集體智慧編程豆瓣

『壹』 如何系統地自學 python

是否非常想學好 Python，一方面被瑣事糾纏，一直沒能動手，另一方面，擔心學習成本太高，心裡默默敲著退堂鼓？

幸運的是，Python 是一門初學者友好的編程語言，想要完全掌握它，你不必花上太多的時間和精力。

Python 的設計哲學之一就是簡單易學，體現在兩個方面：

• 語法簡潔明了：相對 Ruby 和 Perl，它的語法特性不多不少，大多數都很簡單直接，不玩兒玄學。

• 切入點很多：Python 可以讓你可以做很多事情，科學計算和數據分析、爬蟲、Web 網站、游戲、命令行實用工具等等等等，總有一個是你感興趣並且願意投入時間的。


廢話不多說，學會一門語言的捷徑只有一個： Getting Started

¶ 起步階段
任何一種編程語言都包含兩個部分：硬知識和軟知識，起步階段的主要任務是掌握硬知識。

硬知識
「硬知識」指的是編程語言的語法、演算法和數據結構、編程範式等，例如：變數和類型、循環語句、分支、函數、類。這部分知識也是具有普適性的，看上去是掌握了一種語法，實際是建立了一種思維。例如：讓一個 java 程序員去學習 Python，他可以很快的將 Java 中的學到的面向對象的知識 map 到 Python 中來，因此能夠快速掌握 Python 中面向對象的特性。

如果你是剛開始學習編程的新手，一本可靠的語法書是非常重要的。它看上去可能非常枯燥乏味，但對於建立穩固的編程思維是必不可少。

下面列出了一些適合初學者入門的教學材料：

廖雪峰的 Python 教程 Python 中文教程的翹楚，專為剛剛步入程序世界的小白打造。

笨方法學 Python 這本書在講解 Python 的語法成分時，還附帶大量可實踐的例子，非常適合快速起步。

The Hitchhiker』s Guide to Python! 這本指南著重於 Python 的最佳實踐，不管你是 Python 專家還是新手，都能獲得極大的幫助。

Python 的哲學：

• 用一種方法，最好是只有一種方法來做一件事。

學習也是一樣，雖然推薦了多種學習資料，但實際學習的時候，最好只選擇其中的一個，堅持看完。

必要的時候，可能需要閱讀講解數據結構和演算法的書，這些知識對於理解和使用 Python 中的對象模型有著很大的幫助。

軟知識
「軟知識」則是特定語言環境下的語法技巧、類庫的使用、IDE的選擇等等。這一部分，即使完全不了解不會使用，也不會妨礙你去編程，只不過寫出的程序，看上去顯得「傻」了些。

對這些知識的學習，取決於你嘗試解決的問題的領域和深度。對初學者而言，起步階段極易走火，或者在選擇 Python 版本時徘徊不決，一會兒看 2.7 一會兒又轉到 3.0，或者徜徉在類庫的大海中無法自拔，Scrapy，Numpy，Django 什麼都要試試，或者參與編輯器聖戰、大括弧縮進探究、操作系統辯論賽等無意義活動，或者整天跪舔語法糖，老想著怎麼一行代碼把所有的事情做完，或者去構想聖潔的性能安全通用性健壯性全部滿分的解決方案。

很多「大牛」都會告誡初學者，用這個用那個，少走彎路，這樣反而把初學者推向了真正的彎路。
還不如告訴初學者，學習本來就是個需要你去走彎路出 Bug，只能腳踏實地，沒有奇跡只有狗屎的過程。

選擇一個方向先走下去，哪怕臟丑差，走不動了再看看有沒有更好的解決途徑。

自己走了彎路，你才知道這么做的好處，才能理解為什麼人們可以手寫狀態機去匹配卻偏要發明正則表達式，為什麼面向過程可以解決卻偏要面向對象，為什麼我可以操縱每一根指針卻偏要自動管理內存，為什麼我可以嵌套回調卻偏要用 Promise...

