本教材主要介绍了随机过程的预备知识、离散时间马氏链、可数状态马氏链、泊松过程、连续时间马氏链、更新过程、布朗运动等内容。为适应应用型本科财经类相关专业突出技能与应用的要求，本书在介绍随机过程基础理论的前提下，着重使用图表等多种形式，形象地展示课程的脉络。在介绍部分难以理解的知识点时，本书附有相关的Matlab及Pyth

本书介绍统计分析的Logistic回归模型，以及扩充模型，包括Logistic回归搭配ROC曲线，多项Logistic回归等，通过例题分析，结合计算机统计软件的应用，详细阐述该模型原理与应用。

作者基于丰富的教学经验，开发了一套全新的算法分类方法。该分类法站在通用问题求解策略的高度，对现有大多数算法进行了较为准确的分类，旨在引领读者沿着清晰、一致、连贯的思路来探索算法的设计与分析。《算法设计与分析基础（第3版详解版）》适合用作算法设计与分析的基础教材，也适合任何有兴趣探究算法奥秘的读者自学使用。

本书从信息流个性化推荐算法从业者的角度，阐述在资讯内容类App中，如何搭建健壮、完善的个性化推荐算法体系，如何融合产品运营的专家模型和端到端的深度学习，如何平衡短期的商业化目标和长期的用户体验，以及我们在多个行业头部平台实践的过程中遇到的典型业务问题和解决方案，对比理论推导为主的机器学习书籍，本身更偏向基于行业问题的深

本书全面介绍了求解非线性规划问题的无罚函数方法。从基础概念出发，逐步讲解罚函数方法、传统与修正滤子方法、非单调滤子方法、自适应滤子方法以及其他无罚函数方法等。书中不仅提供了理论分析，还结合了丰富的数值实验，以证明算法的收敛性和有效性。本书融合了深人的理论探讨和实际案例，为研究生提供了坚实的理论基础和实践操作指南。书中对

本书教你如何从基于时间的数据(如日志、客户分析和其他事件流)中获得即时、有意义的预测。在这本通俗易懂的书中，作者通过带有注释的Python代码全面演示了用于时间序列预测的统计和深度学习方法。全书分为四部分：第一部分介绍时间序列预测的概念；第二部分介绍使用统计模型进行预测；第三部分介绍使用深度学习进行大规模预测；第四部分

本书是介绍智慧博弈论的基础教程,共分九章,第一章为导论,介绍博弈论的起源、基本内容和理论结构等;第二、第三章分别介绍理想信息状态和完全理性假设下的静态和动态博弈理论;第四到第六章分别介绍非理想信息状态下的静态和动态博弈论;第七章介绍重复进行的静态或动态博弈,即重复博弈;第八章对合作博弈理论进行初步介绍;第九章运用博弈论

这本书从非数学的角度提供了有关实验设计和分析的综合处理，侧重于基本概念而不是技术细节的计算。大部分讨论都是根据来自众多应用领域的实例进行的。主题包括随机化的理由和实际困难、析因实验中出现的各种因素、选择实验的规模、进行观察的不同目的等等。大致内容：关键假设、减少错误的设计、如何使用补充观察来减少错误、随机化、析因实验的

本书内容分为理论和实践两块，具体如下：(1)理论部分：数据分析的核心方法是统计，该部分介绍了统计基础理论和基本方法，包括了数据分析概述，数据的搜集、整理与显示，综合数据分析，动态数列分析等相关知识。(2)实践部分：数据分析实践的有效工具是Excel和SPSS，该部分通过社会调查、财务、电商、物流五个项目介绍了用这两个软

R软件的基本介绍、R软件的数据结构和图形功能、R软件实现数据的处理及清洗方法，R软件进行数据描述性分析，利用R软件进行参数估计，R软件进行假设检验，对应分析案例与R实现、典型相关分析案例与R实现。