Causal inference is a complex scientific task that relies on evidence from multiple sources and a variety of methodological approaches. By providing a cohesive presentation of concepts and methods that are currently scattered across journals in several disciplines, Causal Inference: What If provides an introduction to causal inference for scientists who design studies and analyze data. The book is divided into three parts of increasing difficulty: causal inference without models, causal inference with models, and causal inference from complex longitudinal data.FEATURES:
- Emphasizes taking the causal question seriously enough to articulate it with sufficient precision
- Shows that causal inference from observational data relies on subject-matter knowledge and therefore cannot be reduced to a collection of recipes for data analysis
- Describes causal diagrams, both directed acyclic graphs and single-world intervention graphs
- Explains various data analysis approaches to estimate causal effects from individual-level data, including the g-formula, inverse probability weighting, g-estimation, instrumental variable estimation, outcome regression, and propensity score adjustment
- Includes software and real data examples, as well as 'Fine Points' and 'Technical Points' throughout to elaborate on certain key topicsCausal Inference: What If has been written for all scientists that make causal inferences, including epidemiologists, statisticians, psychologists, economists, sociologists, political scientists, computer scientists, and more. The book is substantially class-tested, as it has been used in dozens of universities to teach courses on causal inference at graduate and advanced undergraduate level.

近几年间，研究者分析时间序列数据的方式发生了显著的变化。因此，很有必要对这一日益重要的研究领域的新近发展进行综合，并整体呈现出来。作者第一次对时间序列分析的相关进展做出详细、全面的梳理与阐述。这些研究进展包括向量自回归、广义矩估计、单位根的经济与统计结果、非线性时间序列等。另外，作者在本书中还阐述了包括线性表征、自相关、生成函数、谱分析、卡尔曼滤波等动态系统的传统分析工具。这些内容有助于经济理论研究和解释现实世界的数据.
本书将为学生、研究者和预测人员提供对动态系统、计量经济和时间序列分析的独立而明确的全面分析。从最简单的原理出发，作者的清晰表达使得一年级研究生和非专业人士也能理解相关内容的历史进展和新近发展。同时，由于其全面性，使得该书为研究者了解学术前沿提供了宝贵的参考文献。作者一方面通过大量的例子展示理论结果如何运用于实践，另一方面在相关章节后面提供了详细的数学附录。作为为相关领域学生和研究者提供的理论路线图，该书将成为未来若干年相关领域的权威指导书。

本书是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。本书共五章，每章介绍一到两个Python数据科学中的重点工具包。首先从IPython和Jupyter开始，它们提供了数据科学家需要的计算环境；第2章讲解能提供ndarray对象的NumPy，它可以用Python高效地存储和操作大型数组；第3章主要涉及提供DataFrame对象的Pandas，它可以用Python高效地存储和操作带标签的/列式数据；第4章的主角是Matplotlib，它为Python提供了许多数据可视化功能；第5章以Scikit-Learn为主，这个程序库为最重要的机器学习算法提供了高效整洁的Python版实现。
本书适合有编程背景，并打算将开源Python工具用作分析、操作、可视化以及学习数据的数据科学研究人员。

《多变量分析：SPSS的操作与应用》所介绍的多变量分析技术，除了SPSS/Base功能外，也针对Advanced等模块的功能加以说明，如平均数检定、一般线性模式、因素分析、集群分析、区别分析、回归分析等，并探讨一般书上少见的多元尺度法、TREE、Logistic、规则相关分析、联合分析、时间数列分析等进阶的多变量分析。此外，有关SPSS的外挂程序，包括结构方程模型AMOS与数据探勘Clementine等也多有着墨。

社会调查设计与数据分析：从立题到发表，ISBN：9787562460749，作者：徐云杰

《计量经济学及Stata应用》为既接轨现代计量经济学，又适合中国国情的本科计量经济学教材。在理论体系上，《计量经济学及Stata应用》充分借鉴*新国际主流教材，以大样本理论为主线，并针对中国学生的知识体系进行编写。《计量经济学及Stata应用》内容全面，包括横截面数据（多元回归、工具变量法、离散选择）、时间序列（平稳时间序列、单位根、协整），以及面板数据（随机效应、固定效应）等。
《计量经济学及Stata应用》力图以清晰而生动的语言、较多的插图与经济意义，来直观地解释计量方法。同时结合目前欧美最为流行的stata计量软件，及时地介绍相应的计算机操作与经典实例，为读者提供“一站式”服务。《计量经济学及Stata应用》还较多地使用计算机模拟（蒙特卡罗法），作为强有力的学习工具。
《计量经济学及Stata应用》适合高等学校经济管理类及社科类的本科生使用。先修课为微积分、线性代数与概率统计。阅读《计量经济学及Stata应用》可使读者掌握当代实证研究的精神实质与基本方法，并学会实际处理数据的重要技能，从而为毕业论文乃至读研深造打下良好基础。

