掌握多種不同的思維方式是每個人在大學時代的必修課。具備使用計算思維解決問題的能力是程序員入門的基本技能。本書基於作者開授的MIT熱門MOOC教程編寫，旨在培養讀者的計算思維，為其日後的IT生涯打下堅實的編程基礎。- 以Python 3為示例，涵蓋Python大部分特性，重在介紹編程語言可以做什麼- 如何繫統性地組織、編寫、調試中等規模的程序- 理解計算復雜度- 將模糊的問題描述轉化為明確的計算方法，以此解決問題，並深刻理解整個過程- 掌握有用的算法以及問題簡化技術- 使用隨機性和模擬技術清晰闡述等

●目    錄 * 1章  啟程1* 2章  Python簡介62.1  Pytho素72.1.1  對像、表達式和數值類型82.1.2  變量與賦值92.1.3  Python IDE112.2  程序分支122.3  字符串和輸入142.3.1  輸入152.3.2  雜談字符編碼162.4  迭代17第3章  一些簡單的數值程序203.1  窮舉法203.2  for循環223.3  近似解和二分查找243.4  關於浮點數273.5  牛頓 拉弗森法29第4章  函數、作用域與抽像314.1  函數與作用域324.1.1  函數定義324.1.2  關鍵字參數和默認值334.1.3  作用域344.2  規範374.3  遞歸394.3.1  斐波那契數列404.3.2  回文424.4  全局變量454.5  模塊464.6  文件47第5章  結構化類型、可變性與高階函數505.1 &nb組505.2  範圍525.3  列表與可變性525.3.1  克隆575.3.2  列表推導575.4  函數對像585.5  字組、範圍與列表605.6  字典61第6章  測試與調試656.1  測試656.1.1  黑盒測試666.1.2  白盒測試686.1.3  執行測試696.2  調試706.2.1  學習調試726.2.2  設計實驗726.2.3  遇到麻煩時756.2.4  找到“目標”錯誤之後76第7章  異常與斷言777.1  處理異常777.2  將異常用作控制流807.3  斷言82第8章  類與面向對像編程838.1  抽像數據類型與類838.1.1  使用抽像數據類型設計程序878.1.2  使用類記錄學生與教師878.2  繼承908.2.1  多重繼承928.2.2  替換原則938.3  封裝與信息隱藏948.4  進階示例：抵押貸款99第9章  算法復雜度簡介1039.1  思考計算復雜度1039.2  漸近表示法1069.3  一些重要的復雜度1079.3.1  常數復雜度1079.3.2  對數復雜度1089.3.3  線性復雜度1089.3.4  對數線性復雜度1099.3.5  多項式復雜度1099.3.6  指數復雜度1119.3.7  復雜度對比112* 10章  一些簡單算法和數據結構11410.1  搜索算法11510.1.1  線性搜索與間素11510.1.2  二分查找和利用假設11610.2  排序算法11910.2.1  歸並排序12010.2.2  將函數用作參數12210.2.3  Python中的排序12310.3  散列表124* 11章  繪圖以及類的進一步擴展12811.1  使用PyLab繪圖12811.2  進階示例：繪制抵押貸款133* 12章  背包與圖的* 優化問題13912.1  背包問題13912.1.1  貪婪算法14012.1.2  0/1背包問題的* 優解14312.2  圖的* 優化問題14512.2.1  一些典型的圖論問題14912.2.2  * 短路徑：深度優先搜索和廣度優先搜索149* 13章  動態規劃15513.1  又見斐波那契數列15513.2  動態規劃與0/1背包問題15713.3  動態規劃與分治算法162* 14章  隨機遊走與數據可視化16314.1  隨機遊走16314.2  醉漢遊走16414.3  有偏隨機遊走17014.4  變幻莫測的田地175* 15章  隨機程序、概率與分布17815.1  隨機程序17815.2  計算簡單概率18015.3  統計推斷18015.4  分布19215.4.1  概率分布19415.4.2  正態分布19515.4.3  連續型和離散型均勻分布19915.4.4  二項式分布與多項式分布20015.4.5  指數分布和幾何分布20015.4.6  本福德分布20315.5  散列與踫撞20415.6  強隊的獲勝概率206* 16章  蒙特卡羅模擬20816.1  帕斯卡的問題20916.2  過線還是不過線21016.3  使用查表法提高性能21316.4  求π的值21416.5  模擬模型結束語218第* 章  抽樣與置信區間22017.1  對波士頓馬拉松比賽進行抽樣22017.2  中心極限定理22517.3  均值的標準誤差228第* 章  理解實驗數據23118.1  彈簧的行為23118.2  彈丸的行為23818.2.1  可決繫數24018.2.2  使用計算模型24118.3  擬合指數分布數據24218.4  當理論缺失時245第* 章  隨機試驗與假設檢驗24719.1  檢驗顯著性24819.2  當心P-值25219.3  單尾單樣本檢驗25419.4  是否顯著25519.5  哪個N25719.6  多重假設258第* 章  條件概率與貝葉斯統計26120.1  條件概率26220.2  貝葉斯定理26320.3  貝葉斯更新264第* 章  謊言、該死的謊言與統計學26721.1  垃圾輸入，垃圾輸出26721.2  檢驗是有缺陷的26821.3  圖形會騙人26821.4  Cum Hoc Ergo Propter Hoc27021.5  統計測量不能說明所有問題27121.6  抽樣偏差27221.7  上下文很重要27321.8  慎用外推法27321.9  得克薩斯神槍手謬誤27421.10  莫名其妙的百分比27621.11  不顯著的顯著統計差別27621.12  回歸假像27721.13  小心為上278第* 章  機器學習簡介27922.1  特征向量28122.2  距離度量283第* 章  聚類28823.1  Cluster類28923.2  K-均值聚類29123.3  虛構示例29223.4  更真實的示例297第* 章  分類方法30324.1  分類器評價30324.2  預測跑步者的性別30624.3  K-* 鄰近方法30824.4  基於回歸的分類器31224.5  從“泰坦尼克”號生還32024.6  總結325Python  3.5速查表326

本書基於MIT 編程思維培訓講義寫成，主要目標在於幫助讀者掌握並熟練使用各種計算技術，具備用計算思維解決現實問題的能力。書中以Python 3 為例，介紹了對中等規模程序的繫統性組織、編寫、調試，幫助讀者深入理解計算復雜度，還講解了有用的算法和問題簡化技術，並探討各類計算工具的使用。與本書* 1版相比，* 2版全面改寫了後半部分，且書中所有示例代碼都從Python 2 換成了Python 3。本書適合對編程知之甚少但想要使用計算方法解決問題的讀者。

(美)約翰？谷泰格 著 陳光欣 譯