前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >女神节,来聊聊这几位神一般的“程序媛”

女神节,来聊聊这几位神一般的“程序媛”

作者头像
IT阅读排行榜
发布2019-03-18 10:56:05
6920
发布2019-03-18 10:56:05
举报
文章被收录于专栏:华章科技华章科技

导读:在一篇关于开发者的调查报告中显示,女性程序员在全球范围内只占7.6%,由此可见,“程序媛”在全球范围内都是稀缺物种了。而在中国男女程序员的比例也相差甚远,女程序员只占7.8%。即便在Twitter公司,女工程师也只占10%,Facebook的女工程师也只有16%。

但是随着科技的飞速发展,编程乐园早已不只是男人的天下,女性的细心与耐心则成为了她们天生的武器。

女性在计算机科学领域一直都有着显著的贡献:

  • 英国著名诗人拜伦的女儿Ada Lovelace就因为写出了“第一件计算机程序”而被誉为世界上第一位女性程序员;
  • 发明“生成树算法”的Radia Perlman更是被誉为“互联网之母”;
  • 前谷歌AI负责人,曾获“影响世界华人大奖”的李飞飞也在引领整个人工智能的发展;
  • 在前段时间的人工智能界的“扛把子”Anima Anandkumar也站出来带领程序媛们反对行业性别歧视,让人们对女性程序员们得到平等的尊重和待遇。

▲世界上第一位女性程序员Ada Lovelace

▲人工智能界的“扛把子”Anima Anandkumar

桃李不言下自成蹊,程序媛们不仅在技术领域有着诸多贡献,还不忘传承着自己的经验与学识,为后继者的学习之路保驾护航,今天我们精选9本国内外杰出程序媛的作品,祝程序媛们节日快乐!同时,我们还会送出2本给程序媛们作为节日礼物,详情见文末。

1

《编译原理(原书第2版)》

作者:Monica S. Lam 等

全面、深入地探讨了编译器设计方面的重要主题,包括词法分析、语法分析、语法制导定义和语法制导翻译、运行时刻环境、目标代码生成、代码优化技术、并行性检测以及过程间分析技术,并在相关章节中给出大量的实例。

关于作者

Monica S. Lam是首位在斯坦福计算机系任教的亚裔女教授,也是编译理论圣经“龙书”《编译原理》的联合作者,是斯坦福MobiSocial计算机实验室的创始主任,ACM Fellow(美国计算机协会院士)、Omlet公司联合创始人兼CEO。Monica S. Lam从事教育工作30年,深信技术改变一切,向往“人人都是创造者”的世界。

我们作为教育者,也希望技术能更好造福世界,这种愿望与盈利无关。深入地研究技术本身就是了不起的事情,它能够带来的是长远的利益。 ——Monica S. Lam

2

《分布式机器学习:算法、理论与实践》

作者:刘铁岩,陈薇,王太峰,高飞

微软亚洲研究院机器学习核心团队潜心力作!鄂维南院士、周志华教授倾心撰写推荐序!

人工智能和大数据时代,分布式机器学习解决了大量最具挑战性的问题,《分布式机器学习:算法、理论与实践》全面分析了分布式机器学习的现状,深入分析其中核心问题,讨论该领域的未来发展方向。

关于作者

陈薇,微软亚洲研究院机器学习组主管研究员,研究机器学习各个分支的理论解释和算法改进,尤其关注深度学习、分布式机器学习、强化学习、博弈机器学习、排序学习等。2011年于中国科学院数学与系统科学研究院获得博士学位,同年加入微软亚洲研究院,负责机器学习理论项目,先后在NIPS、ICML、AAAI、IJCAI等相关领域顶级国际会议和期刊上发表文章30余篇。

3

《计算机组成与设计:硬件/软件接口》

(原书第5版·ARM版)

作者:戴维·帕特森 约翰·亨尼斯,译者:陈微

本书由2017年图灵奖得主Patterson和Hennessy共同撰写,是计算机体系结构领域的经典教材,强调软硬件协同设计及其对性能的影响。

本书采用ARMv8体系结构,讲解硬件技术、汇编语言、计算机算术运算、流水线、存储器层次结构以及I/O的基本原理。新内容涵盖平板电脑、云基础设施、ARM(移动计算设备)以及x86(云计算)体系结构,新实例包括IntelCorei7、ARMCortex-A53以及NVIDIAFermiGPU。

关于译者

陈微,博士,副教授,国防科技大学计算机学院计算机系统教研室副主任,中国计算机学会教育工作委员会委员、体系结构专委会委员。主要研究领域为计算系统结构、高性能微处理器设计。主持并参研多项国家/军队科研任务,在天河工程中作为骨干成员从事自主设计飞腾微处理器的研发工作。参与建设了国家级精品课/国家精品资源共享课“计算机原理”,是“计算机原理MOOC”(中国大学MOOC上线)的主讲教师。曾获全军科技进步一等奖,国家级教学竞赛一等奖,军队级教学竞赛一等奖。

