具体描述
This book introduces students with little or no prior programming experience to the art of computational problem solving using Python and various Python libraries, including PyLab. It provides students with skills that will enable them to make productive use of computational techniques, including some of the tools and techniques of "data science" for using computation to model and interpret data. The book is based on an MIT course (which became the most popular course offered through MIT's OpenCourseWare) and was developed for use not only in a conventional classroom but in in a massive open online course (or MOOC) offered by the pioneering MIT--Harvard collaboration edX. Students are introduced to Python and the basics of programming in the context of such computational concepts and techniques as exhaustive enumeration, bisection search, and efficient approximation algorithms. The book does not require knowledge of mathematics beyond high school algebra, but does assume that readers are comfortable with rigorous thinking and not intimidated by mathematical concepts. Although it covers such traditional topics as computational complexity and simple algorithms, the book focuses on a wide range of topics not found in most introductory texts, including information visualization, simulations to model randomness, computational techniques to understand data, and statistical techniques that inform (and misinform) as well as two related but relatively advanced topics: optimization problems and dynamic programming. Introduction to Computation and Programming Using Python can serve as a stepping-stone to more advanced computer science courses, or as a basic grounding in computational problem solving for students in other disciplines.
作者简介
作者简介：
John V. Guttag
1999年至2004年任麻省理工学院电气工程与计算机科学系主任（此前担任了5年的副主任）。Guttag教授目前是计算机科学与人工智能实验室网络及移动系统组的联合负责人。此外，他还进行软件工程、机器定理证明、硬件验证等领域的研究以及培训工作，并出版过相关主题的图书。Guttag教授获得美国布朗大学英语专业学士学位、应用数学硕士学位，获得多伦多大学计算机科学博士学位。
译者简介：
梁杰
北京航空航天大学计算机科学与技术专业大四学生。热爱开源、JavaScript、Python，喜欢做各种各样有趣的事情。
目录信息
读后感
MIT本科 6.0001和6.0002课程指定教材，MIT的教授结合教学自己编写的书，非常适合跟open course 结合使用，原版书要几百块，中文正版不到一百，在家里也能上MIT的课，一定记得去官网下载课件和习题，讲课视频B站上有，目前MIT open course上发布的是2016年秋季学期的课程，版本p...
MIT本科 6.0001和6.0002课程指定教材，MIT的教授结合教学自己编写的书，非常适合跟open course 结合使用，原版书要几百块，中文正版不到一百，在家里也能上MIT的课，一定记得去官网下载课件和习题，讲课视频B站上有，目前MIT open course上发布的是2016年秋季学期的课程，版本p...
一开始想着应该有400+页，结果不到300页。 python语言、一般的算法理论、一些数学问题的算法、软件测试、机器学习都有所涉及，但是书本身太薄，这样很多地方势必写得不清楚。 要举例子的话，我觉得类和面向对象编程说得太简略。 另外python现在应该普及3.x了，没必要再以2.x...
书是一名大四生翻译的，有些地方表达的不地道，姑且随手找出几处吐吐槽。 p1: [从内存的角度来说，一台普通的计算机可能有几百GB] 我从来没见过一台普通计算机的内存个能有几百GB，我猜测原文应该用的是memory，这里翻译成存储设备比较合适。 p3:[当一个整数整数存在整数立...
书是一名大四生翻译的，有些地方表达的不地道，姑且随手找出几处吐吐槽。 p1: [从内存的角度来说，一台普通的计算机可能有几百GB] 我从来没见过一台普通计算机的内存个能有几百GB，我猜测原文应该用的是memory，这里翻译成存储设备比较合适。 p3:[当一个整数整数存在整数立...
