引子 計算的本質(zhì)-從機械到電子
0.1　什么是計算機
0.2　機械計算機、布爾代數(shù)和開關(guān)電路
0.3　圖靈機：計算的本質(zhì)是機械運動
0.4　人工智能的極限
第　1 章 毫厘千里之差-大 O 概念
1.1　算法的規(guī)范化和量化度量
1.2　大數(shù)和數(shù)量級的概念
1.3　怎樣尋找好的算法
1.4　關(guān)于排序的討論
第　2 章 逆向思考-從遞推到遞歸
2.1　遞歸：計算思維的核心
2.2　遍歷：遞歸思想的典型應用
2.3　堆棧和隊列：遍歷的數(shù)據(jù)結(jié)構(gòu)
2.4　嵌套：自然語言的結(jié)構(gòu)特征
第　3 章 萬物皆編碼-抽象與表示
3.1　人和計算機對信息編碼的差異
3.2　分割黃金問題和小白鼠試驗問題
3.3　數(shù)據(jù)的表示、精度和范圍
3.4　非線性編碼和增量編碼（差分編碼）
3.5　哈夫曼編碼
3.6　矩陣的有效表示
第　4 章 智能的本質(zhì)-分類與組合
4.1　這是選擇分類問題
4.2　組織信息：集合與判定
4.3　B 樹、B* 樹：數(shù)據(jù)庫中的數(shù)據(jù)組織方式
4.4　卡特蘭數(shù)
第　5 章 工具與算法-圖論及應用
5.1　圖的本質(zhì)：點與線
5.2　圖的訪問：遍歷和連通性
5.3　構(gòu)建網(wǎng)絡(luò)爬蟲的工程問題
5.4　動態(tài)規(guī)劃：尋找短路徑的有效方法
5.5　流量：解決交通問題的方法
5.6　配對：流量問題的擴展
第　6 章 化繁為簡-分治思想及應用
6.1　分治：從O(N2) 到O(N log N)
6.2　分割算法：快速排序和中值問題
6.3　并行初探：矩陣相乘和 MapReduce
6.4　從機器學習到深度學習：Google 大腦
第　7 章 權(quán)衡時空-理解存儲
7.1　訪問：順序 vs. 隨機
7.2　層次：容量 vs. 速度
7.3　索引：地址 vs. 內(nèi)容
第　8 章 并行與串行-流水線和分布式計算
8.1　流水線：邏輯串行和物理并行
8.2　摩爾定律的兩條分水嶺
8.3　云計算揭密：GFS 和 MapReduce
第　9 章 狀態(tài)與流程-等價性與因果關(guān)系
9.1　從問題到狀態(tài)
9.2　等價性：抽象出狀態(tài)的工具
9.3　因果關(guān)系：建立狀態(tài)之間的聯(lián)系
第　10 章 確定與隨機-概率算法及應用
10.1　信息指紋：寓確定于隨機之中
10.2　隨機性和量子通信
10.3　置信度：成本與效果的平衡
第　11 章 理論與實戰(zhàn)-典型難題精解
11.1　長連續(xù)子序列問題
11.2　區(qū)間合并問題
11.3　12 球問題
11.4　天際線問題
11.5　長回文問題（Longest Palindrome Match）
11.6　計算器問題
11.7　如何產(chǎn)生搜索結(jié)果的摘要（Snippets Generation）
11.8　尋找和等于k 的子數(shù)組問題
索引