吴军：学者，投资人，人工智能、语音识别和互联网搜索专家。毕业于清华大学和美国约翰·霍普金斯大学，现任丰元资本创始合伙人、上海交通大学客座教授、约翰·霍普金斯大学工学院董事等职。 

吴军博士曾作为资深研究员和副总裁分别任职于Google 公司和腾讯公司。在Google公司，他和同事一同开创了搜索反作弊研究领域，成立了中、日、韩文产品部门，设计了Google 中、日、韩文搜索算法，领导了Google自然语言处理和自动问答等研究型项目，拥有近20项美国发明专利。在腾讯公司，他负责了搜索、搜索广告和街景地图等项目。作为风险投资人，他成功地投资了150家硅谷和中国的高科技企业。吴军博士对科技产业有深入的研究，是当今硅谷地区解读 IT 产业的专家。 

吴军博士著有《数学之美》《浪潮之巅》《大学之路》《文明之光》《智能时代》《见识》《态度》《全球科技通史》和《信息传》等多部畅销书，并多次获得包括文津图书奖、中国好书奖、中华优秀出版物奖在内的图书大奖。

对计算机科学的掌握程度，决定了一个计算机行业从业者能走多远。在本书中，作者将人文历史与计算机科学相结合，通过一些具体的例题，分10个主题系统地讲解了计算机科学的精髓。这些例题是作者面试求职者时用到的考题，或是头部计算机公司和金融企业的面试题。 

作者在书中结合自己对计算机工程师的五级分级标准，详细讲解了每类题目不同层次的解决方法、不同水平的人大约能思考到什么样的深度，深度阐述题目背后的计算机科学精髓。通过对比优化解题思路，读者不仅可以衡量自己的水平，在职业的发展道路上走得更快，更可以深刻理解并掌握计算机科学和计算思维，逐渐把握计算机科学这门艺术，获得重复性成功。 

对于所有有志于了解或学习科技，特别是计算机科学的人来讲，本书不仅有助于了解计算机科学，更有助于了解 IT 产业的技术特点、培养一些特殊的思维方式、掌握信息时代特殊的做事方法，通过具体的例子，从“术”的层面获得“道”的层面的提升。

为了系统地讲解计算机与算法的精髓，提高计算机从业人员的科学品位，吴军博士最近写了一本新书《计算之魂》。这本书的重点是讲算法，但不同于一般的算法教科书和科普著作，它是一部通过算法例题来阐述计算思维之妙的大作。有上进心的工程师如能花时间用心研读并争取“吃透”这本书，并做完书中的思考题，相信一定会受益终身。

--李国杰 中国工程院院士

有了对计算机科学本质的认识，一个计算机专业的学生，通过一段时间的刻意练习和经验积累，就有可能成为计算机领域的专家。而练习则需要讲究方式方法，《计算之魂》就为广大的计算机行业从业者提供了许多提升能力的有效方法。这些方法来自于作者在计算机领域多年的从业经验。相信《计算之魂》这本书能够帮助广大读者朋友在计算机领域更上一层楼，使个人取得更大的成就，并为社会做出更大的贡献。

--郑纬民 中国工程院院士

建议所有计算机从业者都读一读吴军博士的《计算之魂》和《浪潮之巅》。前者可以提升我们对问题本质的认知，后者能够帮助我们建立对科技和产业变迁大图景的认知。这两种认知能力一定能让我们受益终身。

--宿华 快手联合创始人、董事长

吴军博士是最有影响力的计算机专家之一，他影响了包括我在内的很多年轻人。他的新书《计算之魂》通过具体的例题阐明了计算机与算法的精髓，把计算思维的本质内涵讲透了。

--陈磊  拼多duo联合创始人、董事长

引子 计算的本质-从机械到电子 

0.1　什么是计算机

0.2　机械计算机、布尔代数和开关电路

0.3　图灵机：计算的本质是机械运动

0.4　人工智能的极限

第　1 章 毫厘千里之差-大 O 概念

1.1　算法的规范化和量化度量

1.2　大数和数量级的概念

1.3　怎样寻找最好的算法

1.4　关于排序的讨论

第　2 章 逆向思考-从递推到递归

2.1　递归：计算思维的核心

2.2　遍历：递归思想的典型应用

2.3　堆栈和队列：遍历的数据结构

2.4　嵌套：自然语言的结构特征

第　3 章 万物皆编码-抽象与表示

3.1　人和计算机对信息编码的差异

3.2　分割黄金问题和小白鼠试验问题

3.3　数据的表示、精度和范围

3.4　非线性编码和增量编码（差分编码）

3.5　哈夫曼编码

3.6　矩阵的有效表示

第　4 章 智能的本质-分类与组合

4.1　这是选择分类问题

4.2　组织信息：集合与判定

4.3　B+ 树、B* 树：数据库中的数据组织方式

4.4　卡特兰数

第　5 章 工具与算法-图论及应用

5.1　图的本质：点与线

5.2　图的访问：遍历和连通性

5.3　构建网络爬虫的工程问题

5.4　动态规划：寻找最短路径的有效方法

5.5　最大流量：解决交通问题的方法

5.6　最大配对：流量问题的扩展

第　6 章 化繁为简-分治思想及应用

6.1　分治：从O(N2) 到O(N log N)

6.2　分割算法：快速排序和中值问题

6.3　并行初探：矩阵相乘和 MapReduce

6.4　从机器学习到深度学习：Google 大脑

第　7 章 权衡时空-理解存储

7.1　访问：顺序 vs. 随机

7.2　层次：容量 vs. 速度

7.3　索引：地址 vs. 内容

第　8 章 并行与串行-流水线和分布式计算

8.1　流水线：逻辑串行和物理并行

8.2　摩尔定律的两条分水岭

8.3　云计算揭密：GFS 和 MapReduce

第　9 章 状态与流程-等价性与因果关系

9.1　从问题到状态

9.2　等价性：抽象出状态的工具

9.3　因果关系：建立状态之间的联系

第　10 章 确定与随机-概率算法及应用

10.1　信息指纹：寓确定于随机之中

10.2　随机性和量子通信

10.3　置信度：成本与效果的平衡

第　11 章 理论与实战-典型难题精解

11.1　最长连续子序列问题

11.2　区间合并问题

11.3　12 球问题

11.4　天际线问题

11.5　最长回文问题（Longest Palindrome Match）

11.6　计算器问题

11.7　如何产生搜索结果的摘要（Snippets Generation）

11.8　寻找和等于k 的子数组问题

索引