欢迎来到相识电子书!

标签:数学

  • 矩阵博士的魔法数

    作者:(美)加德纳

    矩阵博士的魔法数,ISBN:9787542827449,作者:(美)马丁·加德纳(Martin Gardner)著;谈祥柏译
  • 如何培养数字脑

    作者:【英】查尔斯▪菲利普斯

    数字是一种国际语言,在我们常用的十进制系统中,每一种数字组合都具有意义。如果你在数字方面存在一些困扰,那么你的思维质量就会受到影响,甚至影响你包括学习、社交、工作在内的全部生活。如果你在处理数字方面有一些困难,没必要隐瞒或因此感到羞愧,因为我们每个人在解决问题方面都有自己的优势,但获得成功的关键是找出自己的弱点,试着发展我们的潜能。 数字是聪明人的游戏,许多为人类进步做出贡献的天才,都擅长运用数字进行思考。本书提供了50道精心设计的数字游戏题,分为两个难度不同的阶段,帮你测试自己的智力水平,针对数字应用等方面进行指导,同时给出切实可行的丰富意见和建议,提升你的数字思维能力!
  • 科学的极致:漫谈人工智能

    作者:集智俱乐部

    集智俱乐部是一个从事学术研究、享受科学乐趣的探索者组成的团体,倡导以平等开放的态度、科学实证的精神进行跨学科的研究与交流,力图搭建一个中国的“没有围墙的研究所”。这些令人崇敬的、充满激情与梦想的集智俱乐部成员将带你了解图灵机模型、冯•诺依曼计算机体系结构、怪圈与哥德尔定理、通用人工智能、深度学习、人类计算与自然语言处理,与你一起展开一场令人热血沸腾的科学之旅。
  • 启发每个人思维的数学小书

    作者:【美】莉莉安•李伯 著 休•李伯 绘

    ◆2011年横扫日本、台湾畅销书排行榜 ◆哈佛大学校聘教授贝利•马祖尔作序 (“哈佛大学校聘教授”,是哈佛颁给教学人员的最高职称,可与诺贝尔奖、普利兹奖、国家元首奖等荣誉媲美,也就是数学界的诺贝尔,至今仅有24位教授获此殊荣,其中经营策略大师麦可•波特也是其中之一。) ◆最有趣、最简单、最优美的数学思维小书 最有趣:用数学的思维方式推翻了我们日常所见的思维逻辑错误。 最简单:只要有一点点数学基础的人都能理解,任何对数学不感兴趣的人都会爱上它。 最优美:以诗歌的语言呈现,配以想象力丰富的插画 ◆学会用数学思考人生,数学是一种思维方式,更是一种生活方式 我们知道的“常识”并非永远可信; 所谓的“真理”,也并不永久为真。 从1942年出版至今,这本数学入门小书影响了几代伟大的数学家,与《爱因斯坦相对论》并列为历史上影响最大的三大数学入门的经典著作之一。 1944年,它被美国国防部送往二战战场,陪伴士兵们度过了艰苦的战争岁月,让人们重新认识了数学和科学的美好。 经过长达70年的岁月淬炼,书中所叙述的生活哲思与做事态度,至今仍被人们啧啧称奇。 李伯夫妇用最优美的诗歌和最具想象力的插画,让数学与艺术进行了一次最完美的碰撞。巧妙地呈现了最基本的数学概念,解释了最复杂的数学问题,阐释了最深奥的人生道理,启发每一个普通人对我们这个世界做出更理性的思考,去体会人类思维中最美丽的花朵!
  • 数学与哲学

    作者:张景中

    《中国科普名家名作•院士数学讲座专辑:数学与哲学(典藏版)》是“中国科普名家名作”系列之一。《中国科普名家名作•院士数学讲座专辑:数学与哲学(典藏版)》是我国著名数学家、计算机专家张景中院士创作的科普读物,包括数是什么;命运决定还是意志自由;举例子能证明几何定理吗;数学与哲学随想等十一章内容。
  • 深入浅出数据分析

    作者:Michael Milton

    《深入浅出数据分析》以类似“章回小说”的活泼形式,生动地向读者展现优秀的数据分析人员应知应会的技术:数据分析基本步骤、实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧;正文以后,意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具,在充分展现目标知识以外,为读者搭建了走向深入研究的桥梁。 本书构思跌宕起伏,行文妙趣横生,无论是职场老手,还是业界新人,无论是字斟句酌,还是信手翻阅,相信都能跟着文字在职场中走上几回,去体味数据分析领域的乐趣与挑战。
  • 统计模型

