转载地址：
『まどか☆マギカ』　氏が「まどか屋」の同人本で初恋の人と消息不明の友人について语る
－－３８年目の妄言いろいろ－－　　初恋の女性の梦を见た。我梦见了初恋的女孩。梦&の中の彼女は、それこそ俺が想像つく限りの丑悪さの块のような男と结婚し、虐げられながらも五人の子供の育児に追われていた。窭れ果て、疲れ切った虚ろな&目で缲り返し「幸せです」と呟きながら、それでもなお俺が惚れていた顷そのままに绮丽な人だった。－－目が覚めたときの欝たるやもう。なぁよ。梦&中的她、居然和我脑袋中所能想象出，宛如世间一切丑恶事物结晶般的男性结婚，不但受其虐待肩上还担负着养育五个孩子的责任，已经被逼到尽头了。她有着因为&疲累、压力而空荡无神的双眼，不断地喃喃念着「我很幸福」。但是即使这样，仍然和我爱上她一样，依旧是个美丽的女性。——睁开眼时心中充满的郁念让我不知&该…唉唉，呀。せめて自分が见る梦の中身ぐらい、もっと幸せなもんを用意してくれよ！至少在自己的梦中，替她准备更为幸福的遭遇吧！振られたときの言叶は忘れられない。当时は悔しかったが、今となってはまぁ无理もなかったなと思う。
いくら照れくさかったからとはいえ、あんなにも浮ついて芝居がかった告白の仕方をしたら、そりゃ向こうも本気だなんて信じてくれなかったのは当然だ。あの顷の己の马鹿さ加减には、今でも思い出すたびに后悔する。我被甩那时候的交谈已经忘记了。当时真的是悔恨无比，但是到了现在也能体会—这也是没办法呀。就算是自己感到害羞，但是居然用那种像是浅薄演技般的告白，这样一来对方当然也没办法真的相信自己的心意。对于那时自己的愚蠢，即使到了想起来也是相当后悔。あの失恋から、気がつけば３倍近い时间を生きてしまった。彼女はどうしているだろうか。せめて近况だけでも分かったらさっきの梦を笑って否定できるというのに、今ではもう何処でどんな暮らしをしているのかすら知れない。愿わくば、その人生が幸福で健やかなるものであってほしい。从那次失恋之后，不知不觉已经又活过了三倍的日子。不知道她过得如何呢？如果至少稍微知道一些近况的话，还能够笑着否定刚刚的梦境，但是现在已经连她住在&哪里、过着怎样的生活都不知道了。诚心祈愿初恋的她，过着幸福健康的人生。気になると言えば、もう一人。かれこれ１０年近く消息不明な友人がいる。思い出すだに偏屈な男だった。
说到在意的事情，还有一个人。到现在已经将近10年没有消息的朋友。想起来他还真的个偏执的男人。この世の谁よりも映画を爱し、その爱を理解できない者たちを憎悪し蔑视して结果、世界を丸ごと敌に廻しているかのような困った気性の持ち主だった。比这世上的任何人都还要热爱电影，憎恨、藐视所有无法理解那个爱的人，结果将整个世界都化为自己的敌人，他就是有着这样令人头痛性格的人。ど&うして俺こいつと友达でいられるんだろう？と不思议になるほどヒドイことをお互い言ったり言われたり、やったりやられたり、それでもこの腐れ縁は生涯続く&んだろうな、などと何となく思っていたのだが、しばらく音信不通な时期が过ぎた后、気がつけば本当に行方が分からなくなっていた。为什么我和那家伙能够变成朋友呢？我对这点满怀不可思议的念头。我和他互相争吵、互相陷害捉弄，但是依旧认为即使这样两人之间的恶缘应该会持续一辈子吧。&不知为何在一段没有联络的时间之后，注意到时已经真的不知去向了。连络を请う手纸にも返信はなく、転居したのか、それとも无视されているのか。実家の连络先も闻いていた筈なのに纷失してしまい、手がかりは皆无である。あそこまで社会性に欠ける男だと野垂れ死にしていても不思议はない。请他和我联络的信件都没有回信，是搬家了吗？还是无视我呢？虽然应该有他老家的联络方法，但是也已经丢失，完全没有线索了。毕竟是极度缺乏社会性的男人，说他已经死在路边好像也没啥不可思议。正直、心配である。说实话，我很担心。あの二人、今でもアニメは観ているだろうか？　「魔法少女まどかマギカ」って知っているだろうか。それの脚本书いたってね、実は俺なんだよ。贵方の记忆に残っているか、今となってはもう定かでない那两个人现在也还有再看动画吗？不知有没有听过「废怯少女小圆」呢？那个作品的脚本家—其实就是我呀。但是现在我是否还留在你们记忆中，也没有任何能确认的方法。けれど。かつて一度は贵方と人生が交差したことのある谁かさんなんだよ。但是呀。过去曾经和你在人生路途上有过交会的某某某呀。ああ、确かに俺は成功した。俺はいま大势の人に褒められている。そうして赐った賛辞を受け止めて、俺はいま自分のことを夸りに思っても良いのだろう。