【工作经验】进击的工程师

末蓝、 2022-05-12 09:50 282阅读 0赞

书不在多，而是需要充分发挥作用,同样作用的书，精选一本就行。固然，编程是靠工程实践经验积累，有些环境配置，新技术的应用实例甚至看网上帖子更好，因为会不断更新。有些晦涩难懂的概念与实战应用，例如如何开始一个项目看一些教学视频会更好。但是书也有其取代不了的作用:

*  语法工具
 *  一个领域的通俗入门及知识图谱

在学习的过程中，我精选了所从事领域的一些好书，可以当做工具书随身带的那种（大学可以丢很多书，但一个行业的工具书需要一直留着），真正需要去一本一本读的而不会因为知识重复而打入冷宫，并且是论坛、视频所代替不了的。  
关于知识图谱，网上有很多经验，github上也有一些开源的[技能图谱][Link 1]，[学习软件][Link 2]，[书籍][Link 3]。以下分享一些自己已学以及即将学习的一些精心挑选过的书籍。并会阶段性更新。

# 编程语言 #

## c++ ##

第一次接触c++是在大二，因为其属于基础语言，计算效率比较高，主要用于算法实现，且后来接触到一些硬件例如工业相机提供的接口是基本上都是c++语言的。因此主要是学习了它的语法及概念和自带函数，学第一门语言的时间花的比较长，主要是理解很多概念例如面向对象、指针、多态、并行等，后面学语言基本上概念就差不多，可能有的语言会有一些特有的便于实际应用的概念。

> 语法：C++ Primer Plus

![这里写图片描述][70]

> 常用自带函数：C/C++函数与算法速查手册

![这里写图片描述][70 1]

## csharp ##

大三的时候搞软件开发，c++当时学的MFC，谁用谁知道，实在是太难用了，因此投向csharp,因为它能够直接拖控件，开发速度快，WEB的.net和应用程序都比较好用，有了c++语言的基础，就买书看下它的语法，因为是搞开发，所以需要知道各类控件怎么用。

> 语法：C\#高级编程

![这里写图片描述][70 2]

> 常用控件查询：实战突击：C\# 项目开发案例整合

![这里写图片描述][70 3]

## matlab ##

因为硕士的时候接触图像处理，大量的矩阵操作，c++语言固然有opencv开源库，但是毕竟c++语言是基础语言，很多代码写的时候不那么直观，且操作矩阵中的元素要调用类也不那么方便，考虑到矩阵的操作性，就学习了matlab语言，虽然计算效率是慢了点，不过做实验，要的是结果，开发就算了。

> 语法：MATLAB R2016a 完全自学一本通

![这里写图片描述][70 4]

## python ##

因为数据处理领域这几年的发展，python语言的崛起使得很多源代码都是python语言，为了去复现实验，看别人的代码就学习了这门语言。后来学习深度学习以及数据挖掘的时候，正好用到这门语言，享受了丰富的开源库和拓展包。

*  语法

> Python基础教程

![这里写图片描述][70 5]

*  数据挖掘

> 数据挖掘概念与技术

![这里写图片描述][70 6]

> python数据分析与挖掘实战

![这里写图片描述][70 7]

## java ##

后来转做数据处理，因为数据处理的前提是采集，就要接触采集网站或者软件的开发。网站方面，因为合作的公司用的Java，且.net只面向win7，PHP日后再看看，所以学的Java，首先就得从语法学起。

> Java语言程序设计

![这里写图片描述][70 8]

> 规范：阿里巴巴Java开发手册

![这里写图片描述][70 9]

# 编成基础 #

## 数据结构 ##

做优化的时候，就会体会数据结构的重要性，很多类也需要自己写。

> 数据结构（C语言版）

![这里写图片描述][70 10]

## 算法设计 ##

有些算法是前任研究好的拿来用就可以了，就像棋谱，固然可以现场推导，但是如果研究过棋谱，下棋就可以做到快准狠，省去很多不必要的思考。

> 算法导论

![这里写图片描述][70 11]

