吃 瓜 留 子
創(chuàng)新互聯(lián)堅持“要么做到，要么別承諾”的工作理念，服務(wù)領(lǐng)域包括：做網(wǎng)站、網(wǎng)站建設(shè)、企業(yè)官網(wǎng)、英文網(wǎng)站、手機端網(wǎng)站、網(wǎng)站推廣等服務(wù)，滿足客戶于互聯(lián)網(wǎng)時代的溫州網(wǎng)站設(shè)計、移動媒體設(shè)計的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡(luò)建設(shè)合作伙伴！
諸葛亮不僅能種出好莊稼，而且還有一手種西瓜的好手藝。襄陽一帶曾有這么一個規(guī)矩：進了西瓜園，瓜可吃飽，瓜子不能帶走。傳說這條“規(guī)矩”也是當(dāng)年請葛亮留下來的。
諸葛亮種的西瓜，個大、沙甜、無尾酸。凡來隆中作客和路過的人都要到瓜園飽飽口福。周圍的老農(nóng)來向他學(xué)種瓜的經(jīng)驗，他毫不保留地告訴他們瓜要種在沙土地上，上麻餅或香油腳子。好多人都來問他要西瓜種子，因為以前沒有注意留瓜子，許多人只好掃興而歸。第二年，西瓜又開園了，他在地頭上插了個牌子，上面寫道：“瓜管吃好，瓜子留下。”
諸葛亮把瓜子冼凈、曬干，再分給附近的瓜農(nóng)?，F(xiàn)在，漢水兩岸沙地上的賈家湖、長豐洲、小樊洲的西瓜仍有名氣，個大、皮薄、味沙甜。有些地方還遵守那條“吃瓜留子”的老規(guī)矩。
神機妙算救后代
這件事情的真否無法考證，從記載來看，可能性還是有的。
相傳，諸葛亮在臨死前對后代說：“我死后，你們中的一個將來會遇到殺身大禍。到那時,你們把房拆了，在墻里面有一個紙包，有補救的辦法?！?/p>
諸葛亮死后，司馬0打下天下當(dāng)了皇帝。他得知：朝廷中的一員將軍是諸葛亮的后代，便想治治他。有一天，司馬0找了個借口，把這個將軍定了死罪。在金殿上，司馬0問：“你祖父臨死前說了些什么？”這個將軍就一五一十地把諸葛亮的話說給他聽。司馬0聽后，使命令上兵們把房子拆了，取出紙包。只見紙包里面有封信，上面寫著“遇皇而開”。土兵們把信遞給0，0打開信，只見里面寫道：“訪問后返三步。”0立即站起身退后三步。他剛站穩(wěn)，只聽“咔嚓嚓”一聲響，0龍案上面正對的房頂上，一根玉掉下來。把桌椅砸得粉碎。0嚇得出了一身冷汗。反過來再看信后面寫道，“我救你一命，請你留我后代一命?！笨赐赀@封信，暗暗佩服諸葛亮的神機妙算。后來．他把那個將軍官復(fù)原職
諸葛亮的八卦衣
在戲劇和圖面中，諸葛亮都是身披八卦衣，運籌帷幄，決勝千里的姿態(tài)。據(jù)民間傳說諸葛亮的八卦衣是他勤奮好學(xué)，師母所賞賜。
諸葛亮少年時代,從學(xué)于水鏡先生司馬徽，諸葛亮學(xué)習(xí)刻苦，勤于用腦，不但司馬德操賞識，連司馬的妻子對他也很器重，都喜歡這個勤奮好學(xué)，善于用腦子的少年。那時，還沒有鐘表，記時用日晷，遇到陰雨天沒有太陽。時間就不好掌握了。為了記時，司馬徽訓(xùn)練公雞按時鳴叫，辦法就是定時喂食。諸葛亮天資聰穎，司馬先生講的東西，他一聽便會，不解求知饑渴。為了學(xué)到更多的東西，他想讓先生把講課的時間延長一些，但先生總是以雞鳴叫為準(zhǔn)，于是諸葛亮想：若把公雞嗚叫的時間延長，先生講課的時間也就延長了。于是他上學(xué)時就帶些糧食裝在口袋里，估計雞快叫的時候，就喂它一點糧食，雞一吃飽就不叫了。