《应用R软件和Epicalc程序包分析流行病学数据》前4章介绍R软件的概念和一些重要的基本元素，比如标量、向量、矩阵、数组和数据框架的简单处理方法。第5章介绍一些简单的数据分析。第6章介绍日期和时间变量，并在第7章通过一些数据集来得到完全的诠释，描述性统计量和行列表伴随自动生成的图形，使得重要的结果能得到更全面的展示。第8章通过行列表来观察暴发，对各种类型的风险评估比如风险比率，可以用数字和图形来显示。第9章数据集的分析得到进一步扩展，处理不同水平间的联系或0R值，并对如何分层作表，计算Mantel．Haenzsel的OR值，以及0R值的同质性检验进行了详细的解释，同时附以图形说明。结合图形，混杂这个概念能够得以更好的理解。

《R语言在政治学中的应用/光明社科文库》通过多样化的分析需要的算法和模型，包括偏好聚合、综合指标的构建、QCA、IRT等，探索了这些掌握这些分析方法数据分析方法应用于管理学、社会学、传播学、市场营销学等领域的可行性，并根据应用情境对这些方法进行了编排，并结合R代码对分析流程和具体操作进行了详细介绍。
作者简介

本书精心策划了三个虚拟项目，将数据科学家必需的专业技能融合其中，教会读者如何将数据存储到计算机内存中，如何在必要的时候转换内存中的数据值，如何用R编写自己的程序并将其用于数据分析和模拟运行。读者将跟随世界一流的RStudio培训师掌握宝贵的编程技能，并借助这些技能成为优秀的数据科学家。

本书的目标是教会读者使用最重要的数据科学工具，从而为实施数据科学奠定坚实的基础。读完本书后，你将掌握R语言的精华，并能够熟练使用多种工具来解决各种数据科学难题。每一章都按照这样的顺序组织内容：先给出一些引人入胜的示例，以便你可以整体了解这一章的内容，然后再深入细节。本书的每一节都配有习题，以帮助你实践所学到的知识。

This new edition to the classic book by ggplot2 creator Hadley Wickham highlights compatibility with knitr and RStudio. ggplot2 is a data visualization package for R that helps users create data graphics, including those that are multi-layered, with ease. With ggplot2, it's easy to:
produce handsome, publication-quality plots with automatic legends created from the plot specification
superimpose multiple layers (points, lines, maps, tiles, box plots) from different data sources with automatically adjusted common scales
add customizable smoothers that use powerful modeling capabilities of R, such as loess, linear models, generalized additive models, and robust regression
save any ggplot2 plot (or part thereof) for later modification or reuse
create custom themes that capture in-house or journal style requirements and that can easily be applied to multiple plots
approach a graph from a visual perspective, thinking about how each component of the data is represented on the final plot
This book will be useful to everyone who has struggled with displaying data in an informative and attractive way. Some basic knowledge of R is necessary (e.g., importing data into R). ggplot2 is a mini-language specifically tailored for producing graphics, and you'll learn everything you need in the book. After reading this book you'll be able to produce graphics customized precisely for your problems, and you'll find it easy to get graphics out of your head and on to the screen or page.

我们已经见证了社交媒体、智能手机以及其他科技奇迹的诞生与进化，这些科技工具让我们能够以前所未见的规模和深度采集并处理有关人类行为的数据，从而为研究人类社会提供了一个全新的路径。这本书是一部里程碑式的作品，它将彻底改变下一代社会科学家和数据科学家探索世界的方式。
 大数据的10个共同特征是什么？
 如何通过数据预测美国总统大选的结果？
 如何在短时间内对100万个星系进行分类？
 大规模数据采集面临着怎样的道德伦理困境？
 科技公司是否在监视我们的行为，数字时代是不是将我们带进了“全景监狱”呢？
在计算社会学这一新兴领域，作者阐述了数字革命如何扭转了社会科学家和数据科学家观察行为、提出问题、开展实验和进行大规模协作的方式，详细描述了大批真实的案例，并且划定了面临伦理挑战时需要遵循的4项原则。
这本书用全新的数据模式解锁了社会学。对社会科学家来说，它是一本跨界指南之书；对数据科学家来说，它是一本素养提升之作。

