Big Data and ML Learning

随着工作的时间一天天过去，不禁会思考对未来的打算，工作的事情更多的是业务和效果，少有时间学习，自我的提升比起学校需要更多的self motivation. 一直都工作在大数据领域，现在虽然业务多些，方向也没有变化，还有了很多机器学习方面的实践。以下是我觉得自己很希望学习的书籍和要点:

大数据

• HBase Definitive Guide
• Learning Apache Flink 比起Spark Streaming确实完善很多
• Streaming Systems
• High Performance Spark
• Hadoop Definitive Guide，很早的时候看过一遍
• Distributed Computing: Principles, Algorithms, and Systems
• Spark源码
• Spring Framework，很成熟服务端方案

机器学习

• Hands on ML
• Tensorflow官方Guide和源码
• DL Learning Coursera
• 统计推断
• 数学之美
• Coursera ML 课程的作业
• Machine Learning: A Probabilistic Perspective
• Deep Learning的书
• 西瓜书
• 统计学习方法
• The elements of statistical learning
• Rainforcement Learning

基础知识

• JVM虚拟机深入: Java Performance: The definitive guide
• The C++ Programming Language 4th edition
• Java并发编程
• Designing Data Intensive Applications
• Go programming
• R programming
• Mondern Operating System
• 算法，图论, 设计模式，代码大全, 计算机程序的构造与解释
• Programming in Scala(review again)
• High performance Python
• Getting Starting with R
• The implementation of functional language
• Distributed Computing
• Gradle, Maven
• 代码整洁，代码大全，程序员自我修养，重够

投资管理等

• 经济学原理
• 心理学
• 产品：梁宁，听了她的课，学了很多概念，同时也推荐李善友的颠覆式创新
• don’t make me think
• Just for Fun: The Story of an Accidental Revolutionary
• The Hacker Ethic: and the Spirit of the Information Age

希望在未来23年年，能完成，今天年底，完成34个要点，今年上半年已经完成了Hands on ML，Learning Apache Flink 最近在学习Java Performance，Tensorflow和Deep Learning的Coursera课程，加油啦~