5-1 推荐资料
汇总一下本书中提到的一些重要的参考资料。
机器学习算法
《统计学习方法》
李航老师的经典著作，三言两语把传统机器学习很精巧的串起来了。第二版在之前第一版的基础上，加了很多无监督学习的知识点。强烈推荐大家对机器学习感兴趣的同学把这本书上的每一个方法都自己推一遍。现在传统机器学习方法可能从效果上没有深度学习网络好，但是一些思想以及对机器学习的理解对做模型是很有启发的。
《神经网络与深度学习》
这是我个人认为国内最好的深度学习教材，比花书《深度学习》要好很多，可能是因为是中国人自己写的。清晰的数学语言描述方法的核心原理，兼具准确与深度，重要的是非常新！基本18年之前的主要方法和论文都有涉及到！我个人强烈推荐。
这本书网上有免费开源的电子版PDF，亲测在iPad上阅读体验非常赞！ https://nndl.github.io/
《百面机器学习》、《百面深度学习》
这是两本书，以面试题的形式，展开讲了很多机器学习和深度学习的算法细节。即可以当做算法工程师面试时候的题库，也可以当做自己查漏补缺的知识点。
《深度学习推荐系统》
如果大家对推荐系统感兴趣的话，这本书可以说是深度学习时代讲推荐系统最好的一本书。对深度学习推荐系统的模型结构，embedding的应用，以及一些工程架构讲的都非常清楚。
代码能力
《算法导论》、《数据结构与算法分析》
不多说，计算机算法或者说数据结构经典教科书。不过，我个人觉得其实《算法导论》试图讲明白的东西太多了，反而觉得读起来有点不那么清爽；相比之下《数据结构与算法分析》就简单直接得多，直接上代码。
反正数据结构学到最后都是要刷leetcode题目的，刷就对了。
《重构》
这是一本非常细致的讲解如何进行代码重构的书，在。但我觉得更核心的是如何定义一些需要重构的部分，即书中所谓发现代码的bad smell。一个好的编码习惯会帮助你写出更好的可维护的代码。
《设计模式》、《Head First 设计模式》
工作中的代码量可能随随便便一个项目就是数万甚至数十万级别的代码量，怎么样维护这么大量的代码，就依赖设计模式方面的知识。上面一本是经典教材，但是讲的略显晦涩(一看张一鸣只打了8分)，适合当工具书。下面一本图文并茂，适合当初学者入门书。
比较重要的，应该就这些了。书很多，更主要的还是需要自己看，这样才能真正帮到自己，让自己有所成长。