【技术大咖推荐】
“很荣幸担任这本优秀图书的技术审校。这本书能帮助很多中级Python程序员掌握这门语言，我也从中学到了相当多的知识！”——Alex Martelli，Python软件基金会成员
“对于想要扩充知识的中级和高级Python程序员来说，这本书是充满了实用编程技巧的宝藏。”——Daniel Greenfeld和Audrey Roy Greenfeld，Two Scoops of Django作者
【本书特色】
本书由奋战在Python开发一线近20年的Luciano Ramalho执笔，Victor Stinner、Alex Martelli等Python大咖担纲技术审稿人，从语言设计层面剖析编程细节，兼顾Python 3和Python 2，告诉你Python中不亲自动手实践就无法理解的语言陷阱成因和解决之道，教你写出风格地道的Python代码。
● Python数据模型：理解为什么特殊方法是对象行为一致的关键。
● 数据结构：充分利用内置类型，理解Unicode文本和字节二象性。
● 把函数视作对象：把Python函数视作一等对象，并了解这一点对流行的设计模式的影响。
● 面向对象习惯用法：通过构建类学习引用、可变性、接口、运算符重载和多重继承。
● 控制流程：学习使用上下文管理器、生成器、协程，以及通过concurrent.futures和asyncio包实现的并发。
● 元编程：理解特性、描述符、类装饰器和元类的工作原理。
【主要内容】
本书致力于帮助Python开发人员挖掘这门语言及相关程序库的优秀特性，避免重复劳动，同时写出简洁、流畅、易读、易维护，并且具有地道Python风格的代码。本书尤其深入探讨了Python语言的高级用法，涵盖数据结构、Python风格的对象、并行与并发，以及元编程等不同的方面。
本书适合中高级Python软件开发人员阅读参考。
【译者简介】
安道
专注于现代计算机技术的自由翻译，译有《Flask Web 开发》《Python 网络编程攻略》《Ruby on Rails 教程》等书。
个人网站：http://about.ac/。
吴珂
现为Airbnb公司软件工程师，所在团队主要负责开发和维护各类可伸缩、高性能服务，并在Airbnb内推广面向服务的系统架构。在分布式系统、云存储服务和跨平台SDK开发，以及大规模数据处理等方面有多年经验。

本书是《SQL基础教程》作者MICK为志在向中级进阶的数据库工程师编写的一本SQL技能提升指南。全书可分为两部分，第一部分介绍了SQL语言不同寻常的使用技巧，带领读者从SQL常见技术，比如CASE表达式、自连接、HAVING子句、外连接、关联子查询、EXISTS……去探索新发现。这部分不仅穿插讲解了这些技巧背后的逻辑和相关知识，而且辅以丰富的示例程序，旨在帮助读者提升编程水平；第二部分着重介绍关系数据库的发展史，把实践与理论结合起来，旨在帮助读者加深对关系数据库和SQL语言的理解。此外，每节末尾均设置有练习题，并在书末提供了解答，方便读者检验自己对书中知识点的掌握程度。

