以下是2023年9本必讀書單,任何一位軟體工程師都不應錯過!
身為軟體工程師,緊跟最新的發展和最佳實踐是技術成長的關鍵。我最喜歡的成長方法之一是閱讀書籍。
儘管我們每天有很大一部分時間都在閱讀Stack Overflow和部落格上的文章,但閱讀確實幫助我們從不同的角度看待問題,或者更好地理解一些日常沒有接觸到的東西。
2022年,我讀了一些對我的軟體工程師生涯非常有價值的書。以下有9本我強烈推薦給處於職涯各個階段的軟體工程師的數,可以考慮將加入2023年的閱讀清單。
1、東尼法德爾(Tony Fadell)所寫的《製造值得製造的東西的非正統指南》是任何希望創造重要事物的人的必讀之作。
法德爾分享了他關於如何專注於小的、可實現的目標並在必要時進行轉向的獨特觀點。
https://www.goodreads.com/book/show/59783101-build
2、Gene Kim、Kevin Behr和George Spafford的《關於IT、DevOps和幫助企業獲勝的小說》是一個迷人的故事。
本書講述了一位IT經理如何將一個失敗的專案反敗為勝。在這過程中,他了解了DevOps的原則以及如何將其應用於他的工作。
https://www.goodreads.com/book/show/38191426-the-phoenix-project
#3、本‧霍洛維茲(Ben Horowitz)所著的《關於難事的難事》(The Hard Thing About Hard Things)對創業的挑戰提供了坦率而實用的建議。
霍洛維茲涵蓋了諸如僱用、解僱和在艱難時期的管理等主題,並就如何駕馭建立企業的起伏提供了寶貴的見解。
https://www.goodreads.com/book/show/20657434-the-hard-thing-about-hard-things
#4、《電腦程式的結構與解釋》,也稱為「嚮導書」,這是一本涵蓋電腦科學和使用Lisp語言程式設計的基本概念的經典文本。
這本書是任何嚴肅的軟體工程師的必讀之作。
https://www.goodreads.com/book/show/43713.Structure_and_Interpretation_of_Computer_Programs
#5、John Ousterhout的《軟體設計哲學》認為,好的軟體設計都是簡單又清晰的。
這本書就如何在你自己的程式碼中實現這些品質提供了實用的建議。這是一本每年都值得讀的好書。
https://www.goodreads.com/book/show/43701534-a-philosophy-of-software-design
#6、《務實的程式設計師:從學徒到大師》,(作者Andrew Hunter和David Thomas)是一本成為更好的軟體工程師的綜合指南。
#它涵蓋了廣泛的主題,包括調試、測試和重構,並充滿了有用的提示和技術。推薦購買20週年紀念版。
https://www.goodreads.com/book/show/50701156-the-pragmatic-programmer
#7、威爾·拉森(Will Larson)的《優雅的拼圖:工程管理系統》討論了管理軟體開發團隊的挑戰和機會。
其中涵蓋了諸如建立有效的流程、設定目標和創造積極的文化等主題。
https://www.goodreads.com/book/show/45303387-an-elegant-puzzle
#8、由Titus Winters、Tom Manshreck和Hyrum Wright撰寫的《谷歌的軟體工程:從長期編程中汲取的教訓》提供了谷歌如何進行軟體開發的幕後視角。
它涵蓋了程式碼審查、測試和技術債等主題,並對如何建立可靠和可擴展的系統提供了寶貴的見解。
https://www.goodreads.com/book/show/48816586-software-engineering-at-google
9、馬蒂卡根的《如何創造客戶喜愛的科技產品》是任何希望創造成功的科技產品的人的必讀書。
書中涵蓋了定義產品願景、建立一個強大的團隊和收集客戶回饋等主題,並就如何將這些原則應用到你自己的工作中提供了實用的建議。
這本書通常推薦給產品經理,但我認為它對工程師來說也是一本好書,因為它對你與產品團隊的跨職能工作有幫助。
https://www.goodreads.com/book/show/36645100-inspired
對我而言,這些書提供了寶貴的見解,使我在這一年裡受到激勵和鼓舞。
「優雅的拼圖」對於弄清楚如何更有效地處理團隊中的支援問題特別有幫助,而「Google的軟體工程」一書在建立一個新專案和資源庫時提供了寶貴的指導。
我希望這份推薦清單能在2023年為你提供一些有用的閱讀選擇,因為你在軟體工程職業中繼續成長和發展。
以上是以下是2023年9本必讀書單,任何一位軟體工程師都不應錯過!的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

同樣是圖生視頻,PaintsUndo走出了不一樣的路線。 ControlNet作者LvminZhang又開始整活了!這次瞄準繪畫領域。新項目PaintsUndo剛上線不久,就收穫1.4kstar(還在瘋狂漲)。項目地址:https://github.com/lllyasviel/Paints-UNDO透過這個項目,用戶輸入一張靜態圖像,PaintsUndo就能自動幫你生成整個繪畫的全過程視頻,從線稿到成品都有跡可循。繪製過程,線條變化多端甚是神奇,最終視頻結果和原始圖像非常相似:我們再來看一個完整的繪