過了一些時候，司馬先生感到奇怪，為什么雞不按時叫了呢?經(jīng)過細心觀察，發(fā)現(xiàn)諸葛亮在雞快叫時給雞喂食。司馬先生在上課時，就問學(xué)生，雞為什么不按時叫鳴?其他學(xué)生都摸不著頭腦。諸葛亮心里明白，可他是個誠實的人，就如實地把雞快叫的時候喂食來延長老師授課時間的事如實報告了司馬先生。司馬先生很生氣，當(dāng)場就把他的書燒了，不讓他繼續(xù)讀書了。諸葛亮求學(xué)心切，不能讀書怎么得了，可又不能硬來，便去求司馬夫人。司馬夫聽了請葛亮喂雞求學(xué)遭罰之事深表同情，就向司馬先生說情。司馬先生說：“小小年紀．不在功課上用功夫，倒使心術(shù)欺蒙老師。這是心術(shù)不正，此人不可大就?！彼抉R夫人反復(fù)替諸葛亮說情，說他小小年紀，雖使了點心眼，但總是為了多學(xué)點東西，并沒有他圖。司馬先生聽后覺得有理，便同意諸葛亮繼續(xù)讀書。
司馬先生盛怒之下燒了諸葛亮的書，后經(jīng)夫人勸解，又同意諸葛亮來繼續(xù)讀書?？蓻]有書怎么讀呢?夫人對司馬先生說：“你有一千年神龜背殼，傳說披在身上，能使人上知千年往事，下曉五百年未來．不妨讓諸葛亮一試．如果靈驗，要書作甚?”司馬先生想到把書已燒了，也只好按夫人說的辦。
諸葛亮將師母送的神龜背殼往身上一披，即成了他的終身服飾——八卦衣，昔日所學(xué)，歷歷在目，先生未講之道，也能明白幾分。
諸葛亮的鵝毛扇
諸葛亮的鵝毛扇代表著智慧和才干，所以在有關(guān)諸葛亮的戲曲中，孔明總是手拿鵝毛扇。
關(guān)于鵝毛扇，民間流傳著這樣的故事，黃承彥的千金小姐黃月英并非丑陋，而是一個非常聰明美麗、才華出眾的姑娘。黃承彥怕有為的青年有眼不識荊山玉，故稱千金為“阿丑”。阿丑黃月英不僅筆下滔滔，而且武藝超群，她曾就學(xué)于名師。藝成下山時，師傅贈送她鵝毛扇一把，上書“明”、“亮”二字。二字中還密密麻麻地藏著攻城略地、治國安邦的計策。并囑咐她，姓名中有明亮二字者，即是你的如意郎君。后來黃承彥的乘龍快婿，就是吟嘯待時、未出隆中便知天下三分的名字中有“明”、“亮”二字的未來蜀國丞相諸葛亮。結(jié)婚時，黃月英便將鵝毛扇作為禮物贈給諸葛亮?？酌鲗Z毛扇愛如掌上明珠，形影不離。他這樣作不僅表達了他們夫妻間真摯不渝的愛情，更主要的是熟練并運用扇上的謀略。所以不管春夏秋冬，總是手不離扇。
清朝康熙年間，襄陽觀察使趙宏恩在《諸葛草廬詩》中寫道：“扇搖戰(zhàn)月三分鼎，石黯陰云八陣圖”，就足以證明諸葛亮手執(zhí)鵝毛扇的功用以及他手不離扇的原因。
入門選擇哪門語言最好
推薦學(xué)習(xí)Java，Java相對于C語言來說更加的簡單，包含的內(nèi)容更加豐富，而且Java的就業(yè)方向也較廣。
一 · 編程語言及其主要用途
常見的是 C Family （C系列語言），比如：C、Cpp（C++）、C Sharp（C#）、Java、Python、R、JavaScript、Objective-C、Swift、Go、Kotlin 等等。然后有很多腳本語言，Python 也在其內(nèi)，比如：Ruby、Perl 等。
光說名字意義不大，所以舉幾個例子。
C 常用于單片機開發(fā)和一些接底層硬件的操作使用；