是我的确是成功了。我现在被许多人称赞着。并且我也能够接受这些赞美，可以说我现在的确是相当以自己为荣。でも本当にそれを自慢したかった相手、认めてもらいたかった相手と、どれほど距离が离れてしまったことかどれほど长い时间が経ってしまったことか。即使如此，对于真的想要向他们炫耀的、真的想要获得他们认同的人们，不知不觉中我和他们已经拉开了多么遥远的距离、已经多久没和他们联络了呢？こんな感情、若い顷には想像だにしなかった。歳を取ってから解ること、というのも色々とあるもんだねー。这样的感情，在年轻的时候从没想象过。上了年纪就会知道，像这样的东西真的还不少呀...
转载地址：《我是一只IT小小鸟》
The Art of Computer Programming 《计算机程序设计艺术》
计算机科学领域最为经典的一套书，哪怕细读一章也受用一生。
Programming Pearls 《编程珠玑》
More Programming Pearls 《编程珠玑2》
只需要观察各大IT公司的面试题，就知道这两本书的重要性——很多面试题都是这两本书中例子和习题的改编和变化。
Structure and Interpretation of Computer Program
《计算机程序的构造和解释》
这是一本想要从更高层次认识编程的人的必读书。很多编程的基本概念都可以在这本书中找到直白但深入的讲解。
The Art of Unix Programming 《Unix编程艺术》
至少在可以预见的时间内，一个真正的程序员，必然要是一个了解 UNIX 环境和文化的人。这本书就是 UNIX 世界的敲
砖。&即使是UNIX&专家，也能从这本书中学到很多。
Code Complete 《代码大全》
The Elements of Programming Style
The Practice of Programming 《程序设计实践》
这三本书都是讲解如何构建良好的，易于维护的代码。他们的基本思想都是一致的，读者可以任选一本。
The Pragmatic Programmer 《程序员修炼之道》
The Productive Programmer 《卓有成效的程序员》
两本书介绍了获得高的生产率的方法和经验。其实这两本书不单适合从事编程的人看，一切从事“知识工作”&的人都可以
阅读这两本书中获益。
How to Solve It 《怎样解题》
经典的介绍如何用系统的科学的方法分析和解决问题的书。这是追求更好更快的处理问题的开发人员的必备书。
The Structure of Scientific Revolution 《科学革命的结构》
阅读科学史有助于养成对技术敏感的嗅探力和判断力。
G?del, Escher, Bach: An Eternal Golden Braid《哥德尔、爱舍尔、巴赫——集异璧之大成》
不可多得的横跨计算机，数学，语言学，艺术等学科的奇书。
Cosmos 《宇宙》
每次一读这本书，心中的烦闷或者狂妄，都在广袤的星河间，骤然渺小不计。
转载地址：《我是一只IT小小鸟》
好的简历：形式上美观大方，清晰明了；内容上充实有料，主次分明，针对性强。1.&如何解决形式问题使用合适的模板。模板只有一份，但是，针对不同的职位及个人经历，应该对模板进行适当地修改，使之适合目标职位的具体要求。比如：1）&针对IT职位，可以将&工作经验&换成&实习经历&或&项目经历&。2）&将&个人信息&换成&职业技能&，填写自己熟悉的计算机语言和获得的认证，等等。3）&要申请外企经管类的职位，&课外活动&或&交流活动&则是必不可少的要点。另外，每个人的情况不同，要根据自己的经历和特点来修改简历模板。例如，学术上成果比较多的，可以单独加一项&专利论文&，而获奖学金奖励多的，也可以单列出来以突出。2.&如何解决内容问题简历更重要的是内容。1）&内容要能体现求职者的能力和经历，满足目标职位的需要。这就要求我们仔细地挖掘相关的经历，并加以适当的总结和提升，最后用书面化的语言表达出来。2）&内容应该能反映出作者训练有素的逻辑思维。注意：一段经历需要有三到四个要点来支持，重要的就在于如何选择几个要点的内容，以及如何对它们进行排序。一般而言，可以选择如下两种策略：a.&第一种，首先简明扼要地说明是一段什么经历，然后用一到两个要点来说明自己（注意！不是项目组）具体完成了哪些工作，最后一个要点说明工作效果或自己的收获。b.&第二种，对于事情多且杂的经历，应该选取最具有代表性的事务，按照其重要性递减的次序分别描述出来。即使针对同一类型的职位，我的简历前后经过不下数十次修改，小到把中文逗号改为英文逗号，大到增删一段个人经历，目的只是为了使得简历更加符合雇主的需要，顺利通过求职第一关。
