计算科学
计算社会科学 豆瓣
Introduction to Computational Social Science: Principles and Applications
作者: 克劳迪奥•乔菲-雷维利亚(Claudio Cioffi-Revilla) 译者: 梁君英 出版社: 浙江大学出版社 2019 - 7
计算社会科学(CSS)是一门融合传统社会科学、计算科学、环境科学和工程科学的新兴的交叉学科,深受赫伯特•A. 西蒙(Herbert A. Simon)等20世纪学科先驱的启发,试图通过计算科学和计算技术来研究社会科学领域的问题。
本书阐述了计算社会科学的四种方法,即社会信息的自动提取、社会网络分析、社会的复杂性理论、社会仿真建模,并探讨了一系列方法工具,阐明了如何利用计算方法进行不同层次的社会复杂性分析,考察了社会现象语境下知识的跨学科整合。
计算社会科学提供了系统、科学、图形化的表达方式,这在传统社会科学领域相当罕见。
2020年3月24日 已读
经典导论书。第四章到第七章是核心,我比较重视第四章的社会网络和第六章幂律的基础定义和形式化以及一些基础的分析方法。可以看出第七章的社会复杂性形式化作者在搭建一个通用的社会复杂性抽象理论,但是没有细致介绍定理之下每个事件如何量化并使这种量化可以与其他事件结合。而且整个模型比较呆板,可能也没有过多的使用价值。不像后面几章泛泛介绍的社会仿真里的系统动力学模型、队列模型和元胞自动机,这些可操作性要强很多。原书现在有二版,虽然多了200多页,但主要是每章增加了习题集,后面附录了答案,整体结构未变。
学术读本 已购 思维 未知 研究方法
Python爬虫开发 从入门到实战(微课版) 豆瓣
作者: 谢乾坤 出版社: 人民邮电出版社 2018 - 9
本书较为全面地介绍了定向爬虫的开发过程、各种反爬虫机制的破解方法和爬虫开发的相关技巧。全书共13章,包括绪论、Python基础、正则表达式与文件操作、简单的网页爬虫开发、高性能HTML内容解析、Python与数据库、异步加载与请求头、模拟登录与验证码、抓包与中间人爬虫、Android原生App爬虫、Scrapy、Scrapy高级应用、爬虫开发中的法律和道德问题等。除第1、12、13章外的其他章末尾都有动手实践,以帮助读者巩固本章和前面章节所学的内容。针对书中的疑难内容,还配有视频讲解,以便更好地演示相关操作。
R数据科学 豆瓣
R for Data Science: Visualize, Model, Transform, Tidy, and Import Data
10.0 (5 个评分) 作者: [新西兰] 哈德利 • 威克姆 / [美] 加勒特 • 格罗勒芒德 译者: 陈光欣 出版社: 人民邮电出版社 2018 - 7
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。
SQL进阶教程 豆瓣
達人に学ぶ SQL徹底指南書
9.1 (7 个评分) 作者: [ 日] MICK 译者: 吴炎昌 出版社: 人民邮电出版社 2017 - 11
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。
Python神经网络编程 豆瓣
Make Your Own Neural Network
8.5 (12 个评分) 作者: [英]塔里克·拉希德(Tariq Rashid) 译者: 林赐 出版社: 人民邮电出版社 2018 - 4
神经网络是一种模拟人脑的神经网络,以期能够实现类人工智能的机器学习
技术。
本书揭示神经网络背后的概念,并介绍如何通过Python实现神经网络。全书
分为3章和两个附录。第1章介绍了神经网络中所用到的数学思想。第2章介绍使
用Python实现神经网络,识别手写数字,并测试神经网络的性能。第3章带领读
者进一步了解简单的神经网络,观察已受训练的神经网络内部,尝试进一步改善
神经网络的性能,并加深对相关知识的理解。附录分别介绍了所需的微积分知识
和树莓派知识。
本书适合想要从事神经网络研究和探索的读者学习参考,也适合对人工智
能、机器学习和深度学习等相关领域感兴趣的读者阅读。
Adventures of a Mathematician 豆瓣 Goodreads
作者: Stanislaw M. Ulam 出版社: University of California Press 1991 - 7
The autobiography of mathematician Stanislaw Ulam, one of the great scientific minds of the twentieth century, tells a story rich with amazingly prophetic speculations and peppered with lively anecdotes. As a member of the Los Alamos National Laboratory from 1944 on, Ulam helped to precipitate some of the most dramatic changes of the postwar world. He was among the first to use and advocate computers for scientific research, originated ideas for the nuclear propulsion of space vehicles, and made fundamental contributions to many of today's most challenging mathematical projects. With his wide-ranging interests, Ulam never emphasized the importance of his contributions to the research that resulted in the hydrogen bomb. Now Daniel Hirsch and William Mathews reveal the true story of Ulam's pivotal role in the making of the "Super," in their historical introduction to this behind-the- scenes look at the minds and ideas that ushered in the nuclear age. An epilogue by Franoise Ulam and Jan Mycielski sheds new light on Ulam's character and mathematical originality.
视觉SLAM十四讲 豆瓣
作者: 高翔 / 张涛 出版社: 电子工业出版社 2017 - 3
《视觉SLAM十四讲:从理论到实践》系统介绍了视觉SLAM(同时定位与地图构建)所需的基本知识与核心算法,既包括数学理论基础,如三维空间的刚体运动、非线性优化,又包括计算机视觉的算法实现,例如多视图几何、回环检测等。此外,还提供了大量的实例代码供读者学习研究,从而更深入地掌握这些内容。
《视觉SLAM十四讲:从理论到实践》可以作为对SLAM 感兴趣的研究人员的入门自学材料,也可以作为SLAM 相关的高校本科生或研究生课程教材使用。
Numerical Optimization 豆瓣
作者: Jorge Nocedal / Stephen Wright 出版社: Springer 2006 - 7
Optimization is an important tool used in decision science and for the analysis of physical systems used in engineering. One can trace its roots to the Calculus of Variations and the work of Euler and Lagrange. This natural and reasonable approach to mathematical programming covers numerical methods for finite-dimensional optimization problems. It begins with very simple ideas progressing through more complicated concepts, concentrating on methods for both unconstrained and constrained optimization.