C++ 是 C 的超集，因為直接支持了面向?qū)ο笏愿嘤糜谟螒颉D像開發(fā)方面；
C# 是微軟為了把 Java 人才引入 Windows 平臺設(shè)計的語言，和 Java 語法幾乎一致，目前多用于服務(wù)器后端開發(fā)和 Unity 3D 的游戲開發(fā)，也有人會用這個做很多 windows 平臺下的軟件插件甚至常說的軟件外掛（外掛其實嚴格說就是插件，但大陸地區(qū)已經(jīng)有更深層的意義了，所以兩者并列舉例出來）；
Java 是目前最流行的服務(wù)器后端開發(fā)語言和 Android 開發(fā)語言，因為有大量框架和工具包的支持，Java 語言的運行速度已經(jīng)不能阻擋 Java 成為服務(wù)器開發(fā)的首選語言。至于是什么服務(wù)器后端開發(fā)，題主學(xué)了 JavaEE 自然便知，通俗舉例來說可以 yy 一下：我寫了這篇答案，答案存在哪里呢？肯定是在知乎那邊！至于怎么存、怎么取，都是后端開發(fā)需要設(shè)計的問題了。Java 也曾一度是 Android 的首選語言（雖然目前 Kotlin 的影響很多人轉(zhuǎn)戰(zhàn) Kotlin 去了），負責(zé) Android 頂層的 APP 層開發(fā)。
Python 是目前機器學(xué)習(xí)最流行的語言，也可以做服務(wù)器開發(fā)，有堪比 Java Spring 框架的 Django 作為支持。更多的人會使用 Python 作為機器學(xué)習(xí)、深度學(xué)習(xí)的首選語言，因為 Python?語法的簡潔和類似數(shù)學(xué)式表達的規(guī)范，當(dāng)然還是因為包多，很多學(xué)者科學(xué)家都會使用 Python 做科學(xué)研究。
R 語言作用類似 Python，常用于工程方面。還有一門語言是 Matlab，其實稱之為語言是不恰當(dāng)?shù)?，因為這是一個軟件，脫離了軟件就無法生存，遠不是編譯器那么簡單的結(jié)構(gòu)了。MatLab 匯集了太多的工具，便于科學(xué)從業(yè)人員快速分析數(shù)據(jù)，寫出優(yōu)良的程序，這種程序語言通常也稱之為 Matlab；
JavaScript 是前端開發(fā)首選語言，在使用 HTML + CSS 模式繪制出頁面圖像后，通常都會使用 JS （JavaScript）來寫交互、動畫、請求、視圖內(nèi)容更新這些操作，這門語言是函數(shù)式也是面向?qū)ο蟮恼Z言，靈活度極高，但有了 C Family 任何一門語言的基礎(chǔ)就很容易學(xué)；
Objective-C 是蘋果（Apple.Inc）開發(fā)的一門為 mac 和 iPhone 設(shè)備開發(fā)程序的語言，和 C++ 類似，也是 C 的超集，也是面向?qū)ο?。但由于其太過于面向?qū)ο罅耍ɑ谙⒌膫鬟f數(shù)據(jù)機制）導(dǎo)致很不 C Family，所以對 C 系列人員上手難度偏大，比較冷門。但后來 iPhone 的崛起，導(dǎo)致該語言又一度熱議起來；
