本书深入浅出地阐述了计算机科学中许多基本而重要的概念,包括布尔逻辑、有限自动机、编程语言、图灵机的普遍性、信息论、算法、并行计算、量子计算、神经网络、机器学习乃至自组织系统.作者高屋建瓴式的概括,既不失深度,又妙趣横生,相信读者读后会有很多启发.

计算机程序设计艺术：英文版（第2卷 半数值算法），ISBN：9787302058151，作者：（美）Donald E. Knuth著

第1卷首先介绍编程的基本概念和技术，然后详细讲解信息结构方面的内容，包括信息在计算机内部的表示方法、数据元素之间的结构关系，以及有效的信息处理方法。此外，书中还描述了编程在模拟、数值方法、符号计算、软件与系统设计等方面的初级应用。此第3版增加了数十项简单但重要的算法和技术，并根据当前研究发展趋势在数学预备知识方面做了大量修改。

《国外计算机科学教材系列:统计机器翻译》提供了必要的语言学和概率论基础知识，涵盖了机器翻译的主要模型：基于词的、基于短语的和基于句法树的模型，还介绍了机器翻译评测、语言建模、区分式训练以及整合语言学标注的高级方法。《国外计算机科学教材系列:统计机器翻译》汇总了最新的研究成果和一些尚未解决的挑战，使初学者和经验丰富的研究人员都能够对这一领域有所贡献。这是一本本科生和研究生的理想读本，也适用于任何对机器翻译开发有兴趣的读者。

《中文印刷体文档识别技术(附光盘1张)》一书全面阐述了中文印刷体文档识别的原理、方法和系统组成，依据中文印刷体文档的特点，分别介绍了文档图像预处理、版面分析、汉字识别、公式的定位与提取、公式字符分割与识别、公式结构分析与表示、图表处理等内容的基本原理和技术实现方法，并提供了一个中文印刷体文档识别系统实例。

本书是国家社科基金后期资助项目成果。本书主要利用计算语言学方法讨论了认知解读过程中的语言顿悟和折返，对多种语言中各个层面上的花园幽径现象，从认知心理、计算处理等多个角度进行了研究。研究表明递归转移网络、良构子串表和CYK算法等计算语言学的形式化方法可用于阐释具有“由行渐顿，顿而后悟，悟终复行”的花园幽径模式行进错位效应。这对了解人类对于复杂句的剖析过程、心理机制及其脑部区域有促进作用，同时对于计算机处理花园幽径句有指导意义。

本书是计算机类专业操作系统课程的一本经典教材，自第一版问世以来，经历了近20年的锤炼，被认为是该课程教材的一本圣经。它对操作系统的概念和基本原理给出了清晰的阐述。本书所涉及的基本概念和算法均基于当前商用操作系统，并在非特定操作系统的通用环境中展开讲解。书中介绍了大量与流行操作系统相关的实现技术，包括Solaris 2、Linux、Windows NT、Windows 2000、OS/2和Apple Macintosh操作系统。此版包括了线程、Windows 2000的新章节，并新增了客户/服务器模型和网络文件系统、嵌入式操作系统、实时操作系统、分布式操作系统等。
作者Abraham Silerschatz是贝尔实验室信息科学研究中心的副主任， Greg Gagne是威斯敏斯特学院计算机学系主任，Peter Baer Galvin曾在布朗大学计算机科学系执教，现为Corporate Technologies公司的首席技术专家。

《C专家编程》展示了最优秀的C程序员所使用的编码技巧，并专门开辟了一章对C++的基础知识进行了介绍。
书中C的历史、语言特性、声明、数组、指针、链接、运行时、内存以及如何进一步学习C++等问题进行了细致的讲解和深入的分析。全书撷取几十个实例进行讲解，对C程序员具有非常高的实用价值。
本书可以帮助有一定经验的C程序员成为C编程方面的专家，对于具备相当的C语言基础的程序员，本书可以帮助他们站在C的高度了解和学习C++。

《电子学(第2版)》是哈佛大学的经典教材，自出版以来已被译成多种语言版本。《电子学(第2版)》通过强调电子电路系统设计者所需的实用方法，即对电路的基本原理、经验准则以及大量实用电路设计技巧的全面总结，侧重探讨了电子学及其电路的设计原理与应用。它不仅涵盖了电子学通常研究的全部知识点，还补充了有关数字电子学中的大量较新应用及设计方面的要点内容。对高频放大器、射频通信调制电路设计、低功耗设计、带宽压缩以及信号的测量与处理等重要电路设计以及电子电路制作工艺设计方面的难点也做了通俗易懂的阐述。《电子学(第2版)》包含丰富的电子电路分析设计实例和大量图表资料，内容全面且阐述透彻，是一本世界范围内公认的电子学电路分析、设计及其应用的优秀教材。
《电子学(第2版)》可作为电气、电子、通信、计算机与自动化类等专业本科生的专业基课程教材或参考书。对于从事电子工程、通信及微电子等方面电路设计的工程技术人员，也是一本具有较高参考价值的好书。