    作者:弗里曼

    《统计模型:理论和实践(原书第2版)》是一本优秀的统计模型教材,着重讲解线性模型的应用问题,包括广义最小二乘和两步最小二乘模型,以及二分变量的probit及logit模型的应用。《统计模型:理论和实践(原书第2版)》还包括关于研究设计、二分变量回归及矩阵代数的背景知识。此外,《统计模型:理论和实践(原书第2版)》附有大量的练习,并且其中多数练习题在书后都有答案,便于读者学习、巩固和提高。 温馨提示:本书2012年11月第一版第二次印刷与2010年9月第一版第一次印刷,是一个版本,只是不同的印次,书的内容没有任何变化,请客户知悉。
  • 漫画玩转统计学

    作者:(美)拉里·戈尼克,(美)史密斯 著,袁

    《漫画玩转统计学》内容简介:这是一套用漫画来诠释科学新知的系列,被数十所大学用作参考书,其中就包括:哥伦比亚大学、康奈尔大学、哈佛大学、约翰霍普金斯大学、伦敦经济学院、麻省理工学院、纽约大学、斯坦福大学、华盛顿大学、耶鲁大学等。这个系列还被译成葡萄牙语、希腊语、捷克语、波兰语等多国文字,深受读者喜爱。
  • 陶哲軒教你聰明解數學

    作者:陶哲軒

    陶哲軒是華裔數學天才、目前數學界響噹噹的人物,也是極受學生歡迎的UCLA數學教授。《陶哲軒教你聰明解數學》寫於15歲,多年來對許多數學資優生、數學家和教育工作者帶來很大啟發。15年後陶哲軒30歲,應英國劍橋大學出版社之邀進行增補與修訂,再次出版。 這是一本愛好數學的中學生談怎樣學數學、解數學題的書。陶哲軒用中學生的語言講數學,優游於數論、代數、歐幾里得與解析幾何等數學領域,處處可見對他對數學之美的讚嘆與樂趣。他舉出一個個實際例子,教導大家從了解問題開始,進而分析問題的本質、討論各種解法的優劣、剔除不合適的方法,最後使解題技巧逐漸浮現,並提供許多有趣的練習題。 書中特別著重解題過程的思考,藉由分享自己的經驗、觀察和思考問題的角度,帶領大家一起享受解題的樂趣,無論是中學生與老師、數學系學生或愛好數學的人,都可得到很大的收穫。
  • 程序员的数学

    作者:结城浩

    如果数学不好,是否可以成为一名程序员呢?答案是肯定的。 本书最适合:数学糟糕但又想学习编程的你。 没有晦涩的公式,只有好玩的数学题。 帮你掌握编程所需的“数学思维”。 日文版已重印14次! 编程的基础是计算机科学,而计算机科学的基础是数学。因此,学习数学有助于巩固编程的基础,写出更健壮的程序。 本书面向程序员介绍了编程中常用的数学知识,借以培养初级程序员的数学思维。读者无需精通编程,也无需精通数学,只需具备四则运算和乘方等基础知识,就可以阅读本书。 书中讲 解了二进制计数法、逻辑、余数、排列组合、递归、指数爆炸、不可解问题等许多与编程密切相关的数学方法,分析了哥尼斯堡七桥问题、少年高斯求和方法、汉诺塔、斐波那契数列等经典问题和算法。引导读者深入理解编程中的数学方法和思路。 本书还对程序员和计算机的分工进行了有益的探讨。读完此书,你会对以程序为媒介的人机合作有更深刻的理解。
  • Naked Statistics

    作者:Charles Wheelan

    The field of statistics is rapidly transforming into a discipline that Hal Varian at Google has called "sexy". And with good reason - from batting averages and political polls to game shows and medical research - the real-world application of statistics is growing by leaps and bounds. In Naked Statistics, Charles Wheelan strips away the arcane and technical details to get at the underlying intuition that is key to understanding the power of statistical concepts. Tackling a wide-ranging set of problems, he demonstrates how statistics can be used to look at questions that are important and relevant to us today. With the trademark wit, accessibility and fun that made Naked Economics a bestseller, Wheelan brings another essential discipline to life with a one-in-a-million statistics book that you will read for pleasure.
  • The Signal and the Noise