Swift 是蘋果最新發(fā)明的一門函數(shù)式編程語言，和 OC（Objective-C）的目的一樣，為蘋果設(shè)備而生，但蘋果也提倡用該語言做工程方面的擴展，比如蘋果會在宣傳的時候拿它和 Python 對比。為了兼容 OC 的所有工具包，避免該語言的冷門，創(chuàng)造了 bridge 作為兩個語言直接的橋梁，解決了語言兼容問題；
Go 語言是 Google 開發(fā)的一門函數(shù)式語言，特點是能解決大規(guī)模的高并發(fā)問題，天然支持多線程使得該語言一出來就廣受關(guān)注。目前多用于機器學(xué)習(xí)和一些 Google 自己產(chǎn)品的開發(fā)以及后端服務(wù)器開發(fā)；
Kotlin 是大家常用的 IDEA 開發(fā)工具的開發(fā)商 Jetbrains 發(fā)明的函數(shù)式語言，這門語言是基于 JVM 進行設(shè)計的，比較完美地兼容了 Java 語言，所以前后端開發(fā)都可以使用該語言替代 Java，不確切統(tǒng)計是可以用比 Java 少一半的代碼量完成同樣的功能并擁有同樣的運行效率。類似的 JVM 語言也有 Scale，但比較元老了，兼容力度不大所以也開始廣受詬??；
Ruby 和 Perl 這些是典型的腳本語言，Ruby 多用于各個語言的粘合劑，Perl 是 Linux 下最常用的腳本語言，文本處理能力極強。
二 · 如何自學(xué)
這個問題其實答案很多，就像問一個人「如何才能提高分數(shù)」一樣，是個「上帝問題」。我來簡單解釋一下什么是「上帝問題」：一個問題條件不充分，導(dǎo)致問題答案變數(shù)太大甚至可以出現(xiàn)毫無任何限制的答案，這類答案往往無意義或者意義不大，稱之為「上帝問題」。
所以這個問題是沒有好的答案的。
于是我便假設(shè)題主問題是：「一個時間充足、智力正常、周圍電子設(shè)備允許、自律能力可以、、、等等的男生該如何自學(xué)達到學(xué)會某一門語言的目標(biāo)？」
這樣的話我們探討起來可能會容易很多。
來個老套路吧，其實真的自律可以什么套路都行，自律不行，說什么都是廢話。以下不是捷徑，是遠方：
通過視頻入門（視頻擁有大量的聲音、圖像、文字以及講師不經(jīng)意的犯錯引發(fā)的笑點），視頻和書不一樣，視頻是容納了很多錯誤的，這些錯誤都是編程中可能會犯的，比如講師少打了一個分號，變量名字寫錯了等等等等，這些在書本里面是看不到的，視頻帶給你的信息量遠大于書本。
通過書本扎實思考，書本還是得看，必須得看，書是代表系統(tǒng)的、完備的，書總是一章一節(jié)地講，不會錯一個字地講，很多東西就得從書里找，視頻老師可能會講漏，但書漏了第二版本還可以修訂。至于怎么選好書，三步篩選：是否有第二版（或者第三四五... 版本）、豆瓣評價、實地摸（怎么說都不如自己去摸一摸，試試就知道適不適合自己了）
以一本書為主，其余書為輔，不出數(shù)月即可見效。
然后練習(xí)項目，此時你已經(jīng)有了一定的基礎(chǔ)了，而且在學(xué)習(xí)過程中肯定也是不斷地碼代碼練習(xí)小項目小題目。此時你需要更多的時間去做更大的項目，通常很多雜牌書后面都會附一兩個項目實戰(zhàn)，可以試試手。項目必須練，這會讓你成為和以前不同的兩個人。
學(xué)習(xí)java，就來北京尚學(xué)堂
《軟件故事》（[美] 史蒂夫·洛爾）電子書網(wǎng)盤下載免費在線閱讀
資源鏈接：
鏈接：
密碼：g82l ?