更重要的是，你會明白，高層次的解決方法都是對低層次的封裝，並不是任何情況下都是最有效最合適的。

技術涌進就像波浪一樣，那些陳舊的封存已久的技術，消退了遲早還會涌回的。就像現在移動端應用、手游和 HTML5 的火熱，某些方面不正在重演過去 PC 的那些歷史么？

因此，不要擔心自己走錯路誤了終身，堅持並保持進步才是正道。

起步階段的核心任務是掌握硬知識，軟知識做適當了解，有了穩固的根，粗壯的枝幹，才能長出濃密的葉子，結出甜美的果實。

¶ 發展階段
完成了基礎知識的學習，必定會感到一陣空虛，懷疑這些語法知識是不是真的有用。

沒錯，你的懷疑是非常正確的。要讓 Python 發揮出它的價值，當然不能停留在語法層面。
發展階段的核心任務，就是「跳出 Python，擁抱世界」。

在你面前會有多個分支：科學計算和數據分析、爬蟲、Web 網站、游戲、命令行實用工具等等等等，這些都不是僅僅知道 Python 語法就能解決的問題。

拿爬蟲舉例，如果你對計算機網路，HTTP 協議，HTML，文本編碼，JSON 一無所知，你能做好這部分的工作么？而你在起步階段的基礎知識也同樣重要，如果你連循環遞歸怎麼寫都還要查文檔，連 BFS 都不知道怎麼實現，這就像工匠做石凳每次起錘都要思考錘子怎麼使用一樣，非常低效。

在這個階段，不可避免要接觸大量類庫，閱讀大量書籍的。

類庫方面
「Awesome Python 項目」：vinta/awesome-python · GitHub
這里列出了你在嘗試解決各種實際問題時，Python 社區已有的工具型類庫，如下圖所示：



vinta/awesome-python

你可以按照實際需求，尋找你需要的類庫。

至於相關類庫如何使用，必須掌握的技能便是閱讀文檔。由於開源社區大多數文檔都是英文寫成的，所以，英語不好的同學，需要惡補下。

書籍方面
這里我只列出一些我覺得比較有一些幫助的書籍，詳細的請看豆瓣的書評：

科學和數據分析：
❖「集體智慧編程」：集體智慧編程 (豆瓣)
❖「數學之美」：數學之美 (豆瓣)
❖「統計學習方法」：統計學習方法 (豆瓣)
❖「Pattern Recognition And Machine Learning」：Pattern Recognition And Machine Learning (豆瓣)
❖「數據科學實戰」：數據科學實戰 (豆瓣)
❖「數據檢索導論」：信息檢索導論 (豆瓣)

爬蟲：
❖「HTTP 權威指南」：HTTP權威指南 (豆瓣)

Web 網站：
❖「HTML & CSS 設計與構建網站」：HTML & CSS設計與構建網站 (豆瓣)

...

列到這里已經不需要繼續了。

聰明的你一定會發現上面的大部分書籍，並不是講 Python 的書，而更多的是專業知識。

事實上，這里所謂「跳出 Python，擁抱世界」，其實是發現 Python 和專業知識相結合，能夠解決很多實際問題。這個階段能走到什麼程度，更多的取決於自己的專業知識。

¶ 深入階段
這個階段的你，對 Python 幾乎了如指掌，那麼你一定知道 Python 是用 C 語言實現的。

可是 Python 對象的「動態特徵」是怎麼用相對底層，連自動內存管理都沒有的C語言實現的呢？這時候就不能停留在表面了，勇敢的拆開 Python 的黑盒子，深入到語言的內部，去看它的歷史，讀它的源碼，才能真正理解它的設計思路。

這里推薦一本書：
「Python 源碼剖析」：Python源碼剖析 (豆瓣)
這本書把 Python 源碼中最核心的部分，給出了詳細的闡釋，不過閱讀此書需要對 C 語言內存模型和指針有著很好的理解。

另外，Python 本身是一門雜糅多種範式的動態語言，也就是說，相對於 C 的過程式、 Haskell 等的函數式、Java 基於類的面向對象而言，它都不夠純粹。換而言之，編程語言的「道學」，在 Python 中只能有限的體悟。學習某種編程範式時，從那些面向這種範式更加純粹的語言出發，才能有更深刻的理解，也能了解到 Python 語言的根源。