    作者:Nate Silver

    "Nate Silver's The Signal and the Noise is The Soul of a New Machine for the 21st century." —Rachel Maddow, author of Drift Nate Silver built an innovative system for predicting baseball performance, predicted the 2008 election within a hair’s breadth, and became a national sensation as a blogger—all by the time he was thirty. The New York Times now publishes FiveThirtyEight.com, where Silver is one of the nation’s most influential political forecasters. Drawing on his own groundbreaking work, Silver examines the world of prediction, investigating how we can distinguish a true signal from a universe of noisy data. Most predictions fail, often at great cost to society, because most of us have a poor understanding of probability and uncertainty. Both experts and laypeople mistake more confident predictions for more accurate ones. But overconfidence is often the reason for failure. If our appreciation of uncertainty improves, our predictions can get better too. This is the “prediction paradox”: The more humility we have about our ability to make predictions, the more successful we can be in planning for the future. In keeping with his own aim to seek truth from data, Silver visits the most successful forecasters in a range of areas, from hurricanes to baseball, from the poker table to the stock market, from Capitol Hill to the NBA. He explains and evaluates how these forecasters think and what bonds they share. What lies behind their success? Are they good—or just lucky? What patterns have they unraveled? And are their forecasts really right? He explores unanticipated commonalities and exposes unexpected juxtapositions. And sometimes, it is not so much how good a prediction is in an absolute sense that matters but how good it is relative to the competition. In other cases, prediction is still a very rudimentary—and dangerous—science. Silver observes that the most accurate forecasters tend to have a superior command of probability, and they tend to be both humble and hardworking. They distinguish the predictable from the unpredictable, and they notice a thousand little details that lead them closer to the truth. Because of their appreciation of probability, they can distinguish the signal from the noise. With everything from the health of the global economy to our ability to fight terrorism dependent on the quality of our predictions, Nate Silver’s insights are an essential read.
  • 左脑思维魔法训练

    作者:布莱恩

    《左脑思维魔法训练》依据科学研究结果设计的104种左脑思维训练题和87种快速学习、提高记忆力的方法,专门用于强化语言、数学等独特记忆技能,其中许多发现是首次公布于众!训练左脑=幸福感+积极情感+增强脑力!如此好玩上瘾的思维训练、科学实证鲜为人知的学习技巧,翻翻这《左脑思维魔法训练》你就会觉得,学校不教这些东西实在是太可惜了!
  • 数学家是怎么思考的

    作者:梭尔

    回顧科學的進展,你會驚訝地發現,刻卜勒預測行星繞日軌道的靈感,來自千年前古希臘人研究的橢圓;愛因斯坦的相對論所用到的數學理論,幾十年前就已經有數學家提出來了;後來應用在晶體學、物理、化學等領域的群論,最初單純用來研究解代數方程式的問題。 喜歡抽象思考的數學家,通常只是受一個理論的「美」所吸引而去研究,儘管理論本身並沒有實用價值,但多年之後,這些理論能夠在其他領域有所應用,發光發熱。數學家的純粹思路,往往是無比力量的源頭。 你好奇「數學家是怎麼思考的」嗎?這本書可以為你解答。多倫多大學榮譽教授梭爾,用深入淺出的文字,娓娓道出數學家的思考智慧,而你只要具備高中數學程度,就能從本書中領會非歐幾何、矩陣、變換、群論、射影幾何等課題的面貌。
  • Fluid Concepts And Creative Analogies

    作者:Douglas R. Hofstadte

    "Will change your idea of what it is to be creative and even what it is to be human."--(William Poundstone, New York Times Book Review )
  • 贝叶斯网引论

    作者:张连文

  • 科学与假设

    作者:彭加勒

    《科学与假设》是法国伟大的数学家、数学物理学家、理论天文学家、科学哲学家彭加勒的四部科学哲学经典名著之一。在该书中,作者广泛而深入地探讨了科学和哲学的理论前沿问题,提出了一系列精辟的、富有启发性的观点,其独创的约定论思想在书中得以集中体现。彭加勒认为科学理论并不是现实的反映,而是一种假设。同一组现象可以用不同的理论进行同样有效的解释。人们之选择这种理论而不选择别种理论,完全是一种协议或约定,不是考虑是否真实。选择的根据主要看是否方便和简单明了。他的这种观点又叫约定主义。
  • 数字密码