中译本序
每当我们看到一个新的软件，第一反应会是：为什么又要发明一个新软件？ggplot2是R世界里相对还比较年轻的一个包，在它之前，官方R已经有自己的基础图形系统（graphics包）和网格图形系统（grid包），并且Deepayan Sarkar也开发了lattice包，看起来R的世界对图形的支持已经足够强大了。那么我们不禁要问，为什么还要发明一套新的系统？
设计理念
打个比方，想想我们小时候怎样学中文的。最开始的时候我们要识字，不认识字就没法阅读和写作，但我们并不是一直按照一个个汉字学习的，而是通过句子和具体的场景故事学习的。为什么不在小学时背六年字典呢？那样可能认识所有的汉字。原因很简单，光有单字，我们不会说话，也无法阅读和写作。缺的是什么？答案是对文字的组织能力，或者说语法。
R的基础图形系统基本上是一个“纸笔模型”，即：一块画布摆在面前，你可以在这里画几个点，在那里画几条线，指哪儿画哪儿。后来lattice包的出现稍微改善了这种情况，你可以说，我要画散点图或直方图，并且按照某个分类变量给图中的元素上色，此时数据才在画图中扮演了一定的中心角色，我们不用去想具体这个点要用什么颜色（颜色会根据变量自动生成）。然而，lattice继承了R语言的一个糟糕特征，就是参数设置铺天盖地，足以让人窒息，光是一份xyplot()函数的帮助文档，恐怕就够我们消磨一天时间了，更重要的是，lattice仍然面向特定的统计图形，像基础图形系统一样，有直方图、箱线图、条形图等等，它没有一套可以让数据分析者说话的语法。
那么数据分析者是怎样说话的呢？他们从来不会说这条线用#FE09BE颜色，那个点用三角形状，他们只会说，把图中的线用数据中的职业类型变量上色，或图中点的形状对应性别变量。有时候他们画了一幅散点图，但马上他们发现这幅图太拥挤，最好是能具体看一下里面不同收入阶层的特征，所以他们会说，把这幅图拆成七幅小图，每幅图对应一个收入阶层。然后发现散点图的趋势不明显，最好加上回归直线，看看回归模型反映的趋势是什么，或者发现图中离群点太多，最好做一下对数变换，减少大数值对图形的主导性。
从始至终，数据分析者都在数据层面上思考问题，而不是拿着水彩笔和调色板在那里一笔一划作图，而计算机程序员则倾向于画点画线。Leland Wilkinson的著作在理论上改善了这种状况，他提出了一套图形语法，让我们在考虑如何构建一幅图形的时候不再陷在具体的图形元素里面，而是把图形拆分为一些互相独立并且可以自由组合的成分。这套语法提出来之后他自己也做了一套软件，但显然这套软件没有被广泛采用；幸运的是，Hadley Wickham在R语言中把这套想法巧妙地实现了。
为了说明这种语法的想法，我们考虑图形中的一个成分：坐标系。常见的坐标系有两种：笛卡尔坐标系和极坐标系。在语法中，它们属于一个成分，可自由拆卸替换。笛卡尔坐标系下的条形图实际上可以对应极坐标系下的饼图，因为条形图的高可以对应饼图的角度，本质上没什么区别。因此在ggplot2中，从一幅条形图过渡到饼图，只需要加极少量的代码，把坐标系换一下就可以了。如果我们用纸笔模型，则可以想象，这完全是不同的两幅图，一幅图里面要画的是矩形，另一幅图要画扇形。
更多的细节在本书中会介绍，这里我们只是简略说明用语法画图对用纸笔画图来说在思维上的优越性；前者是说话，后者是说字。
发展历程
ggplot2是Hadley在爱荷华州立大学博士期间的作品，也是他博士论文的主题之一，实际上ggplot2还有个前身ggplot，但后来废弃了，某种程度上这也是Hadley写软件的特征，熟悉他的人就知道这不是他第一个“2”版本的包了（还有reshape2）。带2的包和原来的包在语法上会有很大的改动，基本上不兼容。尽管如此，他的R代码风格在R社区可谓独树一帜，尤其是他的代码结构很好，可读性很高，ggplot2是R代码抽象的一个杰作。读者若感兴趣，可以在GitHub网站上浏览他的包：https://github.com/hadley。在用法方面，ggplot2也开创了一种奇特而绝妙的语法，那就是加号：一幅图形从背后的设计来说，是若干图形语法的叠加，从外在的代码来看，也是若干R对象的相加。这一点精妙尽管只是ggplot2系统的很小一部分，但我个人认为没有任何程序语言可比拟，它对作为泛型函数的加号的扩展只能用两个字形容：绝了。
至2013年2月26日，ggplot2的邮件列表（http://groups.google.com/group/ggplot2 ）订阅成员已达3394人，邮件总数为15185封，已经成为一个丰富、活跃的用户社区。未来ggplot2的发展也将越来越依赖于用户的贡献，这也是很多开源软件最终的走向。
关于版本更新
原书面世之时，ggplot2的版本号是0.8.3，译者开始翻译此书时是0.9.0版本；该版本较之0.8.3，内部做了一些大改动。此后，ggplot2频繁升级，目前版本号是0.9.3，当然这也给本书的翻译过程带来了相当大的麻烦。因为译者不但要修正原书中大量过时的代码、重新画图，还要修正过时的理念，以及处理数次版本更新的影响。所幸，在翻译过程中，译者得到了本书审校殷腾飞博士、ggplot2开发者Hadley Wickham和Wistong Chang的大力帮助。
如果你是老用户，那么可能需要阅读下面的小节。之后ggplot2有过多次更新，尤其是0.9.0之后，ggplot2的绘图速度和帮助文档有了质的飞跃。关于0.9的更新，读者可以从https://github.com/downloads/hadley/ggplot2/guide-col.pdf下载一份细致的说明文档，但原文档比较长，而且有些内部更新问题我们也不一定需要了解，因此这里给一段概述。
ggplot2的帮助文档大大扩充了，过去头疼的问题之一就是一个函数里面不知道有哪些可能的参数，例如theme()函数，现在已经有了详细说明。
新增图例向导函数guide_legend()和guide_colorbar()，前者可以用来指导图例的排版，例如可以安排图例中元素排为n行m列；后者增强了连续变量图例的展示，例如当我们把颜色映射到一个连续变量上时，过去生成的图例是离散的，现在可以用这个函数生成连续颜色的图例（渐变色）。