這里推薦一門公開課
「編程範式」：斯坦福大學公開課：編程範式
講師高屋建瓴，從各種編程範式的代表語言出發，給出了每種編程範式最核心的思想。

值得一提的是，這門課程對C語言有非常深入的講解，例如C語言的范型和內存管理。這些知識，對閱讀 Python 源碼也有大有幫助。

Python 的許多最佳實踐都隱藏在那些眾所周知的框架和類庫中，例如 Django、Tornado 等等。在它們的源代碼中淘金，也是個不錯的選擇。

¶ 最後的話
每個人學編程的道路都是不一樣的，其實大都殊途同歸，沒有迷路的人只有不能堅持的人！

希望想學 Python 想學編程的同學，不要猶豫了，看完這篇文章，

Just Getting Started ！！！

『貳』 python的推薦書籍有哪些

推薦的幾本Python入門自學到精通必看的書籍吧~

1、《「笨辦法」學Python》

為什麼把它作為推薦給Python入門自學者的第一本書？因為它足夠有趣吸引人。一開始我們都是憑著興趣學習的，如果在剛剛開始學習的時候，就看深奧難讀的書，很容易就從入門到放棄。而且這本書里每一章知識講完後，都會配有相應的練習小題，幫助初學者在學中練，練中學，進一步鞏固相關知識點。總之，這本書以習題的方式引導學習者一步一步學習編程，從簡單的列印一直講授到完整項目的實現，讓初學者從基礎的編程技術入手，最終體驗到軟體開發的基本過程。可以說，這本書是零基礎入門Python的不二之選！

2、《Python快速編程入門》

這本書是一本Python基礎教程，因此全部內容定位於Python的基本知識、語法、函數、面向對象等基礎性內容。在夯實基礎後，該書後一章設置了游戲開發的綜合訓練，幫助初學者更好掌握相關知識。除此之外，本書附有配套視頻、源代碼、習題、教學課件等資源。總之，

本書既可作為高等院校本、專科計算機相關專業的程序設計課程教材，也可作為Python編程基礎的學習教材，是一本適合廣大編程開發初學者的入門級教材。

3、《Python高手之路(第3版) 》

本書不適合零基礎學習者，適合有一定Python基礎的學習者閱讀。因為該書完全從實戰的角度出發，介紹了需要系統掌握的Python知識。更為難得的是，本書結合了Python在OpenStack中的應用進行講解，非常具有實戰指導意義。此外，本書還涉及了很多高級主題，如性能優化、插件化結構的設計與架構、Python
3的支持策略等。因此，本書適合初中級層次的Python程序員閱讀和參考。

4、《Python演算法教程》

本書最大的優點簡單概括起來就是知識點清晰，語言簡潔。書中用Python語言來講解演算法的分析和設計，主要關注經典的演算法，幫助讀者理解基本演算法問題和解決問題打下很好的基礎。本書概念和知識點講解清晰，語言簡潔，因此適合對Python演算法感興趣的初中級用戶閱讀和自學，也適合高等院校的計算機系學生作為參考教材來閱讀。

5、《Python核心編程（第3版）》

本書涵蓋了成為一名技術全面的Python開發人員所需的一切內容，因此是每個想要精通Python的工程師必須要學習和了解的內容。在本書中，Python開發人員兼企業培訓師Wesley
Chun會幫助學習者將Python技能提升到更高的水平。而且書中講解了應用開發相關的多個領域，可以幫助讀者立即應用到項目開發中。

6、《精通Python自然語言處理》

眾做周知，自然語言處理是計算語言學和人工智慧之中與人機交互相關的領域之一。本書是學習自然語言處理的一本綜合學習指南，該書介紹了如何用Python實現各種NLP任務，以幫助讀者創建基於真實生活應用的項目。全書共10章，分別涉及字元串操作、統計語言建模、形態學、詞性標注、語法解析、語義分析、情感分析、信息檢索、語篇分析和NLP系統評估等主題。本書適合熟悉Python語言並對自然語言處理開發有一定了解和興趣的讀者閱讀參考。

