以下是2023年9本必读书单,任何一位软件工程师都不应错过!
作为一名软件工程师,紧跟最新的发展和最佳实践是技术成长的关键。我最喜欢的成长方法之一是阅读书籍。
尽管我们每天有很大一部分时间都在读Stack Overflow和博客上的文章,但读书确实帮助我们从不同的角度看待问题,或者更好地理解一些日常没有接触到的东西。
2022年,我读了一些对我的软件工程师生涯非常有价值的书。这里有9本我强烈推荐给处于职业生涯各个阶段的软件工程师的数,可以考虑将加入2023年的阅读清单。
1、托尼·法德尔(Tony Fadell)所写的《制造值得制造的东西的非正统指南》是任何希望创造重要事物的人的必读之作。
法德尔分享了他关于如何专注于小的、可实现的目标并在必要时进行转向的独特观点。
https://www.goodreads.com/book/show/59783101-build
2、Gene Kim、Kevin Behr和George Spafford的《关于IT、DevOps和帮助企业获胜的小说》是一个迷人的故事。
本书讲述了一位IT经理如何将一个失败的项目反败为胜。在这一过程中,他了解了DevOps的原则以及如何将其应用于他的工作。
https://www.goodreads.com/book/show/38191426-the-phoenix-project
3、本·霍洛维茨(Ben Horowitz)所著的《关于难事的难事》(The Hard Thing About Hard Things)对创业的挑战提供了坦率而实用的建议。
霍洛维茨涵盖了诸如雇用、解雇和在艰难时期的管理等主题,并就如何驾驭建立企业的起伏提供了宝贵的见解。
https://www.goodreads.com/book/show/20657434-the-hard-thing-about-hard-things
4、《计算机程序的结构和解释》,也被称为「向导书」,这是一本涵盖计算机科学和使用Lisp语言编程的基本概念的经典文本。
这本书是任何严肃的软件工程师的必读之作。
https://www.goodreads.com/book/show/43713.Structure_and_Interpretation_of_Computer_Programs
5、John Ousterhout的《软件设计哲学》认为,好的软件设计都是简单和清晰的。
此书就如何在你自己的代码中实现这些品质提供了实用的建议。这是一本每年都值得读的好书。
https://www.goodreads.com/book/show/43701534-a-philosophy-of-software-design
6、《务实的程序员:从学徒到大师》,(作者Andrew Hunter和David Thomas)是一本成为更好的软件工程师的综合指南。
它涵盖了广泛的主题,包括调试、测试和重构,并充满了有用的提示和技术。推荐购买20周年纪念版。
https://www.goodreads.com/book/show/50701156-the-pragmatic-programmer
7、威尔·拉森(Will Larson)的《优雅的拼图:工程管理系统》讨论了管理软件开发团队的挑战和机遇。
其中涵盖了诸如建立有效的流程、设定目标和创造积极的文化等主题。
https://www.goodreads.com/book/show/45303387-an-elegant-puzzle
8、由Titus Winters、Tom Manshreck和Hyrum Wright撰写的《谷歌的软件工程:从长期编程中汲取的教训》提供了谷歌如何进行软件开发的幕后视角。
它涵盖了诸如代码审查、测试和技术债务等主题,并对如何建立可靠和可扩展的系统提供了宝贵的见解。
https://www.goodreads.com/book/show/48816586-software-engineering-at-google
9、马蒂·卡根的《如何创造客户喜爱的科技产品》是任何希望创造成功的科技产品的人的必读书。
书中涵盖了定义产品愿景、建立一个强大的团队和收集客户反馈等主题,并就如何将这些原则应用到你自己的工作中提供了实用的建议。
这本书通常推荐给产品经理,但我认为它对工程师来说也是一本好书,因为它对你与产品团队的跨职能工作有帮助。
https://www.goodreads.com/book/show/36645100-inspired
对我而言,这些书提供了宝贵的见解,使我在这一年里一直受到激励和鼓舞。
「优雅的拼图」对于弄清楚如何更有效地处理团队中的支持问题特别有帮助,而「谷歌的软件工程」一书在建立一个新项目和资源库时提供了宝贵的指导。
我希望这份推荐清单能在2023年为你提供一些有用的阅读选择,因为你在软件工程职业中继续成长和发展。
以上是以下是2023年9本必读书单,任何一位软件工程师都不应错过!的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