Machine learning methods extract value from vast data sets quickly and with modest resources. They are established tools in a wide range of industrial applications, including search engines, DNA sequencing, stock market analysis, and robot locomotion, and their use is spreading rapidly. People who know the methods have their choice of rewarding jobs. This hands-on text opens these opportunities to computer science students with modest mathematical backgrounds. It is designed for final-year undergraduates and master's students with limited background in linear algebra and calculus. Comprehensive and coherent, it develops everything from basic reasoning to advanced techniques within the framework of graphical models. Students learn more than a menu of techniques, they develop analytical and problem-solving skills that equip them for the real world. Numerous examples and exercises, both computer based and theoretical, are included in every chapter. Resources for students and instructors, including a MATLAB toolbox, are available online.

An Introduction to Statistical Learning provides an accessible overview of the field of statistical learning, an essential toolset for making sense of the vast and complex data sets that have emerged in fields ranging from biology to finance to marketing to astrophysics in the past twenty years. This book presents some of the most important modeling and prediction techniques, along with relevant applications. Topics include linear regression, classification, resampling methods, shrinkage approaches, tree-based methods, support vector machines, clustering, and more. Color graphics and real-world examples are used to illustrate the methods presented. Since the goal of this textbook is to facilitate the use of these statistical learning techniques by practitioners in science, industry, and other fields, each chapter contains a tutorial on implementing the analyses and methods presented in R, an extremely popular open source statistical software platform. Two of the authors co-wrote The Elements of Statistical Learning (Hastie, Tibshirani and Friedman, 2nd edition 2009), a popular reference book for statistics and machine learning researchers. An Introduction to Statistical Learning covers many of the same topics, but at a level accessible to a much broader audience. This book is targeted at statisticians and non-statisticians alike who wish to use cutting-edge statistical learning techniques to analyze their data. The text assumes only a previous course in linear regression and no knowledge of matrix algebra.

这本书探索“对象导向程序所支持的C++对象模型”下的程序行为。对于“对象导向性质之基础实现技术”以及“各种性质背后的隐含利益交换”提供一个清楚的认识。检验由程序变形所带来的效率冲击。提供丰富的程序范例、图片，以及对象导向观念和底层对象模型之间的效率测量。

本书是一本在大学中广泛使用的经典数学教科书。书中讲解了许多计算机科学中用到的数学知识和技巧，教你如何把一个实际问题一步步演化为数学模型，然后通过计算机解决它，特别着墨于算法分析方面，其主要内容涉及和式、整值函数、数论、二项式系数、特殊的数、生成函数、离散概率、渐近式等，都是编程所必备的知识。
书中不仅讲述了数学问题和技巧，而且教导解决问题的方法，解说深入浅出，妙趣横生。大师们诙谐、细腻的笔触，描绘着数学工作中的欢乐和忧伤，那些或平淡、或深刻、或严肃、或幽默的涂鸦，更让我们在轻松愉悦的心境下体会数学的美妙。
本书面向从事计算机科学、计算数学、计算技术诸方面工作的人员，以及高等院校相关专业的师生。

大数据是当前最为流行的热点概念之一，其已由技术名词衍生到对很多行业产生颠覆性影响的社会现象，作为最明确的技术发展趋势之一，基于大数据的各种新型产品必将会对每个人的日常生活产生日益重要的影响。
《大数据日知录：架构与算法》从架构与算法角度全面梳理了大数据存储与处理的相关技术。大数据技术具有涉及的知识点异常众多且正处于快速演进发展过程中等特点，其技术点包括底层的硬件体系结构、相关的基础理论、大规模数据存储系统、分布式架构设计、各种不同应用场景下的差异化系统设计思路、机器学习与数据挖掘并行算法以及层出不穷的新架构、新系统等。《大数据日知录：架构与算法》对众多纷繁芜杂的相关技术文献和系统进行了择优汰劣并系统性地对相关知识分门别类地进行整理和介绍，将大数据相关技术分为大数据基础理论、大数据系统体系结构、大数据存储，以及包含批处理、流式计算、交互式数据分析、图数据库、并行机器学习的架构与算法以及增量计算等技术分支在内的大数据处理等几个大的方向。通过这种体系化的知识梳理与讲解，相信对于读者整体和系统地了解、吸收和掌握相关的优秀技术有极大的帮助与促进作用。
《大数据日知录：架构与算法》的读者对象包括对NoSQL 系统及大数据处理感兴趣的所有技术人员，以及有志于投身到大数据处理方向从事架构师、算法工程师、数据科学家等相关职业的在校本科生及研究生。