以上就是推薦的Python入門到精通的所有書籍，相信總有一本適合你。但想要快速入門Python開發，僅靠看書怎麼夠，畢竟編程最重要的就是練習。

對於Python開發有興趣的小夥伴們，不妨先從看看Python開發書籍開始入門！B站上有很多的Python教學視頻，從基礎到高級的都有，還挺不錯的，知識點講的很細致，還有完整版的學習路線圖。也可以自己去看看，下載學習試試。

『叄』 《Programmingthe Semantic Web》txt下載在線閱讀全文,求百度網盤雲資源

《集體智慧編程》（Toby Segaran）電子書網盤下載免費在線閱讀

鏈接: https://pan..com/s/1WNGnyVlGBYVp25gPXwks8g

pdf" data_size="5.52M" data_filelogo="https://gss0.bdstatic.com//yun-file-logo/file-logo-6.png" data_number="1" data_sharelink="https://pan..com/s/1WNGnyVlGBYVp25gPXwks8g" data_code="jwi7">

書名：集體智慧編程

作者：Toby Segaran

譯者：莫映

豆瓣評分：9.0

出版社：電子工業出版社

出版年份：2009-1

頁數：364

內容簡介：

本書以機器學習與計算統計為主題背景，專門講述如何挖掘和分析Web上的數據和資源，如何分析用戶體驗、市場營銷、個人品味等諸多信息，並得出有用的結論，通過復雜的演算法來從Web網站獲取、收集並分析用戶的數據和反饋信息，以便創造新的用戶價值和商業價值。全書內容翔實，包括協作過濾技術（實現關聯產品推薦功能）、集群數據分析（在大規模數據集中發掘相似的數據子集）、搜索引擎核心技術（爬蟲、索引、查詢引擎、PageRank演算法等）、搜索海量信息並進行分析統計得出結論的優化演算法、貝葉斯過濾技術（垃圾郵件過濾、文本過濾）、用決策樹技術實現預測和決策建模功能、社交網路的信息匹配技術、機器學習和人工智慧應用等。

本書是Web開發者、架構師、應用工程師等的絕佳選擇。

作者簡介：

Toby Segaran是Genstruct公司的軟體開發主管，這家公司涉足計算生物領域，他本人的職責是設計演算法，並利用數據挖掘技術來輔助了解葯品機理。Toby Segaran還為其他幾家公司和數個開源項目服務，幫助它們從收集到的數據當中分析並發掘價值。除此以外，Toby Segaran還建立了幾個免費的網站應用，包括流行的tasktoy和Lazybase。他非常喜歡滑雪與品酒，其博客地址是blog.kiwitobes.com，現居於舊金山。

『肆』 在數據分析，挖掘方面，有哪些好書值得推薦

深入淺出數據分析 (豆瓣) 這書挺簡單的，基本的內容都涉及了，說得也比較清楚，最後談到了R是大加分。難易程度：非常易。
啤酒與尿布 (豆瓣) 通過案例來說事情，而且是最經典的例子。難易程度：非常易。
數據之美 (豆瓣) 一本介紹性的書籍，每章都解決一個具體的問題，甚至還有代碼，對理解數據分析的應用領域和做法非常有幫助。難易程度：易。
數學之美 (豆瓣) 這本書非常棒啦，入門讀起來很不錯！