AIxiv專欄是本站發布學術、技術內容的欄位。過去數年,本站AIxiv專欄接收通報了2,000多篇內容,涵蓋全球各大專院校與企業的頂尖實驗室,有效促進了學術交流與傳播。如果您有優秀的工作想要分享,歡迎投稿或聯絡報道。投稿信箱:liyazhou@jiqizhixin.com;zhaoyunfeng@jiqizhixin.com這篇論文的作者皆來自伊利諾大學香檳分校(UIUC)張令明老師團隊,包括:StevenXia,四年級博士生,研究方向是基於AI大模型的自動代碼修復;鄧茵琳,四年級博士生,研究方

AIxiv專欄是本站發布學術、技術內容的欄位。過去數年,本站AIxiv專欄接收通報了2,000多篇內容,涵蓋全球各大專院校與企業的頂尖實驗室,有效促進了學術交流與傳播。如果您有優秀的工作想要分享,歡迎投稿或聯絡報道。投稿信箱:liyazhou@jiqizhixin.com;zhaoyunfeng@jiqizhixin.com在人工智慧領域的發展過程中,對大語言模型(LLM)的控制與指導始終是核心挑戰之一,旨在確保這些模型既強大又安全地服務人類社會。早期的努力集中在透過人類回饋的強化學習方法(RL

如果AI模型給的答案一點也看不懂,你敢用嗎?隨著機器學習系統在更重要的領域中得到應用,證明為什麼我們可以信任它們的輸出,並明確何時不應信任它們,變得越來越重要。獲得對複雜系統輸出結果信任的一個可行方法是,要求系統對其輸出產生一種解釋,這種解釋對人類或另一個受信任的系統來說是可讀的,即可以完全理解以至於任何可能的錯誤都可以被發現。例如,為了建立對司法系統的信任,我們要求法院提供清晰易讀的書面意見,解釋並支持其決策。對於大型語言模型來說,我們也可以採用類似的方法。不過,在採用這種方法時,確保語言模型生

最近,被稱為千禧年七大難題之一的黎曼猜想迎來了新突破。黎曼猜想是數學中一個非常重要的未解決問題,與素數分佈的精確性質有關(素數是那些只能被1和自身整除的數字,它們在數論中扮演著基礎性的角色)。在當今的數學文獻中,已有超過一千個數學命題以黎曼猜想(或其推廣形式)的成立為前提。也就是說,黎曼猜想及其推廣形式一旦被證明,這一千多個命題將被確立為定理,對數學領域產生深遠的影響;而如果黎曼猜想被證明是錯誤的,那麼這些命題中的一部分也將隨之失去其有效性。新的突破來自MIT數學教授LarryGuth和牛津大學

乾杯!當論文討論細緻到詞句,是什麼體驗?最近,史丹佛大學的學生針對arXiv論文創建了一個開放討論論壇——alphaXiv,可以直接在任何arXiv論文之上發布問題和評論。網站連結:https://alphaxiv.org/其實不需要專門訪問這個網站,只需將任何URL中的arXiv更改為alphaXiv就可以直接在alphaXiv論壇上打開相應論文:可以精準定位到論文中的段落、句子:右側討論區,使用者可以發表問題詢問作者論文想法、細節,例如:也可以針對論文內容發表評論,例如:「給出至

把因果鏈展示給LLM,它就能學會公理。 AI已經在幫助數學家和科學家做研究了,例如著名數學家陶哲軒就曾多次分享自己借助GPT等AI工具研究探索的經驗。 AI要在這些領域大戰拳腳,強大可靠的因果推理能力是不可或缺的。本文要介紹的研究發現:在小圖譜的因果傳遞性公理演示上訓練的Transformer模型可以泛化用於大圖譜的傳遞性公理。也就是說,如果讓Transformer學會執行簡單的因果推理,就可能用於更複雜的因果推理。該團隊提出的公理訓練框架是一種基於被動資料來學習因果推理的新範式,只有演示

AIxiv专栏是本站发布学术、技术内容的栏目。过去数年,本站AIxiv专栏接收报道了2000多篇内容,覆盖全球各大高校与企业的顶级实验室,有效促进了学术交流与传播。如果您有优秀的工作想要分享,欢迎投稿或者联系报道。投稿邮箱:liyazhou@jiqizhixin.com;zhaoyunfeng@jiqizhixin.com。引言近年来,多模态大型语言模型(MLLM)在各个领域的应用取得了显著的成功。然而,作为许多下游任务的基础模型,当前的MLLM由众所周知的Transformer网络构成,这种网
