大話計算機(jī)科學(xué)：生活中的計算思維

第1篇生活中的程序設(shè)計與數(shù)據(jù)結(jié)構(gòu)
第1章 遞歸：老和尚給小和尚講故事 002
1.1  “老和尚給小和尚講故事”中的遞歸 002
1.2 《盜夢空間》中的遞歸 006
1.3 生活中的遞歸 008
第2章 二進(jìn)制：靠掰手指居然能數(shù)幾萬個數(shù) 009
2.1 用雙手表示0~99的任意數(shù)字 009
2.2 用雙手表示0~1023的任意數(shù)字 011
2.3 用雙手表示更大的數(shù)字 013
第3章 循環(huán)與上下文切換：怎么更有效地做重復(fù)勞動 015
3.1 按說明書組裝玩具書，重復(fù)勞動多 016
3.2 優(yōu)化一：同類操作集中做，減少上下文切換 019
3.3 優(yōu)化二：調(diào)整組裝順序，減少額外開銷 021
3.4 優(yōu)化三：兩人合作變身“雙核CPU” 022
第4章 二分法與二叉樹：圖書館保安應(yīng)該怎么找到?jīng)]借過的書 023
4.1 用二分法在有序數(shù)組中定位數(shù)字 024
4.2 用二分法找沒有借過的書，鬧出了大烏龍 025
4.3 二叉樹可以更好地對借書問題建模 027
4.4 二叉樹的層數(shù)：需要的檢測次數(shù) 028
第5章 隊列與棧：明天該穿什么衣服 031
5.1 把T恤衫組織成棧結(jié)構(gòu) 032
5.2 把T恤衫組織成隊列結(jié)構(gòu) 033
5.3 生活中的其他隊列結(jié)構(gòu) 035
5.4 生活中的其他棧結(jié)構(gòu) 035
第2篇生活中的算法與理論
第6章 蛋糕怎么切才公平：多贏是可能的 038
6.1 切蛋糕是一個博弈論問題 039
6.2 A切B選算法 040
6.3 懸線切蛋糕算法 041
第7章 啟發(fā)式搜索：《最強(qiáng)大腦》里的那些
計算力小游戲 043
7.1 掌握正確算法，你就是最強(qiáng)大腦 043
7.2 啟發(fā)式搜索解數(shù)獨(dú) 044
7.3 啟發(fā)式搜索解珍瓏棋局 045
第8章 深度優(yōu)先遍歷：迷宮里的右手法則 050
8.1 矩形迷宮中的右手法則 050
8.2 右手法則與深度優(yōu)先搜索 052
8.3 右手法則與迷宮拓?fù)浣Y(jié)構(gòu) 054
8.4 右手法則在其他迷宮未必奏效 055
第9章 最短路與負(fù)環(huán)：套餐定價和外匯兌換的約束 057
9.1 合理的菜單定價與三角形不等式 058
9.2 從菜單到圖論 059
9.3 用最短路算法進(jìn)行合理性檢驗 061
9.4 最短路算法與貨幣兌換中的負(fù)環(huán) 063
第10章 最佳匹配：外賣平臺是怎樣派單的 066
10.1 外賣派單與二分圖 066
10.2 二分圖匹配與運(yùn)力判定問題 067
10.3 二分圖最大匹配：匈牙利算法 069
10.4 從最大匹配到最優(yōu)匹配 070
第11章 旅行商問題：怎樣逛超市最省時間 073
11.1 逛超市采購是一個旅行商問題 074
11.2 生活中的其他旅行商問題 075
11.3 旅行商問題極具復(fù)雜性 076
11.4 旅行商問題的近似算法 078
第3篇生活中的數(shù)據(jù)科學(xué)
第12章 數(shù)據(jù)標(biāo)注：驗證碼里的大生意 082
12.1 訓(xùn)練數(shù)據(jù)通常需要人工數(shù)據(jù)標(biāo)注 082
12.2 先有訓(xùn)練數(shù)據(jù)，才有人工智能模型 084
12.3 訓(xùn)練數(shù)據(jù)的質(zhì)量與數(shù)量都很重要 085
12.4 巧妙使用驗證碼來進(jìn)行數(shù)據(jù)標(biāo)注 086
第13章 數(shù)據(jù)庫：搶火車票的背后發(fā)生了什么 090
13.1 關(guān)系數(shù)據(jù)庫：最經(jīng)典的數(shù)據(jù)庫 091
13.2 索引：為了更高效的數(shù)據(jù)庫查詢 092
13.3 多表單數(shù)據(jù)庫：提高整體查詢效率 093