同样是图生视频,PaintsUndo走出了不一样的路线。ControlNet作者LvminZhang又开始整活了!这次瞄准绘画领域。新项目PaintsUndo刚上线不久,就收获1.4kstar(还在疯狂涨)。项目地址:https://github.com/lllyasviel/Paints-UNDO通过该项目,用户输入一张静态图像,PaintsUndo就能自动帮你生成整个绘画的全过程视频,从线稿到成品都有迹可循。绘制过程,线条变化多端甚是神奇,最终视频结果和原图像非常相似:我们再来看一个完整的绘

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这篇论文的作者均来自伊利诺伊大学香槟分校(UIUC)张令明老师团队,包括:StevenXia,四年级博士生,研究方向是基于AI大模型的自动代码修复;邓茵琳,四年级博士生,研究方

如果AI模型给的答案一点也看不懂,你敢用吗?随着机器学习系统在更重要的领域得到应用,证明为什么我们可以信任它们的输出,并明确何时不应信任它们,变得越来越重要。获得对复杂系统输出结果信任的一个可行方法是,要求系统对其输出产生一种解释,这种解释对人类或另一个受信任的系统来说是可读的,即可以完全理解以至于任何可能的错误都可以被发现。例如,为了建立对司法系统的信任,我们要求法院提供清晰易读的书面意见,解释并支持其决策。对于大型语言模型来说,我们也可以采用类似的方法。不过,在采用这种方法时,确保语言模型生

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在人工智能领域的发展过程中,对大语言模型(LLM)的控制与指导始终是核心挑战之一,旨在确保这些模型既强大又安全地服务于人类社会。早期的努力集中于通过人类反馈的强化学习方法(RL

干杯!当论文讨论细致到词句,是什么体验?最近,斯坦福大学的学生针对arXiv论文创建了一个开放讨论论坛——alphaXiv,可以直接在任何arXiv论文之上发布问题和评论。网站链接:https://alphaxiv.org/其实不需要专门访问这个网站,只需将任何URL中的arXiv更改为alphaXiv就可以直接在alphaXiv论坛上打开相应论文:可以精准定位到论文中的段落、句子:右侧讨论区,用户可以发表问题询问作者论文思路、细节,例如:也可以针对论文内容发表评论,例如:「给出至

最近,被称为千禧年七大难题之一的黎曼猜想迎来了新突破。黎曼猜想是数学中一个非常重要的未解决问题,与素数分布的精确性质有关(素数是那些只能被1和自身整除的数字,它们在数论中扮演着基础性的角色)。在当今的数学文献中,已有超过一千条数学命题以黎曼猜想(或其推广形式)的成立为前提。也就是说,黎曼猜想及其推广形式一旦被证明,这一千多个命题将被确立为定理,对数学领域产生深远的影响;而如果黎曼猜想被证明是错误的,那么这些命题中的一部分也将随之失去其有效性。新的突破来自MIT数学教授LarryGuth和牛津大学

把因果链展示给LLM,它就能学会公理。AI已经在帮助数学家和科学家做研究了,比如著名数学家陶哲轩就曾多次分享自己借助GPT等AI工具研究探索的经历。AI要在这些领域大战拳脚,强大可靠的因果推理能力是必不可少的。本文要介绍的这项研究发现:在小图谱的因果传递性公理演示上训练的Transformer模型可以泛化用于大图谱的传递性公理。也就是说,如果让Transformer学会执行简单的因果推理,就可能将其用于更为复杂的因果推理。该团队提出的公理训练框架是一种基于被动数据来学习因果推理的新范式,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着的成功。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