转载地址：
《数学之美》&&作者吴军大家都很熟悉。以极为通俗的语言讲述了数学在机器学习和自然语言处理等领域的应用。
《Programming Collective Intelligence》（《集体智慧编程》）&作者Toby Segaran也是《BeautifulData : The Stories Behind Elegant Data Solutions》（《数据之美：解密优雅数据解决方案背后的故事》）的作者。这本书最大的优势就是里面没有理论推导和复杂的数学公式，是很不错的入门书。目前中文版已经脱销，对于有志于这个领域的人来说，英文的pdf是个不错的选择，因为后面有很多经典书的翻译都较差，只能看英文版，不如从这个入手。还有，这本书适合于快速看完，因为据评论，看完一些经典的带有数学推导的书后会发现这本书什么都没讲，只是举了很多例子而已。
《Algorithms of the Intelligent Web》（《智能web算法》）&作者Haralambos Marmanis、Dmitry Babenko。这本书中的公式比《集体智慧编程》要略多一点，里面的例子多是互联网上的应用，看名字就知道。不足的地方在于里面的配套代码是BeanShell而不是python或其他。总起来说，这本书还是适合初学者，与上一本一样需要快速读完，如果读完上一本的话，这一本可以不必细看代码，了解算法主要思想就行了。
《统计学习方法》&&作者李航，是国内机器学习领域的几个大家之一，曾在MSRA任高级研究员，现在华为诺亚方舟实验室。书中写了十个算法，每个算法的介绍都很干脆，直接上公式，是彻头彻尾的“干货书”。每章末尾的参考文献也方便了想深入理解算法的童鞋直接查到经典论文；本书可以与上面两本书互为辅助阅读。
《Machine Learning》（《机器学习》）&&作者Tom Mitchell是CMU的大师，有机器学习和半监督学习的网络课程视频。这本书是领域内翻译的较好的书籍，讲述的算法也比《统计学习方法》的范围要大很多。据评论这本书主要在于启发，讲述公式为什么成立而不是推导；不足的地方在于出版年限较早，时效性不如PRML。但有些基础的经典还是不会过时的，所以这本书现在几乎是机器学习的必读书目。
《Mining of Massive Datasets》（《大数据》）&&作者Anand Rajaraman[3]、Jeffrey David Ullman，Anand是Stanford的PhD。这本书介绍了很多算法，也介绍了这些算法在数据规模比较大的时候的变形。但是限于篇幅，每种算法都没有展开讲的感觉，如果想深入了解需要查其他的资料，不过这样的话对算法进行了解也足够了。还有一点不足的地方就是本书原文和翻译都有许多错误，勘误表比较长，读者要用心了。
《Data Mining: Practical Machine Learning Tools and Techniques》（《数据挖掘：实用机器学习技术》）&&作者Ian H. Witten 、Eibe Frank是weka的作者、新西兰怀卡托大学教授。他们的《ManagingGigabytes》[4]也是信息检索方面的经典书籍。这本书最大的特点是对weka的使用进行了介绍，但是其理论部分太单薄，作为入门书籍还可，但是，经典的入门书籍如《集体智慧编程》、《智能web算法》已经很经典，学习的话不宜读太多的入门书籍，建议只看一些上述两本书没讲到的算法。
《机器学习及其应用》&周志华、杨强主编。来源于“机器学习及其应用研讨会”的文集。该研讨会由复旦大学智能信息处理实验室发起，目前已举办了十届，国内的大牛如李航、项亮、王海峰、刘铁岩、余凯等都曾在该会议上做过讲座。这本书讲了很多机器学习前沿的具体的应用，需要有基础的才能看懂。如果想了解机器学习研究趋势的可以浏览一下这本书。关注领域内的学术会议是发现研究趋势的方法嘛。
《Managing Gigabytes》（深入搜索引擎）&信息检索不错的书。
《Modern Information Retrieval》&&Ricardo Baeza-Yates et al. 1999。貌似第一本完整讲述IR的书。可惜IR这些年进展迅猛，这本书略有些过时了。翻翻做参考还是不错的。另外，Ricardo同学现在是Yahoo Research for Europe and Latin Ameria的头头。