## 数据库 ##

数据的存储，少量可以用excel，但是当数据量大了，且采集自动化了，就需要数据库。尤其现在在从事大数据方面的工作，就更突出数据库的重要性。选数据库的话，因为大多商用还是用的Oracle，所以学习其具体的配置与使用。

> 概念：数据库系统概念

![这里写图片描述][70 12]

> 工具应用：Oracle从入门到精通

![这里写图片描述][70 13]

# 操作系统 #

因为学过一段时间的机器学习，主要是数据处理以及图像处理方面的应用，需要配置大量的环境以使用大量的开源库，因此学习了linux,照着别人分享的代码就可以复现出和别人一样的环境，而windos则是得看别人的说明或是图片一个一个点，尝试过的人都懂。但是，linux的指令得懂吧，操作系统的结构也和windos大不相同，正是因为它不向windos打包了太多功能，其结构都展现在用户面前，因此更适合部署开源环境。

> Linux从入门到精通（第2版 附光盘）

![这里写图片描述][70 14]

> 完美应用Ubuntu

![这里写图片描述][70 15]

# Web #

因为也是刚进入数据处理行业，先迈过数据采集这关，因此得网站这块就得学。下面就是我的学习计划与准备阅读的书籍。  
我的待更新的知识图谱：[https://blog.csdn.net/weixin\_42641395/article/details/82470029][https_blog.csdn.net_weixin_42641395_article_details_82470029]

*  HTML，CSS

> HTML&CSS设计与构建网站

![这里写图片描述][70 16]

*  JavaScipt,jQuery

> JavaScript,jQuery交互式Web前端开发

*  DOM

> JavaScript DOM编程艺术(第2版)

![这里写图片描述][70 17]

*  框架

> 后端：JavaEE开发的颠覆者：Spring Boot 实战

![这里写图片描述][70 18]

> 前端：vue.js实战

![这里写图片描述][70 19]

> 后端到前端：单页Web应用 JavaScript从前端到后端

![这里写图片描述][70 20]

*  容器

> 循序渐进学Docker

![这里写图片描述][70 21]

> Docker技术入门与实战 第2版

![这里写图片描述][70 22]

*  体系

> 前端工程化：体系设计与实践

![这里写图片描述][70 23]

# 大数据 #

迈过数据采集就是数据处理与分析。但是不像之前埋头学技术，大数据更重要的是概念，概念清晰了，搭好学习框架，下一步再针对框架学习具体的技术。

*  大数据的认识

> 洞悉数据价值：大数据挖掘要案纪实

![这里写图片描述][70 24]

> 数据化管理:洞悉零售及电子商务运营

![这里写图片描述][70 25]

> 智能时代 大数据与智能革命重新定义未来

![这里写图片描述][70 26]

> 数据产品设计

![这里写图片描述][70 27]

*  知识框架

> 大数据架构详解：从数据获取到深度学习

![这里写图片描述][70 28]

> 大数据之路-大数据实践+逆流而上-成长之路+技术之瞳-笔试新的+学习在线-解析阿里云机器平台

![这里写图片描述][70 29]

> 云计算架构技术与实践

![这里写图片描述][70 30]

# 物联网 #

工作暂时用不上，不过有很好的前景，待了解。

*  物联网认识

> 图解物联网

![这里写图片描述][70 31]

> 物联网Python开发实战

![这里写图片描述][70 32]

# 应试 #

话不多说，储备着。

*  java

> java程序员面试笔记宝典

![这里写图片描述][70 33]

> Java 程序员面试笔试真题与解析+剑指Offer名企面试官精讲典型编程题

![这里写图片描述][70 34]

*  数据库

> 数据库程序员面试笔试真题库

![这里写图片描述][70 35]

*  编程基础

> 编程之法：面试和算法心得

![这里写图片描述][70 36]

--------------------

# 后记 #

> 新人上路，能力水平正在努力提高中，旨在分享交流干货经验，若有错误或者不当之处，请大家批评指正！  
> 更多说明请查看：[Doraengineer’s blog说明][Doraengineer_s blog]

