2021书单总结

看了下时间，上次在CSDN上写博客是还是在年初，转眼都快一年过去了....，今年大部分时间都在极客专栏和Medium中阅读相关的专栏，进一步夯实计算机基础知识，此外还有各领域相关的算法&大数据应用方面的，以及一些其他思维认知读物等，在这里做个书单总结，一些比较好的，会安利一波....

        首先，我将书单分为4类，分别为：专业技术、行业总结、思维认知、其他读物，并附上推荐指数。

分类	书名	推荐指数
专业技术	操作系统导论	* * * * *
	Effective Python	* * * * *
	Architecture Patterns with Python	* * * * *
	编写整洁的 Python	* * * * *
	Pytorch 深度学习	* * * *
	图表示学习	* * *
	计算广告	* * * * *
	软件架构设计	* * * *
	AutoML	* * * * *
	集体智慧编程	* * * *
	数据中台	* * * * *
	算法与数据中台	* * * * *
	阿里云天池大赛赛题解析	* * * * *
行业总结	这就是软件工程师	* * * *
	供应链金融	* * * * *
	SAAS商业实战	* * * * *
	商业数据分析	* * * * *
	AI未来	* * * * *
	新零售：《低价高效的数据赋能之路》	* * * *
	互联网思维	* * * *
思维认知	认知红利	* * * * *
	跃迁	* * * * *
	拆掉思维里的墙	* * * * *
	金字塔原理	* * * * *
其他读物	人间值得	* * * * *
	人生由我	* * * * *
	平均分	* * * *
	邓小平时代	* * * * *
	亲爱的安德烈	* * * * *
	世界是红的	* * * *
	创业在路上	* * *
	简明美国史	* * * *

考虑到行业所属不同，行业总结类的书籍可能没有参考价值，因此这里推荐书籍只列出专业类的数据推荐清单，供于参考.

1：《操作系统导论》 推荐指数  * * * * *

        这本书主要围绕虚拟化、并发和持久化展开介绍，并且包括现代系统的主要组件，文风诙谐幽默，由浅入深。在实际工作中，虽然工作中，绝大多数岗位并非需要涉及这些底层计算机知识，但掌握这些操作系统知识，无疑会加深我们对计算机的理解，也许真的某一天遇到特定的问题，相信会更加游刃有余的处理。

2：《Effective Python》 推荐指数  * * * * *

        如果用一句话总结这本书，那就是：用Pythonic的方式来思考，主要是关于Python的细节用法方面，书本中强调代码规范性和简洁性，书中处理问题采用的方法，经常会有种眼前一亮的感觉，如类与对象行为，元类和动态属性等，此外，书中还讲到程序性能的调试与优化方案。整本书读完最大的感受就是：能写成Class就尽量别写成function，看自己的之前写的程序，又臭又长（打脸....）

3：《Architecture Patterns with Python》 推荐指数  * * * * *        

        这本书是关于python软件架构方面的，里面涉及到很多实战的案例，主要讲述利用Python实现驱动设计及架构，涉及到的技术概念比较多。这本书对于提升认知挺好的，后续还得再拜读一遍。

4：《编写整洁的 Python》 推荐指数  * * * * *

        这本书与《Effective Python》有点异曲同工之美，关于注重细节实现的整洁。如果工作中，团队有Code Review制度的话，这本书值得入手！

5：《Pytorch 深度学习》 推荐指数  * * * *

        之前再用深度学习做时空预测，看到的paper和拉取的github都是基于Potorch 实现的，当时看这本书的目的是作为技术手册，这本书总体感觉基础内容较多，讲解的比较全面，适合Pytorch入门。

6：《图表示学习》 推荐指数  * * * 

        这本书的翻译一言难尽，还不如直接读paper，看了一半放弃了，直接去看公开课了，无奈推荐指数只给它3分....

7：《计算广告》 推荐指数  * * * * *

        互联网广告方面的话题，非专业领域可以作为延伸阅读，了解计算广告有效性原理和算法实现细节，如点击率预测等，实现思路可以借鉴，可以用来处理稀疏数据等，其他还涉及到大数据组件的利用，如离线特征和实时特征处理存储等。

8：《软件架构设计》 推荐指数  * * * * *

        架构涉及到本质，是对问题域空间的反复演绎和抽象归纳方法，核心的高可用、稳定性、可拓展性是绕不开的话题。书中的重点内容列举了大量的案例和图片，便于理解，对于工程师的成长有一定的借鉴作用。

9：《AutoML》 推荐指数  * * * * *

        Frank & Hutter 编写的，可能是翻译的原因吧，读起来有点不习惯，但总体而言，讲解的比较详细，介绍了各种可用的AutoML系统，书中还介绍了利用AutoML实现的数据挑战赛等案例。可以作为理念参考，从而设计自己的AutoML系统

10：《集体智慧编程》 推荐指数  * * * * 

        这本书是以机器学习与计算统计为主题，讲述Web数据如何挖掘和分析，感觉讲解的比较宽泛，不够细致，更适合Web开发者和架构师。

11：《数据中台》 推荐指数  * * * * 

        这本书系统全面的讲解了数据中台的搭建和管理方面，读起来感觉主要是方法论方面的建设，结合所在部门已有技术栈及业务，值得借鉴和参考。

12：《算法与数据中台》 推荐指数  * * * * 

        这本书结合一流互联网公司实际案例，从算法和数据技术方案，介绍了中台的建设，这本书结合了机器学习&深度学习，以及分布式大数据方面的知识，一方面，中台的建设经验值得借鉴，另一方面也可以加深对上述技术的理解和应用。

13：《阿里云天池大赛赛题解析》 推荐指数  * * * * 

        买这本书的目的，是为了借鉴特征工程处理思路的（手动狗头...），很多数据处理、特征衍生逻辑可以借鉴、复制，书中还详细介绍了代码实现细节，可作为日常建模工作中的一份参考手册。