《推荐系统实践》&&项亮，不错的入门读物
《Pattern Classification》（《模式分类》第二版）&&作者Richard O. Duda[5]、Peter E. Hart、David。模式识别的奠基之作，但对最近呈主导地位的较好的方法SVM、Boosting方法没有介绍，被评“挂一漏万之嫌”。
《Pattern Recognition And Machine Learning》&&作者Christopher M. Bishop[6]；简称PRML，侧重于概率模型，是贝叶斯方法的扛鼎之作，据评“具有强烈的工程气息，可以配合stanford 大学 Andrew Ng 教授的 Machine Learning 视频教程一起来学，效果翻倍。”
《The Elements of Statistical Learning : Data Mining, Inference, andPrediction》，（《统计学习基础：数据挖掘、推理与预测》第二版）&&作者RobertTibshirani、Trevor Hastie、Jerome Friedman。“这本书的作者是Boosting方法最活跃的几个研究人员，发明的Gradient Boosting提出了理解Boosting方法的新角度，极大扩展了Boosting方法的应用范围。这本书对当前最为流行的方法有比较全面深入的介绍，对工程人员参考价值也许要更大一点。另一方面，它不仅总结了已经成熟了的一些技术，而且对尚在发展中的一些议题也有简明扼要的论述。让读者充分体会到机器学习是一个仍然非常活跃的研究领域，应该会让学术研究人员也有常读常新的感受。”[7]
《Data Mining：Concepts andTechniques》（《数据挖掘：概念与技术》第三版）&&作者（美）Jiawei Han[8]、（加）Micheline Kamber、（加）Jian Pei，其中第一作者是华裔。本书毫无疑问是数据挖掘方面的的经典之作，不过翻译版总是被喷，没办法，大部分翻译过来的书籍都被喷，想要不吃别人嚼过的东西，就好好学习英文吧。
《AI, Modern Approach 2nd》&&Peter Norvig，无争议的领域经典。
《Foundations of Statistical Natural Language Processing》&&自然语言处理领域公认经典。
《Information Theory：Inference and Learning Algorithms》&&
《Statistical Learning Theory》&&Vapnik的大作，统计学界的权威，本书将理论上升到了哲学层面，他的另一本书《The Nature ofStatistical Learning Theory》也是统计学习研究不可多得的好书，但是这两本书都比较深入，适合有一定基础的读者。
《矩阵分析》&&Roger Horn。矩阵分析领域无争议的经典
《概率论及其应用》&&威廉&费勒。极牛的书，可数学味道太重，不适合做机器学习的
《All Of Statistics》&&&机器学习这个方向，统计学也一样非常重要。推荐All of statistics，这是CMU的一本很简洁的教科书，注重概念，简化计算，简化与Machine Learning无关的概念和统计内容，可以说是很好的快速入门材料。
《Nonlinear Programming, 2nd》&&最优化方法，非线性规划的参考书。
《Convex Optimization》&&&Boyd的经典书籍，被引用次数超过14000次，面向实际应用，并且有配套代码，是一本不可多得的好书。
《Numerical Optimization》&&第二版，Nocedal著，非常适合非数值专业的学生和工程师参考，算法流程清晰详细，原理清楚。
《Introduction to Mathematical Statistics》&&第六版，Hogg著，本书介绍了概率统计的基本概念以及各种分布，以及ML，Bayesian方法等内容。
《An Introduction to Probabilistic Graphical Models》&&Jordan著，本书介绍了条件独立、分解、混合、条件混合等图模型中的基本概念，对隐变量（潜在变量）也做了详细介绍，相信大家在隐马尔科夫链和用Gaussian混合模型来实现EM算法时遇到过这个概念。
