10 信息熵：事件的不确定性如何计算？
10 信息熵：事件的不确定性如何计算？你好，欢迎来到第 10 课时——信息熵：事件的不确定性如何计算？ 从加乘法则开始，我们基于事情的不确定性出发，尝试计算事情发生的可能性。然而， 对于事件与事件之间的不确定性如何相比和衡量，单独靠概率就无法说清楚了。我说的这句话是什么意思呢？下面我举个例子来说明。 假设有两场足球赛，也就是两个事件。第一场足球赛，对阵的双方是老挝队和巴西队，
12 统计学方法：如何证明灰度实验效果不是偶然得到的？
12 统计学方法：如何证明灰度实验效果不是偶然得到的？你好，欢迎来到第 12 课时—— 统计学方法：如何证明灰度实验效果不是偶然得到的？ 当你做完 AB 实验，拿着实验结果来论证 v2.0 的系统比 v1.0的系统效果更好的时候，极有可能有人站出来这样质疑“你的实验结果可信度如何？它是偶然得到的，还是一个必然结果？” 面对这样的质疑，就需要一些统计学的知识了。这一讲，我们就来
11 灰度实验：如何设计灰度实验并计算实验的收益？
11 灰度实验：如何设计灰度实验并计算实验的收益？在之前的课时，我们对问题进行了形式化定义，并利用一个很牛的算法进行了最优化求解，之后我们便打造了一个全新的策略优化解决方案。 而接下来，你需要面对的问题，就是证明这个新的解决方案是有效的，是优于之前的解决方案的，而这个证明方法就是做 AB 实验。所以，这一讲我们就来说说 AB实验的那些事。 灰度实验在实际的工作中，通常需要进行
13 复杂度：如何利用数学推导对程序进行优化？
13 复杂度：如何利用数学推导对程序进行优化？这一讲开始，我们进入到这个专栏“模块三 数据结构与算法”的学习，在这个模块，我们会重点学习数学与算法、代码之间的关系。 在一个程序开发的过程中，常常需要我们去关注程序的复杂度。这一讲，我们就先从复杂度出发，来看看数学的思想是如何应用在程序复杂度优化的。 程序的时间损耗程序 就是计算机执行运算动作的指令， 运算 就是对数据进行的处理
14 程序的循环：如何利用数学归纳法进行程序开发？
14 程序的循环：如何利用数学归纳法进行程序开发？我们在上一讲提到程序有 顺序、选择、循环 这三大基本结构，而在这其中，循环是处理复杂运算最有效的一种结构。 循环结构 可以用短短几行代码，执行成千上万次的运算。从计算机编程的视角来看，循环结构又有三种实现方法，分别是 for 循环、while 循环和 dowhile 循环；而从数学视角来看，循环结构很像是 数学归纳法 。 所以
15 递归：如何计算汉诺塔问题的移动步数？
15 递归：如何计算汉诺塔问题的移动步数？递归是重要的程序开发思想，比如程序源代码缩进、树形数据结构、XML 语法、快速排序法等都有递归的影子。 那么，递归思维的本质到底是什么呢？递归的理念看似隐讳，实则非常清晰明了。 为了让你由浅入深地理解它，这一讲我会先从“汉诺塔问题”入手，带你找出“递归思维”，然后将其应用在两个经典问题中，让你感受递归的作用及其缺点。 最后，你便会发现
16 二分法：如何利用指数爆炸优化程序？
16 二分法：如何利用指数爆炸优化程序？正式讲课之前，我先问你这样一个问题，请你尽可能快速回答。 一张 1 毫米厚度的纸，对折几次后，可以达到地球到月球的距离（39 万公里）？ 我在写这篇稿子的时候，问了身边的几个朋友。最小的回答是 1 万次，最大的则是 100 万次。 请问在你的直觉下，你的答案又是多少呢？我猜想无论如何都是上万次吧，毕竟我们离月球有 39 万公里呢。
18 AI 入门：利用 3 个公式搭建最简 AI 框架
18 AI 入门：利用 3 个公式搭建最简 AI 框架你知道，你的网购 app 是如何成为你肚中蛔虫，向你“智能推荐”你的心仪之物的吗？地图 app 又是如何“智能预测”，你家门口的每日交通状况的吗？ 如今 AI变得无所不知，但原因并不是它真的能“窥探”万物，仅仅是因为它学会了从“数据”中学习，寻得了万物的规律。你与“淘友们”的浏览、购买数据，让它了解了你这个类群消费者的偏好