1
挣扎的帝国：元与明
清风。《挣扎的帝国：元与明》是一部令人耳目一新的史学巨著，被誉为近年来元明史领域的佳作。该书由著名汉学家卜正民教授撰写，是“哈佛中国史”丛书的第五卷。卜正民别出心裁，从气候这一环境史角度出发，讲述元明帝国的发展与兴衰，强调了这一时代的两大特
[加]卜正民/TimothyBrook 2023-04-08 05:44:40
1
微积分与解析几何
本书除了包含标准微积分教材的内容外，还特别注重实际应用方面的例子。此外，三角函数、极坐标等相关理论知识也被补充进了书中，以帮助学生平稳地从高中到大学的学习过渡。除此之外，本书也穿插了数学史和数学文化方面的相关内容。在附录中，读者还可以找到丰
GeorgeF.Simmons 2023-04-08 04:59:34
1
什么是数学
《什么是数学》是一本世界著名的数学科普读物。它收录了许多经典的数学珍品，对整个数学领域中的基本概念与方法做了精深而生动的阐述。本书适合所有数学专业人士以及愿意探索数学思考的读者阅读。特别是对中学数学教师、大学生和高中生，本书是一本非常优秀的
[德]R·柯朗/H·罗宾(HerbertRobbins)/[美]斯图尔特·布兰德 2023-04-08 04:06:06
1
12堂魔力数学课
读完本书，你定会为你上学期间没机会读到这样的数学书而感到懊恼不已！本书作者阿瑟·本杰明是享誉全球的“数学魔术师”。他独创性地将许多人避之不及的数学与许多人津津乐道的魔术结合在一起，为众多数学恐惧症成人患者、正在学习数学的学生们开启了一个奇妙
ArthurBenjamin 2023-04-08 04:01:43
1
IntroductiontoAppliedLinearAlgebra
ingintheQRfactorizationanditsextensions.PartIIIintroducesleast-squaresmethods,includingthebasiclinearexample,greaterthan
StephenBoyd/LievenVandenberghe 2023-04-08 03:48:00
1
代数几何学原理I概形语言
《代数几何学原理》（EGA）是代数几何领域的一部经典著作，由法国著名数学家AlexanderGrothendieck（1928—2014）在20世纪50—60年代与J.Dieudonné合作完成。在该书中，Grothendieck首创引入概
[法]AlexanderGrothendieck 2023-04-08 03:43:57
1
InfinitePowers
FrompreeminentmathpersonalityandauthorofTheJoyofx,abrilliantandendlesslyappealingexplanationofcalculus–howitworksandwhyi
StevenH.Strogatz 2023-04-08 03:36:51
1
离散数学及其应用（原书第8版）
本书是离散数学经典教材，广受全球数百所大学采用。全面系统地介绍了离散数学理论和方法，包括逻辑与证明、集合、函数、序列、求和与矩阵、算法、数论与密码学、归纳与递归、计数、离散概率、关系、图、树、布尔代数和计算模型。书籍内容广泛，除定义和定理的
肯尼思H.罗森(KennethH.Rosen) 2023-04-08 03:18:25
1
群论彩图版
《群论彩图版》的目的是帮助读者通过观察、认识和验证群，以此来理解群的本质。这本书采用了大量图像和直观解释来介绍群论。主要内容包括：群的定义及外观特点、群论的学习价值、群的代数定义、五个群族、子群、积与商、同态的力量、西罗定理、伽罗瓦理论等。
NathanCarter 2023-04-08 03:16:33
1
机器学习中的数学
《机器学习中的数学》是一本入门图书，旨在系统介绍机器学习涉及的数学知识。本书以展示数学的友好性为原则，讲述机器学习中的常见数学知识，并力求为数学基础薄弱的读者铺平在机器学习中陡峭的台阶。全书共19章，分为线性代数、高等数学和概率3个组成部分
孙博 2023-04-08 03:13:01
1
TheMathofLifeandDeath
"Adizzying,dazzlingdebut."—Nature"Awelcomeadditiontothemath-for-people-who-hate-mathgenre...Allbutthestubbornlyinnumerat
KitYates 2023-04-08 03:09:57
1
机器学习的数学
本书的目标是帮助读者全面、系统地学习机器学习所必须的数学知识。全书由8章组成，力求精准、最小地覆盖机器学习的数学知识。包括微积分，线性代数与矩阵论，最优化方法，概率论，信息论，随机过程，以及图论。本书从机器学习的角度讲授这些数学知识，对它们
雷明 2023-04-08 02:30:55
