all，离2019年还有4.5个月，4个月前的今天送的那6本书，你们读透1本了？

文末有领取方法

整整4个月过去了，还是推荐这几本书，不轻易推荐别的。

作为非计算机专业的学生党或工作党想转行到计算机行业的首选经典书籍。一年不需要这样那样的太多其他资料，读书就要读经典，仔细研究经典，因此，接下来再次写一下我看过的部分的心得体会，2018年已经过去7.5个月，离2019年也只不过还有4.5个月，但愿，我们都能仔细读透几本自己认为不错的书。

1

Discrete Mathematics and Its Applications 7th

离散数学的经典入门书籍，非常值得一读。离散数学的重要性不用多说了。这本书知识仔细看完了前两章节，得继续努力。

送的这本电子书是英文原版，建议大家结合中文版本学习，读完这本书，对计算机的常用术语，概念，基础理论就了解的差不多了。顺便还能提高英语能力，关于英语的重要性，请参考：

2

统计学习方法

数学公式推导严谨，语言精炼是本书的最大特点之一，这本书主要讲的是传统的机器学习方法，我认为最通用的还是第一章节的知识，它是方法概率，不仅适用于传统ML，对于深度学习，强化学习都有借鉴。

还有一个印象深刻的是讲解HMM，前向算法，后向算法，大家体会下就是一个动态规划模型，这个可以说是强化学习的基础。

这本书唯独第11章节条件随机场还没仔细学习，它在自然语言处理中是一个应用场景，还得好好看看。

3

PRML

这本书是模式识别和机器学习，是个外国专家写的，书里面讲解每一个知识点都能讲透，这是过人之处。

不是每个人都能把熟悉的东西讲得让别人特别明白的，这本书是个例外，尤其是对概率论这块不扎实的，可以仔细看看这部分，讲得很好。

4

Introduction.to.Algorithms

不用多说，这本书，读透了，你的coding技术和算法功底就建筑地十分牢固。别老盯着业务逻辑和框框架架写来写去的，等你40了，你弄不过20的，经验这东西不是体现在业务逻辑和框架上。

5

Optimization Theory and Methods, Nonlinear Programming

Optimization Theory and Methods, Nonlinear Programming，是优化理论和方法，你如果在读研或读博，可以仔细研究，毕竟写paper不得来些理论吗，你得证明算法为什么运行是对的，优化的鲁棒性得证明下。

6

stanford-cs20i-tensorflow-for-deep-learning

这是stanford一门讲解TensorFlow如何使用的课程，提供免费的PPT下载，课程中还提到了几个较好的开源项目。

动手吧，这是帮你实现idea的最后一步，也是最重要的一步。

学知识，领红包

【只需2步就能领红包】

☑阅读文章，点赞(喜欢地请留言)

☑点击底部广告

☑进入下方小程序，领红包

Python与机器学习算法频道

欢迎点赞和转发