新增几何对象函数geom_map()（让地图语法变得更简单），geom_raster()（更高效的geom_tile()），geom_dotplot()（一维点图，展示变量密度分布）和geom_violin()（小提琴，实为密度曲线）。
新增统计变换函数stat_summary2d()（在二维网格上计算数据密度），stat_summary_hex()（在六边形“蜂巢”上计算数据密度），stat_bindot()（一维点图密度），stat_ydensity()（密度曲线，用于小提琴图）。
facet_grid()支持X轴和Y轴其中一者可以有自由的刻度（根据数据范围而定），以往要么所有切片使用同样的坐标轴刻度，要么所有都自由。
geom_boxplot()开始支持画箱线图的凹槽（notch），就像R基础图形系统中的boxplot()函数。
新增函数ggmissing()用来展示缺失值的分布，ggorder()按照数据观察顺序先后画折线图，ggstructure()展示数据热图。
另外这次更新涉及到一些函数参数名称的变化，如果旧代码在这个版本中报错说有未使用的参数，那么用户需要再次查看帮助文档，确保输入的参数在函数中存在。在所有这些表面的更新背后，实际上ggplot2很大程度上被重写了，例如开始使用R自带的S3泛型函数设计，以及将过去ggplot2的功能继续模块化为一些独立的包，一个典型的例子就是标度部分的功能被抽象到scales包中，从数据映射到颜色、大小等外观属性可以由这个包直接完成。这种分拆也使得其他开发者可使用过去ggplot2内部的一些功能函数。
0.9.1版本主要解决了0.9.0版本中的一些漏洞。ggplot2在2012年9月4日发布了新的版本0.9.2，其中一些特性和更新有必要提及：
采用了全新的主题（theme）系统，opts()函数已被标记为“不推荐使用”（deprecated），将在未来版本中被取消，取而代之的是theme()函数，主题元素（theme element）由属性列表构成，支持继承，主题之间可以直接进行合并等操作。详情参见wiki页面：https://github.com/wch/ggplot2/wiki/New-theme-system 。
依赖于新的gtable包。 用来更方便地调整修改ggplot2图形中的图元，ggplotGrob()会返回一个gtable类，这个对象可以利用gtable包中提供的函数和接口进行操作。
所有“模板”类型的图形函数，比如plotmatrix()，ggorder()等等，已被标记为“不推荐使用”（deprecated），将在未来版本中取消。
在本书出版之际，ggplot2更新到了版本0.9.3，修复了0.9.2的一些漏洞，其主要更新包括
不再支持plotmatrix()函数。
geom_polygon()提速，比如世界地图的绘制快了12倍左右。
新增部分主题，比如theme_minimal()，theme_classic()。
本书的所有代码和图片都是针对新版本0.9.3的，在内容方面也根据版本更新对原文做了适当的增删填补，以满足读者的需求。
本书把影响正文阅读的彩图集中放在附录后面，读者可以随时翻阅。
致谢
在听说我们翻译完这本书之后，本书原著Hadley很高兴，给我们发邮件说：
I am excited and honoured to have my book translated to Chinese. ggplot2 has become far more popular than I ever imagined, and I'm excited that this translation will allow many more people to learn ggplot2. I'm very grateful that Yihui and his team of translators (Nan Xiao, Tao Gao, Yixuan Qiu, Weicheng Zhu, Taiyun Wei and Lanfeng Pan) made this possible.
One of the biggest improvements to ggplot2 since the book was first written is the ggplot2 mailing list. This is a very friendly environment where you can get help with your visualisations, and improve your own knowledge of ggplot2 by helping others solve their problems. I'd strongly encourage you to join the mailing list, even if you think your English is not very good -- we are very friendly people.
我们感谢这本书的译者，包括邱怡轩（第1~2章）、主伟呈（第3~4章）、肖楠（第5~6章）、高涛（第7~8章）、潘岚锋（第9章）、魏太云（第10章、附录以及翻译过程的协调安排和全书的LaTeX排版工作）。所有译者均来自于统计之都（http://cos.name ）。
爱荷华州立大学的殷腾飞博士、中国人民大学统计学院的孟生旺教授、浙江大学的张政同学通读了译稿，提出了很多有用的建议，殷腾飞博士还提供了大多数新版本中的解决方案，并担任本书的审校。肖凯老师和余光创博士分别对第1~4章、第8~10章以及附录提出了很多修改意见，此外，中国人民大学的陈妍、李晓矛、谢漫锜三位同学、中国再保险公司的李皞先生、百度公司的韩帅先生、eBay公司的陈丽云女士、Mango Solutions公司的李舰先生、京东商城的刘思喆先生、首钢总公司的邓一硕先生、新华社的陈堰平先生在此书的翻译过程中也曾提过不少宝贵的建议，在此一并表示感谢。
为了更好地服务社区，我们还建立了翻译主页：https://github.com/cosname/ggplot2-translation ，读者可以在这里得到最新的勘误和书中的代码，也可以随时提出任何问题。
谢益辉
2013年2月26日

