来自公众号:Coder梁
大家好,我是梁唐。
前两天有同学私信我,让老梁推荐一下算法工程师入门书单。今天就和大家抛砖引玉聊聊这个话题。
对于一个算法工程师来说,能力一般可以拆解成几个部分:
我们就从这几个角度逐一来说。
推荐配置:Python、C++、Java(或Go),重要性依次递减。
Python毫无疑问是必须的,毕竟现在绝大多数的算法模型都是用Python搭建的。那么基本的Python编程能力肯定是要有的,但一般也不会涉及过多的Python技能。像是什么装饰器、元类这些都很少用到,主要还是停留在对于Python的基础语法以及常用工具的应用层面,并且面试过程当中一般也不会进行Python相关的考察。
推荐书籍:
C++主要用在面试时的算法题和白板编程,目前来说,在刷题领域C++还是主流的刷题语言。个人感觉要比Java和Python更加适合一些。
除此之外,在搜索算法等一些领域也会使用到C++,因此基本的C++开发能力还是必须的。
既然要使用C++进行刷题,除了C++基本语法之外,同样还需要学会使用STL的基本用法,可以大大简化刷题时的编码。
推荐书籍:
这几年各大公司的面试风格越来越向外企靠拢,更加看重算法和数据结构。夸夸其谈说得天花乱坠,题没写出来也只能凉凉。
但是说到算法和数据结构,很多人第一想到的就是《算法导论》和《算法》这种经典的大部头书。老实讲这些书并不是质量不好,而是太过偏理论,实际看完可能理论学了一大堆,但是具体算法应该怎么用,代码应该怎么写可能还是懵的。而且太过理论的书老实讲读起来也挺费劲。
所以这方面还是更推荐一些偏实际应用和实战的书,主要也是一些竞赛的入门书籍。
推荐书籍:
开发技能和书籍其实关系不大,主要在于一些实战训练。
可以适当做一些小项目锻炼一下工程能力,比如开发一个网站,做一个小app等等。
机器学习与深度学习是算法工程师的立身之本,也是面试里的大头。
这里面的东西很多,既有理论也有实战,因此想要全部吃透是一个大工程,绝不是随随便便看两本书就可以搞定的。书籍只能作为入门学习的资料,除了读书之外一些实战也必不可少。
推荐书籍:
算法工程师要做算法模型,离不开海量数据,自然也就离不开大数据相关的基础知识。
由于只是使用方,而不是开发和维护方,所以也并不需要太过深入的知识储备。只需要对于大数据的各个系统有一定的认知,知道原理,能够使用就可以了。
这里推荐买的也是一些入门读物。
推荐书籍:
这部分主要基于想要从事的算法方向来决定。
比如说目前算法常规可以分成:搜广推(搜索、广告、推荐)、CV(计算机视觉)、NLP(自然语言处理)、知识图谱等几个领域。
这些领域相对来说都比较前沿,文献较多,但成体系的书籍很少。老梁没有接触过CV和知识图谱等领域,只能推荐几本我相对比较熟悉的书。
推荐书籍:
不知道大家看到这么多书有什么感觉,估计看着就觉得头大,怎么这么多内容。
我在整理的时候看着也有点恐怖,但回顾一下当初学习的过程,其实倒也还好,没有这么痛苦。很多事情只是开头艰难,入门了之后会越来越快。比如机器学习的基础打扎实了再学深度模型,不说轻轻松松,但用到的思路和方法论都是完全相通的。
中间可能也会遇到许多困难,但整体上来说理解起来要容易很多。再比如有了一些开发经验之后再去研究大数据相关的知识,尤其是再结合一些分布式系统的原理和理论的话,你会发现大数据、分布式、后端、 算法,这一套闭环当中很多内容是相通的。
另外,这当中的内容老梁基本上都是自学的,其实也不只是我,据我所知大部分业内人士也一样是自学的。毕竟算法领域日新月异,每年都有新技术、新方法、新思路提出,整个产业都在飞速的迭代升级。想要跟上时代,跟上技术潮流就是要不断学习的,这是大势所趋。
所以不要畏惧,也不要心虚,只有自己最了解自己,也只有自己是自己最好的老师,勇敢地去自学吧。
加油!
联系客服