13.4 數(shù)據(jù)庫中的并發(fā)與鎖：為什么查到有票卻買不到 095
13.5 為什么購物平臺往往比購票平臺更高效 096
第14章 大數(shù)據(jù)：啤酒和尿布為什么要擺放在一起售賣 098
14.1 頻繁模式：看兩種物品同時出現(xiàn)的頻率 099
14.2 關(guān)聯(lián)規(guī)則：用戶購買A了，還有多大概率購買B 100
14.3 分布式挖掘頻繁模式：高效探索關(guān)聯(lián)規(guī)則 100
第15章 最優(yōu)化：為什么肯德基、麥當(dāng)勞總是開在一起 102
15.1 店鋪選址的“最優(yōu)化”目標(biāo)究竟是什么 103
15.2 生活中的其他最優(yōu)化問題 105
第16章 特征工程：如何區(qū)分三個“一模一樣”的燈泡 107
16.1 區(qū)分浣熊和貓咪的特征構(gòu)建：特征工程重要且復(fù)雜 108
16.2 提取燈泡發(fā)熱的特征，妙解特征工程的經(jīng)典面試題 109
16.3 好的特征工程能力處處有用 111
第4篇生活中的機(jī)器學(xué)習(xí)
第17章 最近鄰算法：孟母三遷背后的假設(shè) 114
17.1 最近鄰算法不需要“學(xué)習(xí)” 114
17.2 最近鄰算法的關(guān)鍵：如何定義相似度 116
17.3 從最近鄰到K-最近鄰：綜合考慮更穩(wěn)健 117
第18章 支持向量：美國大選基本只需要看搖擺州 120
18.1 得搖擺州者，得美國大選 120
18.2 從二分類的角度看支持向量：尋找最優(yōu)分界線 121
18.3 遠(yuǎn)離最大化邊界的點(diǎn)對最優(yōu)分界線沒有影響 124
第19章 過擬合：高考失誤真的是因為心態(tài)嗎 125
19.1 人類學(xué)習(xí)與機(jī)器學(xué)習(xí)的類比 126
19.2 高考表現(xiàn)得不好可能是因為過擬合 126
19.3 過擬合產(chǎn)生的原因 129
19.4 如何避免過擬合 131
第20章 集成學(xué)習(xí)：疑難雜癥要多看幾個專家 133
20.1 集成學(xué)習(xí)與尋醫(yī)問診 133
20.2 Bagging框架：群策群力、一人一票 135
20.3 Boosting框架：考慮專家可信度加權(quán)平均 137
第21章 梯度下降：駕駛汽車和登山都用到了導(dǎo)數(shù) 140
21.1 一尺之棰,日取其半,萬世不竭 140
21.2 位移、速度、加速度之間的導(dǎo)數(shù)關(guān)系 141
21.3 梯度下降：利用導(dǎo)數(shù)尋找最優(yōu)解 143
21.4 登山、高爾夫球中的“梯度下降” 144
第22章 樸素貝葉斯：為什么我的郵件被識別為垃圾郵件 147
22.1 垃圾郵件中的關(guān)鍵詞 147
22.2 關(guān)鍵詞分類背后的樸素貝葉斯算法 148
22.3 元數(shù)據(jù)也是垃圾郵件分類的重要依據(jù) 150
22.4 如何避免正常郵件被誤分為垃圾郵件 151
第5篇生活中的智能系統(tǒng)
第23章 個體與系統(tǒng)的博弈：外賣騎手的困局 154
23.1 博弈論的概念 154
23.2 外賣平臺中的博弈 155
23.3 博弈的初衷是 “三贏” 156
23.4 算法的“智能”會打破博弈的平衡 157
23.5 個體之間的團(tuán)結(jié)有利于博弈的平衡 159
第24章 搜索引擎：孕婦到底能不能吃螃蟹 161
24.1 早期搜索引擎：看字面相似度 162
24.2 現(xiàn)代搜索引擎：從字面到語義 164
24.3 搜索關(guān)鍵詞的設(shè)計 166
第25章 同溫層效應(yīng)：為什么我的App內(nèi)容越來越同質(zhì)化 168
25.1 協(xié)同過濾：相似的用戶喜歡相似的內(nèi)容 169
25.2 現(xiàn)代個性化推薦系統(tǒng)：用戶畫像 170
25.3 用戶如何與個性化推薦系統(tǒng)更好地磨合 172
25.4 個性化推薦系統(tǒng)的弊端：同溫層現(xiàn)象 173
第26章 天梯匹配系統(tǒng)：網(wǎng)絡(luò)游戲如何讓玩家欲罷不能 175