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。

定性和定量研究者在方法论导向和研究实践方面都采取了不同的方式，而且这两类研究者之间存在着误解和勉强的交流。本书将社会科学中的定量和定性研究作为独立的传承加以分析，在学术上促进理解这些传承在哪些方面存在差异以及差异背后的原理何在。 和KKV《社会科学中的研究设计：定性研究中的科学推断》一书的著名论断“定量与定性研究传统仅在风格上有差异，并且这些差异在方法论和实质意义上都不重要”不同，本书强调定量和定性研究的差异，某种程度上，这本书可谓KKV一书的姊妹篇。

《信息技术和电气工程学科国际知名教材中译本系列:凸优化》内容非常丰富。理论部分由4章构成，不仅涵盖了凸优化的所有基本概念和主要结果，还详细介绍了几类基本的凸优化问题以及将特殊的优化问题表述为凸优化问题的变换方法，这些内容对灵活运用凸优化知识解决实际问题非常有用。应用部分由3章构成，分别介绍凸优化在解决逼近与拟合、统计估计和几何关系分析这三类实际问题中的应用。算法部分也由3章构成，依次介绍求解无约束凸优化模型、等式约束凸优化模型以及包含不等式约束的凸优化模型的经典数值方法，以及如何利用凸优化理论分析这些方法的收敛性质。通过阅读《信息技术和电气工程学科国际知名教材中译本系列:凸优化》，能够对凸优化理论和方法建立完整的认识。

The formalism of probabilistic graphical models provides a unifying framework for capturing complex dependencies among random variables, and building large-scale multivariate statistical models. Graphical models have become a focus of research in many statistical, computational and mathematical fields, including bioinformatics, communication theory, statistical physics, combinatorial optimization, signal and image processing, information retrieval and statistical machine learning. Many problems that arise in specific instances-including the key problems of computing marginals and modes of probability distributions-are best studied in the general setting. Working with exponential family representations, and exploiting the conjugate duality between the cumulant function and the entropy for exponential families, Graphical Models, Exponential Families and Variational Inference develops general variational representations of the problems of computing likelihoods, marginal probabilities and most probable configurations. It describes how a wide variety of algorithms- among them sum-product, cluster variational methods, expectation-propagation, mean field methods, and max-product-can all be understood in terms of exact or approximate forms of these variational representations. The variational approach provides a complementary alternative to Markov chain Monte Carlo as a general source of approximation methods for inference in large-scale statistical models.

Wolfram语言是一种基于知识、符号编程、自然语言风格的超大型编程语言，是 Wolfram 此前两项里程碑式的作品——科学计算平台 Mathematica 与计算知识搜索引擎 Wolfram Alpha 的结晶。Wolfram公司正在中国推广该软件，本书是Wolfram软件的基础教程，英文版344页，全彩印刷，于2015年12月出版。中文译本将于2017年1月出版。该书作者Stephen Wolfram是Mathematica软件的开发者（1988年）。