書名：軟件故事
作者：[美] 史蒂夫·洛爾
譯者：張沛玄
豆瓣評分：7.2
出版社：人民郵電出版社
出版年份：2014-7
頁數(shù)：259
內(nèi)容簡介：
“本書語言流暢細膩，讀起來如沐春風(fēng)。它猶如一部波瀾壯闊的計算機史詩，講述了軟件革命的恢弘歷史，以及中流砥柱們的光輝事跡。故事并不是斷斷續(xù)續(xù)的，因為作者采用了微型傳記的形式……他把歷史寫成了優(yōu)美的散文，生動迷人又嚴謹有度。”
——David Gelernter，《紐約時報》
“這是一本給人啟迪的著作，完美地展現(xiàn)了想象力的巨大力量。如果你想象得到，并把它編成代碼，那么一定能夠改變世界！”
——Boston Sunday Globe
“本書把難懂的技術(shù)概念講解得通俗易懂。對于那些對計算機內(nèi)在結(jié)構(gòu)好奇的人，這是一本能讓其豁然開朗的好書。計算機科學(xué)界的前輩John McCarthy曾向作者抱怨過新聞記者的無知，本書就是作者對此作出的回應(yīng)……與計算機行業(yè)相關(guān)的所有新聞記者都應(yīng)該讀一讀這本書?！?/p>
——《紐約時報書評》
“這不是一本通常意義上的書，而是一部史詩。它講述的不是技術(shù)，而是那些設(shè)計編程語言和計算機軟件的名人的故事……本書內(nèi)容清晰易懂，簡明扼要。軟件工程讓程序員不需要材料和工具也能有所創(chuàng)造，他們?yōu)榇伺d奮不已。他們能夠憑空創(chuàng)造新的事物，唯一的限制就是自己的想象力?！?/p>
——《國際先驅(qū)論壇報》
“如果本書作者是一名程序員，那么他寫的代碼一定清晰有序，不需要復(fù)雜的結(jié)構(gòu)或者奇怪的快捷方式就能跳轉(zhuǎn)到正確的子程序上；他的寫作風(fēng)格也是如此。本書化繁為簡，讓讀者與數(shù)學(xué)專家、橋牌高手、象棋大師、特立獨行的科學(xué)家、批判傳統(tǒng)觀念的人，以及掀起軟件革命的程序員們進行了一次愉悅的會面。”
——《新聞周刊》
“本書展現(xiàn)了技術(shù)締造者們面對的挑戰(zhàn)，是本曠世杰作?！?/p>
——《自然》周刊
聆聽軟件行業(yè)發(fā)展的精彩故事
領(lǐng)悟軟件巨擘的深邃思想
放飛想象力，通過編碼改變世界
Steve Lohr（作者）《紐約時報》高級作家和技術(shù)通訊記者，U .S. v. Microsoft一書合著者，現(xiàn)居住于紐約。
張沛玄（譯者）1992年畢業(yè)于北京理工大學(xué)飛行器工程系固體火箭發(fā)動機專業(yè)，獲得工學(xué)學(xué)士學(xué)位。2001年重回母校管理與經(jīng)濟學(xué)院就讀，2004年畢業(yè)并獲工商管理碩士學(xué)位。早年他曾從事軟件開發(fā)，擔(dān)任IT公司高級管理工作多年。
作者簡介：
Steve Lohr，《紐約時報》高級作家和技術(shù)通訊記者，U .S. v. Microsoft一書合著者，現(xiàn)居住于紐約。
如何選書
選擇一本合適的數(shù)據(jù)科學(xué)書至關(guān)重要，一本不適合的書會浪費你的時間以及精力。
有時候，書的大綱可能正合你意。但是隨著你深入閱讀時，可能會發(fā)現(xiàn)作者只觸及了表面，并不夠深入。這種情況之前也發(fā)在我的身上，我寫這篇文章就是為了讓你避免這種情況。
當(dāng)我們選擇數(shù)據(jù)科學(xué)相關(guān)書籍時，可以考錄一下幾點：
· 看作者的個人簡介：能夠幫助了解作者的背景，他的研究和主要興趣，同時也展現(xiàn)了本書的一些細節(jié)。但也要給新的作者機會，不要把這一點作為關(guān)鍵。
· 仔細閱讀序言：大部分圖書在網(wǎng)上都能免費閱讀其序言部分。請仔細閱讀該部分。大多數(shù)情況下，在此部分作者不僅會介紹寫書背景，也會闡述各章節(jié)的細節(jié)。
· 選擇有獨立章節(jié)的書：這是我的個人喜好，比較一本技術(shù)型的書不是小說。雖然從書中由易到難、逐步學(xué)習(xí)很重要，但選擇一本或多或少帶有獨立章節(jié)的書能讓你結(jié)構(gòu)性的把握此書。
· 去書店逛逛：雖然如今可以在網(wǎng)上找到所有的東西，但是在書店可以給你更直觀的感受。有時候，當(dāng)瀏覽一本書的關(guān)鍵章節(jié)時，我可能會改變主意，去選擇另一本書。
· 閱讀在線評論：首先不要相信所有評論，畢竟評論是主觀的，但在線評論可以了解人們對此書的普遍看法。我們常說：不要以一本書的封面來判斷其好壞。亞馬遜的評論值得參考，人們會對作者做出有見地的評論和批評。
感興趣的書籍