    作者:尼德曼

    本书通过一系列诙谐幽默和引人入胜的讨论,向我们介绍了一些全新的数字概念、技巧和习惯。你能猜到加拿大的乳品所标注的营养含量和在美国标注的为什么不一样吗?为什么业绩排名靠前的共同基金对于其大多数股东而言却是亏损的?为什么冬季奥运会花样滑冰项目的评分制度,即便裁判没有袒护,其评分结果也是有问题的?作者结合这些活生生的例子告诉我们:技巧化的数字思维,涉及的是传统的逻辑思维,而并非是高级的数学工具。   本书在很多情况下都能适用。它将是一张引领我们畅游当今数字世界的绝佳导览图。   我们正处在一个数字时代,社会所产生的数字,远比以往任何时候都多。数字正铺天盖地地出现在各种场合。但遗憾的是,人们理解和分析数字的能力,并没有跟上“数字潮流”的步伐。事实上,只有那些能够掌握数字奥秘的人,才能够真正享受到数字生活带来的种种优势。   基于这种现实,《数字密码》应运而生了。通过一系列诙谐幽默和引人入胜的讨论,作者向我们介绍了一些全新的数字概念、技巧和习惯。你能猜到加拿大的乳品所标注的营养含量和在美国标注的为什么不一样吗?为什么业绩排名靠前的共同基金对于其大多数股东而言却是亏损的?为什么冬季奥运会花样滑冰项目的评分制度,即便裁判没有袒护,其评分结果也是有问题的?作者结合这些活生生的例子告诉我们:技巧化的数字思维,涉及的是传统的逻辑思维,而并非是高级的数学工具。   《数字密码》一书在很多情况下都能适用。它将是一张引领我们畅游当今数字世界的绝佳导览图。
  • 数盲

    作者:约翰·艾伦·保罗士

    《数盲:数学无知者眼中的迷惘世界》(趣味数学精品译丛)为什么甚至受过良好教育的人,仍然对数学了解得那么少?数盲的代价是什么?1998年约翰•艾伦•保罗士在他著名的畅销书出版时就声称:没有能力来合理地处理大量数据和概率问题,导致我们误传了政府的政策,扰乱了个人的决定,增加了对形形色色伪科学的感染。《数盲》让我们知道:我们忽视了什么?我们将从何做起?在充满刺激的关于数的概率的神秘故事的奇闻铁事中,保罗士自如地介入了现代生活的各个层面:从竞选的角逐到运动公的统计,从股票诈骗和报业心理学到节食的医药配方,性别歧视,保险,彩票和药物试验。《数盲》的读者将会领略到一串令人惊讶的事实,一系列有份量的思想,而最重要的是掌握了一个更清晰、更定量化地观察世界的方法。
  • How to Lie With Statistics

    作者:Darrell Huff

    "There is terror in numbers," writes Darrell Huff in How to Lie with Statistics. And nowhere does this terror translate to blind acceptance of authority more than in the slippery world of averages, correlations, graphs, and trends. Huff sought to break through "the daze that follows the collision of statistics with the human mind" with this slim volume, first published in 1954. The book remains relevant as a wake-up call for people unaccustomed to examining the endless flow of numbers pouring from Wall Street, Madison Avenue, and everywhere else someone has an axe to grind, a point to prove, or a product to sell. "The secret language of statistics, so appealing in a fact-minded culture, is employed to sensationalize, inflate, confuse, and oversimplify," warns Huff. Although many of the examples used in the book are charmingly dated, the cautions are timeless. Statistics are rife with opportunities for misuse, from "gee-whiz graphs" that add nonexistent drama to trends, to "results" detached from their method and meaning, to statistics' ultimate bugaboo--faulty cause-and-effect reasoning. Huff's tone is tolerant and amused, but no-nonsense. Like a lecturing father, he expects you to learn something useful from the book, and start applying it every day. Never be a sucker again, he cries! Even if you can't find a source of demonstrable bias, allow yourself some degree of skepticism about the results as long as there is a possibility of bias somewhere. There always is. Read How to Lie with Statistics. Whether you encounter statistics at work, at school, or in advertising, you'll remember its simple lessons. Don't be terrorized by numbers, Huff implores. "The fact is that, despite its mathematical base, statistics is as much an art as it is a science." --Therese Littleton