大家好，我是梁唐。 前兩天有同學私信我，讓老梁推薦一下算法工程師入門書單。今天就和大家拋磚引玉聊聊這個話題。 對于一個算法工程師來說，能力一般可以拆解成幾個部分：
我們就從這幾個角度逐一來說。 語言基礎推薦配置：Python、C++、Java（或Go），重要性依次遞減。 PythonPython毫無疑問是必須的，畢竟現在絕大多數的算法模型都是用Python搭建的。那么基本的Python編程能力肯定是要有的，但一般也不會涉及過多的Python技能。像是什么裝飾器、元類這些都很少用到，主要還是停留在對于Python的基礎語法以及常用工具的應用層面，并且面試過程當中一般也不會進行Python相關的考察。 推薦書籍： Python cookbook fluent Python（流暢的Python） C++C++主要用在面試時的算法題和白板編程，目前來說，在刷題領域C++還是主流的刷題語言。個人感覺要比Java和Python更加適合一些。 除此之外，在搜索算法等一些領域也會使用到C++，因此基本的C++開發能力還是必須的。 既然要使用C++進行刷題，除了C++基本語法之外，同樣還需要學會使用STL的基本用法，可以大大簡化刷題時的編碼。 推薦書籍： C++ Primer effective STL 算法數據結構這幾年各大公司的面試風格越來越向外企靠攏，更加看重算法和數據結構?？淇淦湔務f得天花亂墜，題沒寫出來也只能涼涼。 但是說到算法和數據結構，很多人第一想到的就是《算法導論》和《算法》這種經典的大部頭書。老實講這些書并不是質量不好，而是太過偏理論，實際看完可能理論學了一大堆，但是具體算法應該怎么用，代碼應該怎么寫可能還是懵的。而且太過理論的書老實講讀起來也挺費勁。 所以這方面還是更推薦一些偏實際應用和實戰的書，主要也是一些競賽的入門書籍。 推薦書籍： 編程之美 劍指offer 挑戰程序設計競賽 算法競賽入門經典 基本開發技能開發技能和書籍其實關系不大，主要在于一些實戰訓練。 可以適當做一些小項目鍛煉一下工程能力，比如開發一個網站，做一個小app等等。 機器學習與深度學習機器學習與深度學習是算法工程師的立身之本，也是面試里的大頭。 這里面的東西很多，既有理論也有實戰，因此想要全部吃透是一個大工程，絕不是隨隨便便看兩本書就可以搞定的。書籍只能作為入門學習的資料，除了讀書之外一些實戰也必不可少。 推薦書籍： 統計學習方法 機器學習（周志華） 機器學習實戰（基于sklearn，keras和TensorFlow） 機器學習實戰動手學深度學習（pytorch版）TensorFlow 官方文檔大數據基礎知識算法工程師要做算法模型，離不開海量數據，自然也就離不開大數據相關的基礎知識。 由于只是使用方，而不是開發和維護方，所以也并不需要太過深入的知識儲備。只需要對于大數據的各個系統有一定的認知，知道原理，能夠使用就可以了。 這里推薦買的也是一些入門讀物。 推薦書籍： hadoop權威指南系列精通spark數據科學利用Python進行數據分析專業知識這部分主要基于想要從事的算法方向來決定。 比如說目前算法常規可以分成：搜廣推（搜索、廣告、推薦）、CV（計算機視覺）、NLP（自然語言處理）、知識圖譜等幾個領域。 這些領域相對來說都比較前沿，文獻較多，但成體系的書籍很少。老梁沒有接觸過CV和知識圖譜等領域，只能推薦幾本我相對比較熟悉的書。 推薦書籍： 深度學習推薦系統自然語言處理入門李飛飛 CS231（斯坦福公開課，大佬推薦）不知道大家看到這么多書有什么感覺，估計看著就覺得頭大，怎么這么多內容。 我在整理的時候看著也有點恐怖，但回顧一下當初學習的過程，其實倒也還好，沒有這么痛苦。很多事情只是開頭艱難，入門了之后會越來越快。比如機器學習的基礎打扎實了再學深度模型，不說輕輕松松，但用到的思路和方法論都是完全相通的。 中間可能也會遇到許多困難，但整體上來說理解起來要容易很多。再比如有了一些開發經驗之后再去研究大數據相關的知識，尤其是再結合一些分布式系統的原理和理論的話，你會發現大數據、分布式、后端、 算法，這一套閉環當中很多內容是相通的。 另外，這當中的內容老梁基本上都是自學的，其實也不只是我，據我所知大部分業內人士也一樣是自學的。畢竟算法領域日新月異，每年都有新技術、新方法、新思路提出，整個產業都在飛速的迭代升級。想要跟上時代，跟上技術潮流就是要不斷學習的，這是大勢所趨。 所以不要畏懼，也不要心虛，只有自己最了解自己，也只有自己是自己最好的老師，勇敢地去自學吧。 加油！ |
|
|
來自： AnonymousV臉 > 《手機電腦類知識的文章》
