今年看了比較多的書，主要上班比較遠，1個多小時，大部分都是在坐地鐵看的。
程序員系列
1、《程序員修煉之道 : 從小工到專家 》：
主要介紹了軟件設計的一些原則，避免的問題，一個項目如何做好。
一些高效的工具。
2、《卓有成效的程序員》：
主要介紹怎麼樣才能稱爲高效的程序員，介紹一些工具、語言
打造一個高效的開發環境，提高開發效率。
3、《黑客與畫家》
這本書比較雜，開始一些章節和程序員沒有太大關係，後面介紹了一些
程序員品味類的東西：什麼樣的語言纔是夢寐以求的，主要lisp，ruby
之類的。
程序語言相關
1、《深入Java虛擬機》：介紹了整個虛擬機的結構、字節碼結構、GC以及一些調優。
2、《Java Performance》：也介紹了虛擬機、字節碼相關的，主要以實戰調優GC爲主。
3、python的一些書籍：主要看了一些基礎的和深入的書，和Ruby對比的學習了一下。
統計機器學習相關：
1、《統計學習方法》：
乾貨很多，介紹的比較容易理解，有例子一步一步計算的過程。更豐富的例子偏少。
2、《The Elements of Statistical Learning》：
雖然是Element，但是介紹廣而深，看起來比較突兀，需要反覆看，找相關論文看。
前一半看了幾遍才理解，後面比較粗略的看着，還需要回頭再讀讀。
3、《Pattern Recognition And Machine Learning》
主要從貝葉斯的觀點介紹了機器學習，讀起來相對上面那邊，還是容易了很多。
例子比較豐富，介紹的方式也循序漸進。
4、《All of Statistics》：
沒學過純統計的書，上學學了隨機數學，主要以古典概率爲主。這本書比較經典，言簡意賅的介紹了統計方法。
5、《Learning with Kernels : Support Vector Machines, Regularization, Optimization, and Beyon》
這本書對kernal和支持向量機介紹的比較多，當時想深入學習SVM。還有很多優化算法的介紹。
6、《Machine Learning: An Algorithmic Perspective : An Algorithmic Perspective》
這本書介紹的淺顯易懂，還有python代碼的實現，能夠對算法在實現方面有比較好的理解，我看的電子缺頁版的，看的不全。
7、《Machine Learning : A Probabilistic Perspective》
看了開頭的一部分，書太厚，介紹很廣，有很多比較新的內容，但是介紹的不夠精彩。
自然語言處理部分：
《Speech and Language Processing》：
內容深入淺出，logistic regression和HMM講的非常好，語音相關的部分沒有看。
《Foundations of Statistical Natural Language Processing》
從語言學本身介紹了很多知識，相對粗略的介紹一些算法在自然語言方面的各種應用。
大數據、推薦相關：
《大數據 : 互聯網大規模數據挖掘與分佈式處理》：
以前讀過英文版的幾章，在博客上也寫過筆記，後來參加多媒體討論會，王斌老師送了一本看了一遍，對map reduce，hash算法在大規模數據的一些應用，推薦系統和簡單的介紹了計算廣告學的內容，講的很好。
《推薦系統實踐》：項亮同學的書，比較貼近工業實戰，對推薦的各種算法和場景進行了比較好的介紹。
《Hadoop in Action》：In Action系列的書不用說，跟着例子做就ok了。
搜素相關：
《Lucene in Action, Second Edition》：同樣In Action的書籍，除了Lucence一些基本的接口使用，對Lucence一些優化和高級的特性都有所涉及。
數據庫相關：
《高性能MySQL》：從字段、schema，到sql的優化介紹，mysql一些高級特性。
架構設計方面：
《Pattern-Oriented Software Architecture》1,2,3,4
介紹的非常精彩，對GoF的設計模式是一個很好的補充，對進一步掌握軟件設計技巧有很大幫助。還介紹了併發、分佈式方面的設計模式以及Pattern語言進行了細緻精彩的介紹。
參加了一些公開課：
《Machine learning》: stanford Andrew Ng講的通俗易懂，非常精彩，值得大力推薦，note也做的灰常好。
《Unsupervised Feature Learning and Deep Learning》stanford Andrew Ng，前面的內容和上面的類似，剛講到神經網絡的部分，後面真正進入主題的內容還沒有開講。
《機器學習龍星計劃》：餘凱和張潼老師講授，講的比較全面，最近一些新的內容也有介紹。
MLA：各位大神和工業界的大牛介紹了機器學習的進展。
《Natural Language Processing》 by Michael Collins:講的深入淺出，note也做的灰常好，非常不錯。