26.1 天梯積分是一種Elo等級分制度 176
26.2 玩家在天梯匹配系統(tǒng)下的期望勝率通常是50% 178
26.3 天梯匹配系統(tǒng)也不僅僅是Elo等級分制度 180
26.4 如何利用天梯匹配系統(tǒng)科學(xué)上分 181
第27章 大語言模型：啥是ChatGPT 182
27.1 什么是GPT 183
27.2 GPT以外的其他語言模型 185
27.3 Scaling Law：模型越大，能力越強(qiáng) 185
27.4 ChatGPT帶來的機(jī)遇、挑戰(zhàn)和風(fēng)險 188
第28章 人臉識別：我的臉解鎖了媽媽的手機(jī) 190
28.1 人臉識別的常見流程 190
28.2 人臉識別常用的特征 192
28.3 人臉識別的挑戰(zhàn)：如何識別偽造的人臉 193
第29章 自然語言處理：NLP is so hard 194
29.1 基于自然語言處理的應(yīng)用隨處可見 195
29.2 中文的分詞極具挑戰(zhàn)性 196
29.3 英語的語義也常有歧義 197
29.4 歧義性也是一種魅力 198
第6篇生活中的信息安全
第30章 瀏覽器：隱私瀏覽模式到底有多隱私 200
30.1 上網(wǎng)沖浪的過程到底能被誰看到 201
30.2 隱私瀏覽模式到底保護(hù)了什么隱私 203
第31章 區(qū)塊鏈：比特幣的共識 205
31.1 區(qū)塊鏈本質(zhì)上是一個分布式賬本 206
31.2 區(qū)塊鏈的獨(dú)特之處：去中心化的賬本 207
31.3 比特幣的價值在哪里 209
第32章 哈希算法：好網(wǎng)站都不保存用戶的明文密碼 210
32.1 好的哈希函數(shù)是一個特級名廚 211
32.2 用戶識別：比較登錄密碼的哈希值就夠了 212
32.3 黑客如何根據(jù)哈希值反向破解密碼 213
32.4 “適量加鹽”可以讓密碼更難破解 214
32.5 靠瀏覽器記住密碼靠譜嗎 216
第33章 非對稱加密：公開的密鑰能加密卻不能解密 217
33.1 加密已經(jīng)是上網(wǎng)沖浪的標(biāo)配了 218
33.2 對稱加密的風(fēng)險問題 218
33.3 非對稱加密的優(yōu)勢 219
33.4 圖靈獎級別的工作：RSA算法 220
33.5 中間人攻擊：非對稱加密也沒法避免的問題 222
第7篇生活中的硬件系統(tǒng)
第34章 文件系統(tǒng)：我的聊天記錄沒有了還能找回來嗎 226
34.1 文件和文件系統(tǒng) 227
34.2 快捷方式與懶刪除 229
第35章 內(nèi)存與存儲：為什么手機(jī)“內(nèi)存”比電腦內(nèi)存還大 231
35.1 計算機(jī)存儲的分類 232
35.2 外存是一種非易失性存儲器 233
35.3 內(nèi)存是一種易失性存儲器 233
35.4 手機(jī)廣告中提到的“內(nèi)存”通常不是計算機(jī)科學(xué)中的
   “內(nèi)存” 235
第36章 網(wǎng)絡(luò)：為什么“1000M”的寬帶網(wǎng)絡(luò)沒有“1000M”
的運(yùn)行速度 237
36.1 bit和Byte的區(qū)別 237
36.2 網(wǎng)速的瓶頸可能讓人意想不到 238
36.3 為什么上傳速度通常比下載速度慢 239
36.4 網(wǎng)速為什么會隨著時間波動 240
36.5 Wi-Fi里的2.4GHz和5GHz是什么意思 241
第37章 物聯(lián)網(wǎng)：體感游戲的秘訣 242
37.1 體感游戲如何評分 243
37.2 體感游戲評分難免有誤差 244
37.3 記步數(shù)到底有多可靠 245
37.4 傳感器之間如何聯(lián)動提高準(zhǔn)確度 247
第38章 分布式計算：一小時做完年夜飯 249
38.1 鍋碗瓢盆都是烹飪過程中的“計算節(jié)點(diǎn)” 250
38.2 分布式計算和烹飪共同面對的問題 251
38.3 高效烹飪與高效分布式計算的核心都在于調(diào)度協(xié)調(diào) 252
38.4 計算資源決定了分布式計算的上限 254
38.5 生活中的其他分布式計算 255