我要读的书籍

本列表用来维护一个好的书籍，这些书籍是自己要读，想读，将来会读。

一：编程，技术类
Title:《Pragmatic Thinking And Learning》
Comment: 还在为自己没有没有创意[size=medium][/size][color=blue][/color]而烦恼吗？还在为如果高效学习而不知所措吗？读这本书你就会找到答案
Date:2010-12-10 读过第一章
Title ：《Practical Arti?cial Intelligence With Java》
Comment ： 理论是理论，看了理论却不知道怎么编程？苦恼？这本书用Java语言来实现ML的一些算法。
Date：还没有看，希望能尽快看。
Title:《How to solve it》《如何解题》
Comment:这本书主要是把计算机的所有算法又重新诠释了一遍，可以精读一下。
Date：2010-12-01 读了3章
Title ：《编程挑战Programming challenge》
Comment：这是一本ACM的书，里面的题目很具有挑战性
Date： 算法的书，题目以后有时间就会做。
二：生活，陶冶情操类
Title: 《南怀瑾选集》
comment:南怀瑾老师是一代国学大师，读他的作品可以让你更好的看待生活，提高自身境界。
Date： 还没有读过。
Title : 《了凡四训》
Comment : 修身养性，提高境界。
Date:2010-12-05 读过第二篇。

Title :《机器学习》
Comment：机器学习是一个前景十分广阔的领域，有了它，爬山、滑雪、游泳再也不怕了！
Date：有时间就看看！

三：人生，看电影读人生类
Movie：《了凡四训电影版》
Comment：净空法师根据了凡四训拍摄，顿悟人生。
Date：2010-12-25号周六看此电影。
Title :
Comment:
Date: Title :
Comment:
Date:
要读的书
1 数据挖掘 Java
2 搜索引擎 算法
3 设计模式
4 人工智能
5 Linux

补充一些机器学习和web 挖掘的书籍，从网上看到推荐的：
1. 《Programming Collective Intelligence》，近年出的入门好书，培养兴趣是最重要的一环，一上来看大部头很容易被吓走的:P

2. Peter Norvig 的《AI, Modern Approach 2nd》（无争议的领域经典）。

3. 《The Elements of Statistical Learning》，数学性比较强，可以做参考了。

4. 《Foundations of Statistical Natural Language Processing》，自然语言处理领域公认经典。

5. 《Data Mining, Concepts and Techniques》，华裔科学家写的书，相当深入浅出。

6. 《Managing Gigabytes》，信息检索好书。

7. 《Information Theory：Inference and Learning Algorithms》，参考书吧，比较深。

8、《Machine Learning, Tom Michell》, 1997.
老书，牛人。现在看来内容并不算深，很多章节有点到为止的感觉，但是很适合新手（当然，不能"新"到连算法和概率都不知道）入门。比如决策树部分就很精彩，并且这几年没有特别大的进展，所以并不过时。另外，这本书算是对97年前数十年机器学习工作的大综述，参考文献列表极有价值。国内有翻译和影印版，不知道绝版否。

9、《Modern Information Retrieval, Ricardo Baeza-Yates et al》. 1999
老书，牛人。貌似第一本完整讲述IR的书。可惜IR这些年进展迅猛，这本书略有些过时了。翻翻做参考还是不错的。另外，Ricardo同学现在是Yahoo Research for Europe and Latin Ameria的头头。

10、《Pattern Classification (2ed)》, Richard O. Duda, Peter E. Hart, David G. Stork 大约也是01年左右的大块头，有影印版，彩色。没读完，但如果想深入学习ML和IR，前三章（介绍，贝叶斯学习，线性分类器）必修。 还有些经典与我只有一面之缘，没有资格评价。另外还有两本小册子，论文集性质的，倒是讲到了了不少前沿和细节，诸如索引如何压缩之类。可惜忘了名字，又被我压在箱底，下次搬家前怕是难见天日了。

11、《Mining the Web - Discovering Knowledge from Hypertext Data》
12、说一本名气很大的书：《Data Mining: Practical Machine Learning Tools and Techniques》。Weka 的作者写的。可惜内容一般。理论部分太单薄，而实践部分也很脱离实际。DM的入门书已经不少，这一本应该可以不看了。如果要学习了解 Weka ，看文档就好。第二版已经出了，没读过，不清楚。
13、《Introduction to Information Retrieval》，这书刚刚正式出版，内容当然up to date。另外信息检索第一大牛Croft老爷也正在写教科书，应该很快就要面世了。据说是非常pratical的一本书
14、《Pattern Recognition and Machine Learning》. 没有影印的，但是网上能下到。经典中的经典。Pattern Classification 和这本书是两本必读之书。《Pattern Recognition and Machine Learning》是很新（07年），深入浅出，手不释卷。