重磅干货，第一时刻送达
最近整理了一下我的书橱，从读研到作业这五年，竟然现已买了一大堆技能方面的书。可是市面上的书质量良莠不齐，也买过一些味同嚼蜡朴实浪费时刻的，发现选对书比阅览书更重要。怎么选书，我也积累了许多经历，除了感兴趣，还要看作者、译者、出版社、版次、简介、评论等等。
为了尽最大或许防止我们中招，我新开设[书山有路]这个栏目，我将每周向我们引荐1-2本，这些书都是我近两年数据剖析之路上，仔细看过并觉得适当的好的。除了数据剖析、机器学习和深度学习方面比较经典的的，还会向我们介绍一些我觉得十分风趣的书，每本书我都将给出引荐理由。
这儿也给我们三条主张
1、贪多嚼不烂，不要一起看太多
曾国藩读书规律“读书不贰”，买回来一大推书，很或许翻来翻去许多仍是停留在第一章，所以最好仍是一本书没看完之前不看第二本。
2、最美观纸质书，不动翰墨不读书
Kindle和iPad尽管便利，可是拿来看书很简单走神,功率很低。纸质书能够在书上写写画画，这样做才能够有助厘清考虑，加深形象。
3、拟定读书方案，不要拖迁延拉
找到自己的高效阅览时刻，做好规划，每天读多少，何时读，做出一个详细的方案，阵线不要拉太长，不要迁延。
[书山有路]第一期，向我们引荐我读了许多遍的《数学之美》
本书作者吴军博士是闻名自然言语处理和查找专家，他是谷歌公司前期职工之一，创始了网络查找反作弊的研讨范畴，仍是当时谷歌中日韩文查找算法的首要设计者。
本书中，吴博士以极为浅显的言语叙述了数学在机器学习和自然言语处理等范畴的使用，把深邃的数学原理讲得愈加浅显易懂，让非专业读者也能领会数学的魅力。书中经过详细的比方,比方言语剖析、查找引擎排名、地图导航、云核算、神经网络等概念,学到的是考虑问题的方法 —— 怎么化繁为简，怎么用数学去处理工程问题，怎么跳出固有思想不断去考虑立异。
感兴趣的同学还能够看看吴军博士其他几本书，都适当的好。
豆瓣评分豆瓣评分9.1，本书体系地介绍了科技工业一百多年AT&T 、IBM 、苹果、英特、微软、思科、yahoo和Google光辉和式微的进程。
豆瓣评分9.1，第四版新增了6章内容，讨论硅谷不竭的立异精力终究源自何处，进一步从工业革新的范式、生产关系的革新等视点深化全面论述信息产业的规律性。
豆瓣评分8.4，是浪潮之巅的续作，从更高的层次剖析硅谷的来源和开展，将硅谷的经历提高到了理论高度，而且解说了为什么只要硅谷真实做到了宽恕背叛、宽恕失利、多元文明和回绝平凡。
豆瓣评分9.0，吴教师用更微观的视角，从地球诞生到近现代的次序叙述了人类文明进程的各个阶段，全景式地展示了人类文明开展进程中的多样性。内容触及人类文明开端、大航海、近代科学鼓起、工业革新、原子能使用、音乐、美术、核算机、互联网、金融、硅谷对国际科技开展的启迪、微粒子和世界天文学、环境保护等等。