數(shù)據(jù)科學(xué)有很多好書，在本文末尾，我列出了39本我所讀過的數(shù)據(jù)分析書籍。如果列表中沒有涵蓋你認為優(yōu)質(zhì)的書，請給我留言。
詳細的回顧
一次回顧一堆書是一個艱巨的任務(wù)。將所有這些書放在一起的原因是，我認為概念和理論上有一些重疊的部分，其中最具挑戰(zhàn)是大部分時間它們都是以不同的詞匯呈現(xiàn)和闡述的。以下是我列出的，在閱讀數(shù)據(jù)科學(xué)書之前值得一看的理想書籍清單。記住，你永遠不會從一本書中獲得足夠的知識，因為科學(xué)領(lǐng)域是非常復(fù)雜的，一本書是遠遠不夠的。
在下文中，我根據(jù)每個標(biāo)準(zhǔn)選擇了這些書籍中的前5名。
書籍長度（頁數(shù)）
一本書的長度確實取決于所探討的內(nèi)容。雖然這不是對質(zhì)量的衡量標(biāo)準(zhǔn)，但我們可以假設(shè)你閱讀的內(nèi)容越多，所獲得的知識就越多。以下是我根據(jù)書籍中探討的內(nèi)容多少排名前5名的書籍。
The Elements of Statistical Learning
Trevor Hastie and Robert Tibshirani
Python in a Nutshell: A Desktop Quick Reference
Alex Martelli, Anna Ravenscroft, Steve Holden
Data Structures and Algorithms in Python
Michael T. Goodrich and Roberto Tamassia
Doing Data Science
Cathy O’Neil and Rachel Schutt
Python Machine Learning
Sebastian Raschka
寫作風(fēng)格
對科學(xué)領(lǐng)域進行闡述很有挑戰(zhàn)性，不能讓每個人都滿意，這取決于目標(biāo)受眾。有些作者有這方面的天賦，能夠以簡單明了的方式傳達復(fù)雜的概念。同樣，通過巧妙的結(jié)構(gòu)和良好的學(xué)習(xí)方式解釋概念，有助于學(xué)習(xí)。以下是寫作風(fēng)格方面前5名的書籍。
The Elements of Statistical Learning
Trevor Hastie and Robert Tibshirani
Python Machine Learning
Sebastian Raschka
The Art of Data Science
Roger D. Peng, Elizabeth Matsui
Machine Learning: The Art and Science of Algorithms that Make Sense of Data
Peter Flach
Real World Machine Learning
Henrik Brink and Joseph Richards
結(jié)構(gòu)
教授數(shù)據(jù)科學(xué)并非易事，但也沒有那么難，我們只需了解應(yīng)如何構(gòu)建內(nèi)容，從而確保信息被保留。關(guān)于這點有兩個主要的方法。我們可以構(gòu)建獨立的模塊，當(dāng)中的內(nèi)容可以不具備相關(guān)性，但還是屬于數(shù)據(jù)科學(xué)分析流程的內(nèi)容。單獨闡述這些概念不需按照順序。
另一方面，人們可以通過以難度遞增的順序來構(gòu)建內(nèi)容，就像大多數(shù)教學(xué)書籍中一樣。例如關(guān)于回歸，書中以最基本形式的回歸開始，并加以越來越多的變化和最復(fù)雜形式的回歸。以下是結(jié)構(gòu)性排名前五的書籍。
The Elements of Statistical Learning
Trevor Hastie and Robert Tibshirani
Python Machine Learning
Sebastian Raschka
Modern Python CookBook
Steven F. Lott
Docker in Practice
Ian Miell and Aidan Hobson Sayers
Ensemble Methods: Foundations and Algorithms
Zhi-Hua Zhou
內(nèi)容