程序員系列
1、《程序員修煉之道 : 從小工到專家 》：
主要介紹了軟件設計的一些原則，避免的問題，一個項目如何做好。
一些高效的工具。
2、《卓有成效的程序員》：
主要介紹怎麼樣才能稱爲高效的程序員，介紹一些工具、語言
打造一個高效的開發環境，提高開發效率。
3、《黑客與畫家》
這本書比較雜，開始一些章節和程序員沒有太大關係，後面介紹了一些
程序員品味類的東西：什麼樣的語言纔是夢寐以求的，主要lisp，ruby
之類的。
程序語言相關
1、《深入Java虛擬機》：介紹了整個虛擬機的結構、字節碼結構、GC以及一些調優。
2、《Java Performance》：也介紹了虛擬機、字節碼相關的，主要以實戰調優GC爲主。
3、python的一些書籍：主要看了一些基礎的和深入的書，和Ruby對比的學習了一下。
統計機器學習相關：
1、《統計學習方法》：
乾貨很多，介紹的比較容易理解，有例子一步一步計算的過程。更豐富的例子偏少。
2、《The Elements of Statistical Learning》：
雖然是Element，但是介紹廣而深，看起來比較突兀，需要反覆看，找相關論文看。
前一半看了幾遍才理解，後面比較粗略的看着，還需要回頭再讀讀。
3、《Pattern Recognition And Machine Learning》
主要從貝葉斯的觀點介紹了機器學習，讀起來相對上面那邊，還是容易了很多。
例子比較豐富，介紹的方式也循序漸進。
4、《All of Statistics》：
沒學過純統計的書，上學學了隨機數學，主要以古典概率爲主。這本書比較經典，言簡意賅的介紹了統計方法。
5、《Learning with Kernels : Support Vector Machines, Regularization, Optimization, and Beyon》
這本書對kernal和支持向量機介紹的比較多，當時想深入學習SVM。還有很多優化算法的介紹。
6、《Machine Learning: An Algorithmic Perspective : An Algorithmic Perspective》
這本書介紹的淺顯易懂，還有python代碼的實現，能夠對算法在實現方面有比較好的理解，我看的電子缺頁版的，看的不全。
7、《Machine Learning : A Probabilistic Perspective》
看了開頭的一部分，書太厚，介紹很廣，有很多比較新的內容，但是介紹的不夠精彩。
自然語言處理部分：
《Speech and Language Processing》：
內容深入淺出，logistic regression和HMM講的非常好，語音相關的部分沒有看。
《Foundations of Statistical Natural Language Processing》
從語言學本身介紹了很多知識，相對粗略的介紹一些算法在自然語言方面的各種應用。
大數據、推薦相關：
《大數據 : 互聯網大規模數據挖掘與分佈式處理》：
以前讀過英文版的幾章，在博客上也寫過筆記，後來參加多媒體討論會，王斌老師送了一本看了一遍，對map reduce，hash算法在大規模數據的一些應用，推薦系統和簡單的介紹了計算廣告學的內容，講的很好。
《推薦系統實踐》：項亮同學的書，比較貼近工業實戰，對推薦的各種算法和場景進行了比較好的介紹。
《Hadoop in Action》：In Action系列的書不用說，跟着例子做就ok了。
搜素相關：
《Lucene in Action, Second Edition》：同樣In Action的書籍，除了Lucence一些基本的接口使用，對Lucence一些優化和高級的特性都有所涉及。
數據庫相關：
《高性能MySQL》：從字段、schema，到sql的優化介紹，mysql一些高級特性。
架構設計方面：
《Pattern-Oriented Software Architecture》1,2,3,4
介紹的非常精彩，對GoF的設計模式是一個很好的補充，對進一步掌握軟件設計技巧有很大幫助。還介紹了併發、分佈式方面的設計模式以及Pattern語言進行了細緻精彩的介紹。
參加了一些公開課：
《Machine learning》: stanford Andrew Ng講的通俗易懂，非常精彩，值得大力推薦，note也做的灰常好。
《Unsupervised Feature Learning and Deep Learning》stanford Andrew Ng，前面的內容和上面的類似，剛講到神經網絡的部分，後面真正進入主題的內容還沒有開講。
《機器學習龍星計劃》：餘凱和張潼老師講授，講的比較全面，最近一些新的內容也有介紹。
MLA：各位大神和工業界的大牛介紹了機器學習的進展。
《Natural Language Processing》 by Michael Collins:講的深入淺出，note也做的灰常好，非常不錯。
