校等许多著名大学的首选教材，对我国的高校教学也产生了广泛影响。
本 书以历史眼光，从发展的角度、当前的水平以及现阶段的研究方向等几个方面，全景式描绘了计算机科学各个子学科的主要领域。在内容编排上，本书很好地兼顾了 学科广度和主题深度，把握了最新的技术趋势。本书用算法、数据抽象等核心思想贯穿各个主题，并且充分展现了历史背景、发展历程和新的技术趋势，培养读者的 大局观，为其今后深入学习其他计算机专业课程打下坚实的基础。
本书深入浅出、图文并茂，内容引人入胜，极易引发读者的兴趣，绝无一般教材的枯燥和晦涩。此外，本书的教学手段多样、习题丰富，并且每章后都附有与本章内容相关的社会现实问题供读者思考和讨论，这些都很好地体现了作者强调培养学生分析问题能力的教学理念。
第11版新增了手持移动设备，特别是智能手机的相关内容，主要涉及第3章（操作系统）、第4章（组网）、第6章（编程语言）和第7章（软件工程）中。此外，书中还对软件所有权和责任、训练人工神经网络等许多相关内容做了更新，以反映最新技术面貌。

《计算机科学导论（原书第3版）》是大学计算机相关专业的基础课教材，涉及计算机科学的各个方面。本书着重讲解基本概念而不是数学模型和技术细节，通过大量的图表和演示范例讲解计算机科学的基础知识；每章后面的关键术语、小结和练习有助于读者掌握和复习知识要点。本书内容丰富，通熟易懂，既适合当作大专院校的计算机基础课教材，也可作为一般的计算机基础入门读物。

本书是关于形式语言、自动机理论和计算复杂性方面的经典教材，是三位理论计算大师的巅峰之作，现已更新到第3版。书中涵盖了有穷自动机、正则表达式与语言、正则语言的性质、上下文无关文法及上下文无关语言、下推自动机、上下文无关语言的，陸质、图灵机、不可判定性以及难解问题等内容。
本书已被世界许多著名大学采用为计算机理论课程的教材或教学参考书，适合用作国内高校计算机专业高年级本科生或研究生的教材，还可供从事理论计算工作的研究人员参考。

The new edition of an introductory text that teaches students the art of computational problem solving, covering topics ranging from simple algorithms to information visualization.
This book introduces students with little or no prior programming experience to the art of computational problem solving using Python and various Python libraries, including PyLab. It provides students with skills that will enable them to make productive use of computational techniques, including some of the tools and techniques of data science for using computation to model and interpret data. The book is based on an MIT course (which became the most popular course offered through MIT's OpenCourseWare) and was developed for use not only in a conventional classroom but in in a massive open online course (MOOC). This new edition has been updated for Python 3, reorganized to make it easier to use for courses that cover only a subset of the material, and offers additional material including five new chapters.
Students are introduced to Python and the basics of programming in the context of such computational concepts and techniques as exhaustive enumeration, bisection search, and efficient approximation algorithms. Although it covers such traditional topics as computational complexity and simple algorithms, the book focuses on a wide range of topics not found in most introductory texts, including information visualization, simulations to model randomness, computational techniques to understand data, and statistical techniques that inform (and misinform) as well as two related but relatively advanced topics: optimization problems and dynamic programming. This edition offers expanded material on statistics and machine learning and new chapters on Frequentist and Bayesian statistics.

《随机微分方程导论与应用(第6版)》在导言中叙述了6个问题，随机微分方程扮演着本质的角色。在第2章介绍上述问题中的数学模型所需的一些基本的数学概念。由此引出第3章中的Ito积分。在第4章发展到随机分析（Ito公式），第5章则用它解某些随机微分方程，包括在导言中介绍的前面两个问题，在第6章利用随机分析介绍线性滤波问题的解（问题3作为一个例子）。问题4是Dirichlet问题，尽管它是纯确定性的。在第7章和第8章介绍如何引入辅助的Ito扩散（即随机微分方程的解）来得到一个简单的、直观的、有用的随机解，它是随机位势论的基石。问题5是一个最优停时问题。第9章介绍用Ito扩散来表示在t时刻对策的状态，解相应的最优停时问题，它的解包含了位势论中的概念。比如，在第8章Dirichlet问题的解的广义化调和扩张。问题6是Ramsey于1928年提出的经典的控制问题的随机版本。第10章依据随机微分方程求解一般的随机控制问题，应用第7章和第8章的结果证明该问题可归纳成解（确定性的）Hamilton—Jacobi—Bellman方程。作为一个例子，求解了关于最优证券组合选择问题。