數據分析：
SciPy and NumPy (豆瓣) 這本書可以歸類為數據分析書吧，因為numpy和scipy真的是非常強大啊。

Python for Data Analysis (豆瓣) 作者是Pandas這個包的作者，看過他在Scipy會議上的演講，實例非常強！

Bad Data Handbook (豆瓣) 很好玩的書，作者的角度很不同。

適合入門的教程：
集體智慧編程 (豆瓣) 學習數據分析、數據挖掘、機器學習人員應該仔細閱讀的第一本書。作者通過實際例子介紹了機器學習和數據挖掘中的演算法，淺顯易懂，還有可執行的Python代碼。難易程度：中。
Machine Learning in Action (豆瓣) 用人話把復雜難懂的機器學習演算法解釋清楚了，其中有零星的數學公式，但是是以解釋清楚為目的的。而且有Python代碼，大贊！目前中科院的王斌老師（微博：王斌_ICTIR）已經翻譯這本書了 機器學習實戰 (豆瓣)。這本書本身質量就很高，王老師的翻譯質量也很高。難易程度：中。我帶的研究生入門必看數目之一！
Building Machine Learning Systems with Python (豆瓣) 雖然是英文的，但是由於寫得很簡單，比較理解，又有 Python 代碼跟著，輔助理解。
數據挖掘導論 (豆瓣) 最近幾年數據挖掘教材中比較好的一本書，被美國諸多大學的數據挖掘課作為教材，沒有推薦Jiawei Han老師的那本書，因為個人覺得那本書對於初學者來說不太容易讀懂。難易程度：中上。
Machine Learning for Hackers (豆瓣) 也是通過實例講解機器學習演算法，用R實現的，可以一邊學習機器學習一邊學習R。

『伍』 《集體智慧編程》pdf下載在線閱讀，求百度網盤雲資源

《集體智慧編程》（Toby Segaran）電子書網盤下載免費在線閱讀

資源鏈接：

鏈接:

書名：集體智慧編程

作者：Toby Segaran

譯者：莫映

豆瓣評分：9.0

出版社：電子工業出版社

出版年份：2009-1

頁數：364

內容簡介：

本書以機器學習與計算統計為主題背景，專門講述如何挖掘和分析Web上的數據和資源，如何分析用戶體驗、市場營銷、個人品味等諸多信息，並得出有用的結論，通過復雜的演算法來從Web網站獲取、收集並分析用戶的數據和反饋信息，以便創造新的用戶價值和商業價值。全書內容翔實，包括協作過濾技術（實現關聯產品推薦功能）、集群數據分析（在大規模數據集中發掘相似的數據子集）、搜索引擎核心技術（爬蟲、索引、查詢引擎、PageRank演算法等）、搜索海量信息並進行分析統計得出結論的優化演算法、貝葉斯過濾技術（垃圾郵件過濾、文本過濾）、用決策樹技術實現預測和決策建模功能、社交網路的信息匹配技術、機器學習和人工智慧應用等。

本書是Web開發者、架構師、應用工程師等的絕佳選擇。

作者簡介：

Toby Segaran是Genstruct公司的軟體開發主管，這家公司涉足計算生物領域，他本人的職責是設計演算法，並利用數據挖掘技術來輔助了解葯品機理。Toby Segaran還為其他幾家公司和數個開源項目服務，幫助它們從收集到的數據當中分析並發掘價值。除此以外，Toby Segaran還建立了幾個免費的網站應用，包括流行的tasktoy和Lazybase。他非常喜歡滑雪與品酒，其博客地址是blog.kiwitobes.com，現居於舊金山。