怎樣就算太過了？從哪兒開始記敘？應(yīng)該涉及什么內(nèi)容，跳過什么內(nèi)容？這些都是寫數(shù)據(jù)科學(xué)相關(guān)書籍是會遇到的問題。一些作者會選擇涵蓋一個非常具體的領(lǐng)域，當(dāng)查看這些作者的學(xué)術(shù)資料時，我們看到他們的研究與著作之間的聯(lián)系。大多數(shù)時候，這些作者寫的不是一般的數(shù)據(jù)科學(xué)書籍，而是他們的研究的一部分。他們的目標(biāo)受眾也比較狹窄。另一方面，一些作者針對數(shù)據(jù)科學(xué)教學(xué)，關(guān)注的是基本的和全局的部分，而不是細節(jié)。這類書籍常常涉及使用R語言或Python的回歸，分類，以及使用模塊進行數(shù)據(jù)分析等等。
通過封面判斷一本書？
大多數(shù)人都說不要這么做。但我不認同這點。我們會用封面來判斷一本書的好壞嗎？我們需要、且必須這么做。當(dāng)然，這里說的不是這本書的外部封面，而是在序言中可以看到的，書第一部的介紹性段落。在這部分，作者大部分都詳細介紹了本書各個章節(jié)的細節(jié)。有時，作者會偏離他們最初對書籍的設(shè)想。這是正常的，這個領(lǐng)域正在快速發(fā)現(xiàn)，觀點也是如此。但是一本好書總能夠遵循其最初的設(shè)想。
解釋的深度
作者在解釋時會深入到哪個程度？我認為這與我在這篇文章中提到的很多觀點有關(guān)。這與內(nèi)容，結(jié)構(gòu)和長度之間存在關(guān)聯(lián)性。解釋的深度能夠區(qū)分好的作者，作者傳達的信息中包含的內(nèi)容，關(guān)系到你能夠吸收知識，特別是那種會在大腦中留存很長時間的知識。因此，作者的技能在這占很重要的角色。因為他們必須掌握內(nèi)容背后的真諦，這使得他們在解釋問題時能夠深入，同時避免讀者脫離本書的大框架。
代碼解釋
代碼很重要，但不是必需的。如果這本書的主要目的是為了解釋特定的方法，算法和方法在后臺如何工作，那么最好的方法是從頭開始重新實現(xiàn)一個算法。盡管很多人會說：“為什么要這么麻煩，我們有對應(yīng)的模塊啊”，那么我只能建議他們換一本書，因為他們選錯書了。重新實現(xiàn)的過程，能夠讓你感受到為了優(yōu)化庫的可擴展性所投入的精力。根據(jù)上下文，一些書只是為了教會你如何使用特定的庫和包，這種書大多時候被稱為cookbook，這類書作者會依賴筆記（分享在GitHub或其他版本控制平臺用于對他們的書進行補充）。通過作者，你會發(fā)現(xiàn)足夠的代碼能夠通過解釋一些聯(lián)系，從而幫助你掌握特定的主題。
The Elements of Statistical Learning
Trevor Hastie and Robert Tibshirani
Python Machine Learning
Sebastian Raschka
Modern Python CookBook
Steven F. Lott
Docker in Practice
Ian Miell and Aidan Hobson Sayers
Ensemble Methods: Foundations and Algorithms
Zhi-Hua Zhou
結(jié)語
這是一個非常主觀的分類，如果你有不同的看法，歡迎給我留言。
附：39本數(shù)據(jù)科學(xué)相關(guān)推薦書籍
Doing Data Science
Cathy O’Neil and Rachel Schutt
Docker in Action
Jeff Nickoloff The Art Of R Programming
Norman Matloff
Introducing Data Science
Davy Cielen and Arno Meysman
Learning Predictive Analytics with Python
Ashish Kumar
Data Structures and Algorithms in Python
Michael T. Goodrich and Roberto Tamassia
Amazon Web Services in Action
Andreas Wittig and Michael Wittig
Spark for Python Developers
Amit Nandi
Machine Learning : A probabilistic perspective
Kevin P. Murphy
Real World Machine Learning
Henrik Brink and Joseph Richards
iPython Interactive Computing and Visualization Cookbook
Cyrille Rossant
Mastering Machine Learning with scikit-learn
Gavin Hackeling
Python Data Science Cookbook
Gopi Subramanian