[Link 1]: https://github.com/TeamStuQ/skill-map
[Link 2]: https://github.com/phodal/growth
[Link 3]: https://github.com/EbookFoundation/free-programming-books
[70]: /images/20220512/ecb3819ef9814a72a22bc856eb0552a0.png
[70 1]: /images/20220512/9402ba60436c460e9ebb3ba246fb3ede.png
[70 2]: /images/20220512/bacb09dde84446df8cfa08d6c1a8a908.png
[70 3]: /images/20220512/57c86c7318524ba2b99e42297a9c4f9f.png
[70 4]: /images/20220512/e2bc1519d8dc45998e776db70c38ef27.png
[70 5]: /images/20220512/774c40ef4b7149dcbf66b3aec4479d99.png
[70 6]: /images/20220512/6bd776bbf7a144a3aaad5cc8ce9f0602.png
[70 7]: /images/20220512/7b76da1c40d3413e8abc54934e380857.png
[70 8]: /images/20220512/c701c7ee503742a4a56eb508f9eb6783.png
[70 9]: /images/20220512/79208f216a74416d8540d0ba0f1e33d3.png
[70 10]: /images/20220512/498fde1d63774db390e6717e515b8ea4.png
[70 11]: /images/20220512/723214c4667e4716b28cf4e316d5535a.png
[70 12]: /images/20220512/9c7ac026790848889969da8f8ff949dc.png
[70 13]: /images/20220512/e370e6be7c9e437d969dace3233a709d.png
[70 14]: /images/20220512/16f8bb6f8ee949efbe1293a5d0096a0e.png
[70 15]: /images/20220512/3cb8047ea2094cfc951b088c3a8f3fa1.png
[https_blog.csdn.net_weixin_42641395_article_details_82470029]: https://blog.csdn.net/weixin_42641395/article/details/82470029
[70 16]: /images/20220512/cd33598dda4a4161a0b8640c08a90827.png
[70 17]: /images/20220512/1ed6b444b3d94c358c46adfebb0a951a.png
[70 18]: /images/20220512/df21c08b5de4461695c8f7415ebc10ab.png
[70 19]: /images/20220512/f272d0f2aeef47adb29a81228c3c85ef.png
[70 20]: /images/20220512/c0323fc3a4974955905740e8fd0d0c37.png
[70 21]: /images/20220512/3848a25d53b747b4882a245d663acc71.png
[70 22]: /images/20220512/fcc3fee72d8e48948ea637b056fd50ad.png
[70 23]: /images/20220512/7caf325de7b844288bc47762900b1deb.png
[70 24]: /images/20220512/a0efcfa72d56418d8089b1a558fa4941.png
[70 25]: /images/20220512/f592be5d4796431c90b3d75a92a9ae85.png
[70 26]: /images/20220512/6c7070b38f8643af9af218de8e9e716e.png
[70 27]: /images/20220512/4ea61cfa87a347ef82720995891ddefe.png
[70 28]: /images/20220512/6e077b00ba1d449293bafd7b54b152c4.png
[70 29]: /images/20220512/529d6196b0924e188af4c41e722e5186.png
[70 30]: /images/20220512/be6bf2f3a74c44e28f2e6ebc47fcbc3b.png
[70 31]: /images/20220512/1dc74c6d38994fa6b7e0189850399342.png
[70 32]: /images/20220512/fb9a8984ba8b4dc4a5b588f245d2185d.png
[70 33]: /images/20220512/b7b645129d27489c91e67b80a2a89119.png
[70 34]: /images/20220512/bc2240e2bb4e45fca848ee43a2513b1a.png
[70 35]: /images/20220512/dba8e8b7861a4ad98f46b0744ee79339.png
[70 36]: /images/20220512/7615db0033de45e4bad7a67789a65c50.png
[Doraengineer_s blog]: https://blog.csdn.net/weixin_42641395/article/details/82558190