『陸』 給要入門量化分析的人一些建議

給要入門量化分析的人一些建議
針對你數學、物理較好以及有一定C基礎的情況，我的建議（也是對所有想要入門量化分析的人）的建議是：
一. 數學
繼續打好數學基礎，學一學集合論、統計學方面的知識，方便以後可以從初級經濟學的學習轉向中高級。你大一，集合論和統計學如果沒學過建議先入個門。比如國內著名的統計學大師陳希孺先生的《概率論與數理統計 (豆瓣)》、《數理統計學教程 (豆瓣)》等等，寫得非常好，請仔細揣摩體會。
二. 經濟學&金融學
數學基礎可以了，如果學校教的你也覺得很簡單，那就看一點計量經濟學和中級微觀經濟學方面的書，看能不能看懂。
比如《計量經濟學導論 (豆瓣)》這本書就不錯，還有經典的范里安的中級微觀經濟學教材：《微觀經濟學 (豆瓣)》，以及經典聖經：《期權、期貨和其他衍生品（第5版） (豆瓣)》。
當然，如果你想要出國深造，那麼選擇看英文版的是很好的選擇。
但是如果你是想要更好地利用時間，看中文版也是不錯的選擇，因為看中文版肯定比英文版快得多。
三. 計算機與編程
1. 計算機
你如果之前沒有學過計算機相關知識，我建議可以先看一本書入個門，了解計算機的大致工作原理，我推薦研讀一下：《計算機科學概論（第11版） (豆瓣)》
2. 語言
然後，你既然要學習金融方面的知識，我建議可以暫時不學C或者C++，而選擇學習python，python更簡單，數理分析、科學計算能力更強大。我推薦看一下：《Python基礎教程 (豆瓣)》，這本書講的是python2.7，對初學者而言，還是看這本比較好。
你還可以參照統計語言R來更深入地理解python，我推薦《R語言編程藝術 (豆瓣)》。
然後你可以看一下專講python用作數據分析的好書：《利用Python進行數據分析(豆瓣)》。（這本書裡面講的python以及對應的pandas、scipy、numpy模塊都是基於python2.7的——這就是為什麼我推薦的python入門教材是python2.7的，對於初學者，版本問題很可能是個坑，學2.7更好。）
另外，家中常備：《Python標准庫 (豆瓣)》，很多問題就不用重新造輪子了。
3. 未來
計量方法嚴格來講只是傳統方法，為了應對未來、成為寬客，建議學習數據挖掘、機器學習、人工智慧方面的知識，我推薦《數據挖掘導論 (豆瓣)》，《機器學習 (豆瓣)》等等書籍。
另：python作為解釋型語言，性能不及C等編譯型的語言，特別是對於高頻交易等，以防萬一，建議還是入一下計算機的演算法、數據結構、計算機系統坑。。。。當然，這又是個大坑。
四. 實踐
現在有一些在線的金融系統，可以給你機會讓你寫你自己的模型的，你多留意一下，也可以問下老師，閑來沒事兒寫幾個交易模型試一試。
據我所知目前大多數寫交易模型的，都沒有較強的綜合能力（綜合經濟金融、數學、編程這三個方面），你要想比他們都強，那就把這三個方面的基礎都打好。
最後，少年，我看你骨骼驚奇，這本《集體智慧編程 (豆瓣)》我就送給你了，寫一個遺傳演算法為內核、並且底層優化的具有進化特徵的交易模型吧，特別是在數據環境本身就具有進化特性的情況下，亮瞎他們！——至少聽起來很牛逼~~

『柒』 《集體智慧編程》pdf下載在線閱讀全文，求百度網盤雲資源

《集體智慧編程》網路網盤pdf最新全集下載:
鏈接: https://pan..com/s/175GO50ZxupChu_r1I1tlQg

『捌』 有哪些數據分析、數據挖掘的書推薦下

1. 深入淺出數據分析 (豆瓣) 這書挺簡單的，基本的內容都涉及了，說得也比較清楚，最後談到了R是大加分。
難易程度：非常易。
2. 啤酒與尿布 (豆瓣) 通過案例來說事情，而且是最經典的例子。
難易程度：非常易。
3. 數據之美 (豆瓣) 一本介紹性的書籍，每章都解決一個具體的問題，甚至還有代碼，對理解數據分析的應用領域和做法非常有幫助。
難易程度：易。
4. 集體智慧編程 (豆瓣) 學習數據分析、數據挖掘、機器學習人員應該仔細閱讀的第一本書。作者通過實際例子介紹了機器學習和數據挖掘中的演算法，淺顯易懂，還有可執行的Python代碼。
難易程度：中。
5. Machine Learning in Action (豆瓣) 用人話把復雜難懂的機器學習演算法解釋清楚了，其中有零星的數學公式，但是是以解釋清楚為目的的。而且有Python代碼，大贊！目前中科院的王斌老師（微博： @王斌_ICTIR）已經翻譯這本書了 機器學習實戰 (豆瓣)。這本書本身質量就很高，王老師的翻譯質量也很高。
難易程度：中。
6. 推薦系統實踐 (豆瓣) 這本書不用說了，研究推薦系統必須要讀的書，而且是第一本要讀的書。
難易程度：中上。
7. 數據挖掘導論 (豆瓣) 最近幾年數據挖掘教材中比較好的一本書，被美國諸多大學的數據挖掘課作為教材，沒有推薦Jiawei Han老師的那本書，因為個人覺得那本書對於初學者來說不太容易讀懂。
難易程度：中上。
8. The Elements of Statistical Learning (豆瓣) 這本書有對應的中文版：統計學習基礎 (豆瓣)。書中配有R包，非常贊！可以參照著代碼學習演算法。
難易程度：難。
9. 統計學習方法 (豆瓣) 李航老師的扛鼎之作，強烈推薦。
難易程度：難。
10. Pattern Recognition And Machine Learning (豆瓣) 經典中的經典。
這些都是在「綠色BI論壇」http://www.powerbibbs.com 找到的，這個論壇經常有數據分析的干貨分享，你可以看一下。

