本书展示了如何使用真实的数据真实地进行贝叶斯数据分析。作者从概率与程序设计的基本概念出发，逐步带你进阶，帮助你最终掌握在实际的贝叶斯数据分析中常用的高级模型。本书分为三大部分，共有25章。第一部分介绍基础知识，内容包括贝叶斯推断的基本思想、模型、概率及R语言编程。第二部分涵盖了现代贝叶斯数据分析的所有关键思想。第三部分

本书从系统视角出发,阐述如何利用技术手段搭建企业级推荐系统,内容包括认知篇、数据篇、召回篇、排序篇、系统篇5个部分，覆盖企业级推荐系统建设的核心要点。本书知识体系清晰，从基础知识切入，逐步深入，先后涉及推荐系统的经典技术、主流技术和前沿技术。本书通过“理论+案例+代码示例+心得体会”的方式阐述、归纳和总结推荐系统的知识

时间序列分析是统计学科的一个重要分支，它主要研究随着时间的变化，事物发生、发展的过程，寻找事物发展变化的规律并预测未来的走势。在日常生产和生活中，时间序列比比皆是，所以目前时间序列分析方法广泛应用于经济、金融、天文、气象、海洋、物理、化学、医学、质量控制等诸多领域，成为众多行业经常使用的统计方法。本书是基于Python

本书系统介绍了非线性**化问题的经典理论和传统优化算法，如约束优化问题的**性条件、鞍点理论和对偶理论，梯度下降算法、可行方向法、罚函数方法等，同时也介绍了一些新近发展起来的优化理论与算法，如次梯度理论、共轭函数、信赖域方法、临近点方法、交替极小化方法、交替方向法等。

"空间和时空连续过程的建模是空间统计学中一个重要且具有挑战性的问题。本书详细阐述了随机偏微分方程（SPDE）方法用于带有Matérn协方差结构的连续空间过程的建模。该方法已经在R-INLA软件包中采用集成嵌套拉普拉斯逼近（INLA）技术进行实现。本书通过使用模拟数据和真实应用程序的示例，解释了关于建模空间过程和SPDE

《互联网大厂推荐算法实战》介绍了互联网大厂当前采用的一些前沿推荐算法，并梳理了这些算法背后的思想脉络与技术框架。 《互联网大厂推荐算法实战》总计10章，内容涵盖了推荐系统的基础知识、推荐系统中的特征工程、推荐系统中的Embedding、推荐系统的各组成模块（包括召回、粗排、精排与重排）所使用的算法技术、推荐算法实践中经

本书是在教育部制定的教学大纲基础上，参照同济大学“概率论与数理统计”课程及教材建设的经验和成果，按照全国硕士研究生入学统一考试数学一的考试大纲要求，根据作者十多年的教学实践经验编写而成．全书共分八章，包括随机事件与概率、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律及中心极限定理、统计量和抽样分布

本书介绍作者近年来提出的最小约束违背优化新方向和相关研究成果,主要内容包括最小约束违背线性锥优化、最小约束违背二次规划、最小约束违背非线性凸优化、一类最小约束违背极小极大优化问题、最小约束违背非凸约束规划和一般度量下的最小约束违背凸优化.《BR》理论方面的进展包括以最小违背平移为工具,延拓了各类凸优化问题的对偶理论,证

在中国科大“高等应用数学”课程讲义的基础上编写而成，是研究生从事科学研究的“入门”课。第1～3章主要介绍应用数学处理问题的思路，回顾大学数学基础并引出渐近分析方法；第4～5章通过案例介绍应用数学的分析过程；第6～7章介绍量纲分析和尺度化等数学问题的简化方法；第8～10章介绍正则摄动、奇异摄动、多尺度摄动等各种摄动方法；

本书是在《ProbabilityandStatistics（概率论与数理统计）》的基础修订而来，全书总共11章，包括：引言、随机变量及其概率分布、数字特征、大数定律与中心极限定理、统计量及其概率分布、参数估计和假设检验、回归分析、方差分析、马尔科夫链等内容，本书用丰富的例子讲述各种基本概念、基本理论和基本方法，在叙述上