用户评价
我对这本书的期望值原本就比较高，但它还是超出了我的预期。这本书的深度和广度都令人印象深刻。它没有止步于Python的基础语法，而是大胆地将计算科学的核心概念融入其中，比如计算的可行性、效率的权衡，甚至还涉及了一些非常前沿的计算模型探讨。我特别喜欢它讲解递归和迭代那几章，作者用了好几个非常巧妙的类比和图示，把原本抽象的结构一下子变得清晰明了，这比我之前看的任何一本算法书都要有效。而且，这本书的编程练习设计得非常巧妙，它们不是那种机械重复的“打印星号”类型，而是要求你真正思考如何将理论知识转化为可执行的代码。我经常需要暂停下来，思考好几分钟才能找到最佳的解决方案，这种“动脑筋”的过程才是学习真正的价值所在。它似乎在潜移默化中训练你的“计算直觉”，让你在面对新问题时，首先想到的是分解、抽象和流程化，而不是盲目地敲代码。这本书更像是一位经验丰富的导师，在旁边轻声引导你，而不是一个冷冰冰的参考手册。
我最欣赏这本书的一点是它对“为什么”的强调，而非仅仅是“怎么做”。许多编程书籍专注于教会你使用某个工具，但这本书更关注工具背后的原理。它深入探讨了计算的本质，比如什么是可计算的，什么又是不可计算的，这种哲学层面的思考让我对计算机科学有了全新的认识。它让我明白，编程不只是输入指令，更是一种关于逻辑构造和资源约束的艺术。书中关于数值精度和浮点数误差的讨论尤其深刻，这在很多入门书中是被忽略的细节，但对于任何需要进行科学计算的人来说，却是至关重要的。通过这本书的学习，我不再满足于代码能跑起来，我开始思考代码跑得是否“正确”和“高效”。这本导论无疑为我未来的学习，无论是深入算法、系统架构还是数据科学，都奠定了一个非常牢固且富有洞察力的基石。它让我对计算世界充满了敬畏和探索的欲望。
坦白说，这本书的排版和视觉呈现是它最吸引我的地方之一。在技术书籍中，清晰的布局和恰当的留白常常被忽视，但这本《导论》在这方面做得非常出色。代码块的格式化清晰易读，关键概念的字体和加粗使用得恰到好处，确保了阅读体验的连贯性。我过去常常因为阅读体验不佳而放弃一些厚重的技术书籍，但这本书的每一页都让人感觉很“舒服”。更重要的是，作者在讲解复杂概念时，比如涉及到数据结构或者简单的模拟时，会使用彩色的图示来辅助说明，这极大地减轻了大脑处理信息时的负担。我发现自己可以更快地吸收那些原本需要反复阅读才能理解的内容。这本书的语言风格也很有个性，它既保持了学术的严谨性，又不失一种幽默和亲切感，读起来完全没有传统教科书那种枯燥的味道。它成功地将原本可能让人望而却步的计算理论，包装成了一次愉快的探索之旅。
这本书简直是计算思维的绝佳入门！我一直对编程有点畏惧，但这本书用一种非常直观和渐进的方式把我领进了Python的世界。它不仅仅是教你语法，更重要的是培养你用计算机的思维去解决问题的能力。作者似乎深谙初学者的心理，从最基础的概念开始，比如什么是算法，如何分解复杂问题，然后一步步过渡到具体的Python实现。书中的例子非常贴近现实生活，我印象最深的是它用程序模拟天气变化或者处理一些简单的数据集，这让我立刻感受到了编程的实用性。最赞的一点是，它没有堆砌复杂的数学公式，而是用清晰的语言和大量的代码示例来阐述抽象的计算原理。读完前几章，我已经能自信地用Python写出一些解决日常小问题的脚本了，这种成就感是其他纯粹语法书给不了的。这本书的结构安排得极好，读起来非常流畅，每当你觉得快要迷失在技术细节时，它总会适时地提供一个清晰的总结或者一个生动的应用场景来帮你理清思路。对于任何想要系统学习计算科学基础而非仅仅学习一门语言的读者来说，这本书绝对是首选。
如果说这本书有什么“挑战性”，那一定是它对读者主动性的要求。这本书绝不是那种“躺着就能学会”的读物。它假设你愿意投入时间和精力去深入思考每一个例子背后的逻辑。当我尝试完成书后面章节的综合项目时，我发现我必须回过头去复习前面关于模块化和函数式编程的思想。这其实是一种非常好的学习反馈机制——它能立刻告诉你知识的薄弱环节在哪里。书中提供的“进一步探索”环节尤其精彩，它们往往指向了更深层次的计算领域，比如并行计算或者机器学习的基础，这为我后续的学习指明了方向。这本书的价值在于它建立了一个坚实的基础框架，在这个框架之上，你可以自由地扩展到任何感兴趣的计算领域。对于那些已经掌握了基础语法，但希望提升自己“计算素养”的进阶初学者来说，这本书能提供一个完美的桥梁，让你从“代码编写者”真正成长为“问题解决者”。
Love so much
MIT CS 6.00 textbook http://v.163.com/special/opencourse/bianchengdaolun.html 大一要是『选修』了这么课估计现在就是另外一番模样了，可惜我是刚毕业...
先去codecademy把python的部分刷一遍，再把本书前半部分的代码读一遍，大致就算入了个门吧。后半本书看不明白了，也许我是个智障？
MIT CS 6.00 textbook http://v.163.com/special/opencourse/bianchengdaolun.html 大一要是『选修』了这么课估计现在就是另外一番模样了，可惜我是刚毕业...
Love so much
