.
PART Ⅰ 基礎1 演算法在計算時的作用2 起點3 分析執行時間的特性4 分治法5 機率分析與隨機演算法PART Ⅱ 排序和順序統計量6 堆積排序7 快速排序8 以線性時間排序9 中位數與順序統計量PART Ⅲ 資料結構10 基本資料結構11 雜湊表12 二元搜尋樹13 紅黑樹PART Ⅳ 進階設計和分析技術14 動態規劃15 貪婪演算法16 平攤分析PART Ⅴ 高階資料結構17 擴充資料結構18 B 樹19 不相交集合的資料結構PART Ⅵ 圖演算法20 初級圖演算法21 最小生成樹22 單源最短路徑23 all-pairs 最短路徑24 最大流量25 二部圖的配對PART Ⅶ 特選主題26 平行演算法27 線上演算法28 矩陣運算29 線性規劃30 多項式與 FFT31 數論演算法32 字串比對33 機器學習演算法34 NP 完備性35 近似演算法PART Ⅷ 附錄:數學基礎A 求和B 集合與離散數學的其他要素C 計數與機率D 矩陣
機器學習的高風險應用|負責任的人工智慧方法 精通機器學習|使用Scikit-Learn, Keras與TensorFlow 第三版 機器學習的公式推導和程式實作