本书深入浅出地阐述了计算机科学中许多基本而重要的概念，包括布尔逻辑、有限自动机、编程语言、图灵机的普遍性、信息论、算法、并行计算、量子计算、神经网络、机器学习乃至自组织系统。
作者高屋建瓴式的概括，既不失深度，又妙趣横生，相信读者读后会有很多启发。
目录：
序言：石的奇迹
第一章　通用件
第二章　万能积木
第三章　程序设计
第四章　图灵机的普适性
第五章　算法和探索法
第六章　存储：信息与密码
第七章　速度：并行计算机
第八章 自学习与自适应的计算机
第九章　跨越工程设计
致谢

本书旨在描述以计算机为核心的社会里出现的新问题，以及这些问题给计算机专业技术人员和普通使用者带来的伦理挑战。书中避开了艰深的伦理学理论，用生动活泼的例证、轶闻和故事介绍了计算机犯罪、软件盗版、黑客、病毒和对隐私权的侵犯等信息社会的敏感内容，并致力于建立一套切实可行的计算机学的人文教育方案。其可读性、全面性和思想性已得到了广泛的认可，是计算机伦理学研究的必读参考书之一。

《物理改变世界:数字文明物理学和计算机》从数字文明的高度回顾了物理学与计算机相辅相成的历史，讨论了计算机和计算中的物理，分析了计算机发展所面临的物理限制和物理学为未来计算技术所提供的可能前景。电子计算机的发展使人类进入了数字文明时代。计算机原来应物理学的需求而出现，也由物理学准备了它诞生的物质条件。在20世纪，物理学首先成为立足于实验、理论和计算三大支柱之上的成熟的科学。在21世纪，包括生命科学在内的整个自然科学正在沿相似的道路前进。电子计算机正在全面进入生产技术、科学研究和社会生活的各个领域，彻底改变着整个人类文明的进程。

本书是软件思想家温伯格 的非凡之作。温伯格作为美国计算机名人堂代表人物，先后著有30多部图书，内容涵盖整个软件开发周期。他的拥趸遍天下，他的书也被奉为必读经典。
这是一本带你读懂思维 的旷世经典，简明的语言，简单的代数，清晰阐明了认识各种项目、产品和组织等系统的新方法。
这是一本极易上手 的思维指南，富有启发性的举例说明、贴切的章后问答与练习，为你提供了面对问题、系统和解决方案时最强大的分析工具。
这是一本适合极广泛人群 阅读的书。无论是科学家、工程师、医生、学生，还是各类组织的领导者、管理者，抑或基层员工，都可以通过本书驱散思考的层层迷雾。

Thirty-eight chapters, comissioned from experts all over the world, describe major concepts, methods, and applications in computational linguistics. Part I, Linguistic Fundamentals, provides an overview of the field suitable for senior undergraduates and non-specialists from other fields of linguistics and related disciplines. Part II describes current tasks, techniques, and tools in Natural Language Processing and aims to meet the needs of post-doctoral workers and others embarking on computational language research. Part III surveys current applications. This book is a state-of-the-art reference to one of the most active and productive fields in linguistics. It will be of interest and practical use to a wide range of linguists, as well as to researchers in such fields as informatics, artificial intelligence, language engineering, and cognitive science.

随着大数据的概念变得越来越流行，对数据的探索、分析和预测成为大数据分析领域的基本技能之一。作为探索和分析数据的基本理论和工具，机器学习和数据挖掘成为时下炙手可热的技术。R作为功能强大并且免费的数据分析工具，在数据分析领域获得了越来越多用户的青睐。
本书通过丰富的实际案例来探索如何应用R来进行现实世界问题的机器学习，如何从数据中获取可以付诸行动的洞察力。本书案例清晰而实用，讲解循序渐进，是一本用R进行机器学习的实用指南，既适用于机器学习的初学者，也适用于具有一定经验的老手，本书将帮助他们回答有关R的所有问题。