『玖』 對於編程思想，能力有重大提升的書有什麼

1.《java編程思想4》(很經典的一本書，讀了兩遍[在學校和工作後］， 加深了對java的掌握和的理解);
2.《代碼大全2》(當初會讀這本書，吸引我了解的是的書名，吸引我去讀的是這本書的發行量『』過萬『』，吸引我工作後在看一遍的是書的內容和工作中遇到的問題。值得看)，
3.《CSS.DIV.網頁樣式與布局精通〔前沿科技〕》（使我有可以獨立搭建頁面，並且有能力做出瀏覽器兼容性很好的網頁[當然dreamweaver的兼容性校驗，和各瀏覽器的開發者工具也功不可沒）;
----------工作後
4.《鋒利的jquery》(通俗易懂)
5.《代碼整潔之道》（工作後接觸的項目大而且雜和亂，無從下手呀！遂去圖書館，看到了這本書，正是我想要的）;
6.《修改代碼的藝術》（問題同上，前者讓我明白了代碼應該寫成什麼樣，後者讓我知道了面對混亂的代碼，應該如何去做）;
7.《超越CSS:Web設計藝術精髓》(html布局，語意化..，主標題應該用h1，適合用用表格時用table標簽，列表用ol、li、dl標簽，段落用p標簽等，而不是都用當時流行的div+css);
9.《設計網事:互聯網產品設計實踐》（一本關於網頁設計的書，用信息架構、戶體驗、交互設計...）
10.《SQL反模式》（各種資料庫表的設計，...）;
11.《HeadFirst設計模式》，《大話設計模式》
12.《Effective Java第2版》
13.«大型網站技術架構：核心原理與案例分析»
14.《架構之美》
15.《Java8實戰》..

『拾』 《集體智慧編程》pdf下載在線閱讀，求百度網盤雲資源

《集體智慧編程》（Toby Segaran）電子書網盤下載免費在線閱讀

鏈接：https://pan..com/s/15croPrhIJjPjmnnZeJ9TCA

書名：集體智慧編程

作者：Toby Segaran

譯者：莫映

豆瓣評分：9.0

出版社：電子工業出版社

出版年份：2009-1

頁數：364

內容簡介：

本書以機器學習與計算統計為主題背景，專門講述如何挖掘和分析Web上的數據和資源，如何分析用戶體驗、市場營銷、個人品味等諸多信息，並得出有用的結論，通過復雜的演算法來從Web網站獲取、收集並分析用戶的數據和反饋信息，以便創造新的用戶價值和商業價值。全書內容翔實，包括協作過濾技術（實現關聯產品推薦功能）、集群數據分析（在大規模數據集中發掘相似的數據子集）、搜索引擎核心技術（爬蟲、索引、查詢引擎、PageRank演算法等）、搜索海量信息並進行分析統計得出結論的優化演算法、貝葉斯過濾技術（垃圾郵件過濾、文本過濾）、用決策樹技術實現預測和決策建模功能、社交網路的信息匹配技術、機器學習和人工智慧應用等。

本書是Web開發者、架構師、應用工程師等的絕佳選擇。

作者簡介：

Toby Segaran是Genstruct公司的軟體開發主管，這家公司涉足計算生物領域，他本人的職責是設計演算法，並利用數據挖掘技術來輔助了解葯品機理。Toby Segaran還為其他幾家公司和數個開源項目服務，幫助它們從收集到的數據當中分析並發掘價值。除此以外，Toby Segaran還建立了幾個免費的網站應用，包括流行的tasktoy和Lazybase。他非常喜歡滑雪與品酒，其博客地址是blog.kiwitobes.com，現居於舊金山。