4

《大数据分析与算法》

作者:斯里尼瓦斯·萨加 等

本书详细介绍了数据科学领域的相关智能技术,包括数据分析、基本学习算法、模糊逻辑、人工神经网络、基因算法和进化计算、使用R语言进行大数据分析等。本书可以作为高等院校计算机专业本科生和研究生,以及其他专业研究生的人工智能课程的教材,也可以作为相关教师和数据分析技术人员的参考书。

关于作者

斯里尼瓦斯·萨加,印度 Sardar Patel大学计算机科学系教授,她的研究领域包括基于知识的系统、软件工程、智能系统等。她参与编写的论文、期刊文章超过100余篇,并参与编写多部著作,她为多个学术期刊担任编辑,并参与组织过多个国际性学术会议。

5

《嵌入式计算系统设计原理(原书第4版)》

作者:玛里琳·沃尔夫

本书从组件技术的视角出发,介绍了嵌入式系统设计技术和技巧,并将安全性贯穿全书。全书每一章涵盖一个专题,包括与嵌人式系统设计相关的若干主要内容:指令系统、CPU、计算平台、程序设计与分析、进程和操作系统、系统设计技术、物联网、汽车与航天系统以及嵌入式多处理器等。

本书适合作为计算机、电子信息、通信工程、自动化、机电一体化、仪器仪表及相关专业高年级本科生和研究生的教材,也适合相关的工程技术人员参考。

关于作者

玛里琳·沃尔夫(Marilyn Wolf) 佐治亚理工学院教授,佐治亚研究联合会优秀学者,IEEE会士,ACM会士。1984~1989年任职于贝尔实验室,1989~2007年执教于普林斯顿大学。她于2003年获得ASEE Frederick E. Terman奖,于2006年获得IEEE电路与系统教育奖。

6

《原型设计:打造成功产品的实用方法及实践》

作者:凯瑟琳·麦克尔罗伊

本书深入剖析了原型设计的基本原理及实践,并提供了经过验证的流程。通过本书,你将学习如何以多种方式测试你的想法并获得有用的见解,成功打造用户喜欢的产品。

关于作者

凯瑟琳·麦克尔罗伊,得克萨斯州奥斯汀市IBM移动创新实验室的设计师。她是一位屡获殊荣的设计师和摄影师,对未来的技术、人工智能、智能对象以及开源硬件和软件充满热情。她经常谈论设计思维、原型设计和用户体验设计,她热衷于告诉人们,迈出制作电子产品的第一步是多么容易的事。

7

《企业私有云建设指南》

作者:孙杰 山金孝 张亮 张婷婷

资深云计算专家、架构师和运维技术专家撰写,9位行业领袖和技术专家联袂推荐。基于VMWare和OpenStack两种解决方案,从技术选型、规划和建设、设计和部署、平台建设和管理、优秀实践、成熟度评估6个维度展现私有云建设的全景图。

关于作者

张婷婷,中国移动通信研究院云计算高级研究员,中国云计算开源联盟私有云成熟度评估项目组组长。在云计算领域深耕多年,熟悉企业级私有云规划建设方案的制定,对开源架构以及云计算运营、运维管理方法等有深入理解,申请云计算技术专利近10个,开创国内首个云计算量化成熟度评估体系,在国内外标准化组织中推广应用。

8

《TensorFlow深度学习实战》

作者:阿米塔·卡普尔 等

本书将介绍如何有效地使用Google的开源框架TensorFlow进行深度学习。通过学习,你将实现不同的深度学习网络,如卷积神经网络(CNN)、循环神经网络(RNN)、深度Q learning网络(DQN)和生成对抗网络(GAN),以及如何使用TensorFlow的高级封装Keras工具。

关于作者

阿米塔·卡普尔,德里大学电子学系副教授。她在过去的20年里一直在积极地教授神经网络课程,曾获得2008年度国际光电子大会颁发的最佳演讲奖,在国际期刊和会议上发表了40多篇文章。

9

《OpenStack CI/CD:原理与实践》

作者:董文娟 尚小冬 张军

中兴官方出品,团队对社区贡献排名全球前3,以系统管理员角度阐述OpenStack CI/CD系统的组成、架构和原理。

关于作者

董文娟,中兴通讯高级软件工程师,2015年参与开源社区,从事故障管理和根因分析等相关的工作,是OpenStack社区Vitrage项目和OPNFV社区Doctor项目的核心贡献者。一直从事企业内部CI/CD方面的研究,对CI/CD的基础设施搭建有丰富的实践经验,致力于研究构建企业级高性能、高可靠的DevOps平台的解决方案。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2019-03-07,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 大数据DT 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
联邦学习
联邦学习(Federated Learning,FELE)是一种打破数据孤岛、释放 AI 应用潜能的分布式机器学习技术,能够让联邦学习各参与方在不披露底层数据和底层数据加密(混淆)形态的前提下,通过交换加密的机器学习中间结果实现联合建模。该产品兼顾AI应用与隐私保护,开放合作,协同性高,充分释放大数据生产力,广泛适用于金融、消费互联网等行业的业务创新场景。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档