Building Machine Learning Systems with Python
Willi Richert and Luis Pedro Coelho
Hadoop The Definitive Guide
Tom White
Statistical Learning with Sparsity
Trevor Hastie and Robert Tibshirani
The Elements of Statistical Learning
Trevor Hastie and Robert Tibshirani
Fluent Python
Luciano Ramalho
Thoughtful Machine Learning
Matthew Kirk
Machine Learning with R Cookbook
Yu-Wei, Chiu (David Chiu)
Docker in Practice
Ian Miell and Aidan Hobson Sayers
Data Science and Big Data Analytics
EMC Education Services
Mastering Object-Oriented Python
Steven F. Lott
Machine Learning with Spark
Nick Pentreath
Machine Learning for Hackers
Drew Conway and John Myles White
Data Science for Business
Foster Provost and Tom Fawcett
Developing Analytic Talent
Vincent Granville
Think Python : How to Think Like a Computer Scientist
Allen B. Downey
Python Algorithms
Magnus Lie Hetland
Python Cookbook
David Beazley and Brian K. Jones
Testing Python
David Sale
Programming Collective Intelligence
Toby Segaran
Data Analysis with open source tools
Philipp K. Janert
Python in a Nutshell: A Desktop Quick Reference
Alex Martelli, Anna Ravenscroft, Steve Holden
Python Machine Learning
Sebastian Raschka
The Art of Data Science
Roger D. Peng, Elizabeth Matsui
Machine Learning: The Art and Science of Algorithms that Make Sense of Data
Peter Flach
Modern Python CookBook
Steven F. Lott
Ensemble Methods: Foundations and Algorithms
Zhi-Hua Zhou
原文鏈接：
計算機科學(xué)是一個龐大的學(xué)科體系，在學(xué)習(xí)的過程中要對這個體系的知識都有一定的了解，好看以及推薦一些書籍清單。數(shù)學(xué)，算法和數(shù)據(jù)結(jié)構(gòu)作為計算機科學(xué)的底層學(xué)科對于深入了解計算機運作模式等是必不可少的，深入理解計算機系統(tǒng)（CSAPP），名稱上來看這本書講的是對系統(tǒng)的深入挖掘，然而本書非常適合作為一個入門讀物，在了解計算機前開始閱讀，可以對計算機相關(guān)概念有一個簡要的了解。計算機程序的構(gòu)造和解釋（SICP），本書講的是從數(shù)據(jù)抽象、過程抽象、迭代、高階函數(shù)等編程和控制系統(tǒng)復(fù)雜性的思想，到數(shù)據(jù)結(jié)構(gòu)和算法，到編譯器/解釋器、編程語言設(shè)計。算法導(dǎo)論，MIT 的經(jīng)典算法教材，雖然可能其中的偽代碼表示法不適合所有的人輕松閱讀，但是對于算法描述的地位依然非?？壳啊＞唧w數(shù)學(xué)》，本書介紹了計算機的數(shù)學(xué)基礎(chǔ)，內(nèi)容涉及求和、取整函數(shù)、數(shù)論、二項式系數(shù)、特殊數(shù)、母函數(shù)（發(fā)生函數(shù)）、離散概率、漸近等，面向從事計算機科學(xué)、計算數(shù)學(xué)、計算技術(shù)諸方面。
重慶分公司
重慶分公司