《Probabilistic Graphical Models-Principles and Techniques》&&Koller著，一本很厚很全面的书，理论性很强，可以作为参考书使用。
具体数学&&经典
------------------------------------------------------------------------------------------------------------------------------
线性代数&(Linear Algebra)：&我想国内的大学生都会学过这门课程，但是，未必每一位老师都能贯彻它的精要。这门学科对于Learning是必备的基础，对它的透彻掌握是必不可少的。我在科大一年级的时候就学习了这门课，后来到了香港后，又重新把线性代数读了一遍，所读的是&Introduction to Linear Algebra (3rd Ed.) by Gilbert Strang.&这本书是MIT的线性代数课使用的教材，也是被很多其它大学选用的经典教材。它的难度适中，讲解清晰，重要的是对许多核心的概念讨论得比较透彻。我个人觉得，学习线性代数，最重要的不是去熟练矩阵运算和解方程的方法——这些在实际工作中MATLAB可以代劳，关键的是要深入理解几个基础而又重要的概念：子空间(Subspace)，正交(Orthogonality)，特征值和特征向量(Eigenvalues and eigenvectors)，和线性变换(Linear transform)。从我的角度看来，一本线代教科书的质量，就在于它能否给这些根本概念以足够的重视，能否把它们的联系讲清楚。Strang的这本书在这方面是做得很好的。&而且，这本书有个得天独厚的优势。书的作者长期在MIT讲授线性代数课(18.06)，课程的video在MIT的Open courseware网站上有提供。有时间的朋友可以一边看着名师授课的录像，一边对照课本学习或者复习。&
概率和统计&(Probability and Statistics):&概率论和统计的入门教科书很多，我目前也没有特别的推荐。我在这里想介绍的是一本关于多元统计的基础教科书：&Applied Multivariate Statistical Analysis (5th Ed.) by Richard A. Johnson and Dean W. Wichern 这本书是我在刚接触向量统计的时候用于学习的，我在香港时做研究的基础就是从此打下了。实验室的一些同学也借用这本书学习向量统计。这本书没有特别追求数学上的深度，而是以通俗易懂的方式讲述主要的基本概念，读起来很舒服，内容也很实用。对于Linear regression, factor analysis, principal component analysis (PCA), and canonical component analysis (CCA)这些Learning中的基本方法也展开了初步的论述。&之后就可以进一步深入学习贝叶斯统计和Graphical models。一本理想的书是&Introduction to Graphical Models (draft version). by M. Jordan and C. Bishop.&我不知道这本书是不是已经出版了（不要和Learning in Graphical Models混淆，那是个论文集，不适合初学）。这本书从基本的贝叶斯统计模型出发一直深入到复杂的统计网络的估计和推断，深入浅出，statistical learning的许多重要方面都在此书有清楚论述和详细讲解。MIT内部可以access，至于外面，好像也是有电子版的。
分析&(Analysis)：&我想大家基本都在大学就学过微积分或者数学分析，深度和广度则随各个学校而异了。这个领域是很多学科的基础，值得推荐的教科书莫过于&Principles of Mathematical Analysis, by Walter Rudin 有点老，但是绝对经典，深入透彻。缺点就是比较艰深——这是Rudin的书的一贯风格，适合于有一定基础后回头去看。&在分析这个方向，接下来就是泛函分析(Functional Analysis)。&Introductory Functional Analysis with Applications, by Erwin Kreyszig.&适合作为泛函的基础教材，容易切入而不失全面。我特别喜欢它对于谱论和算子理论的特别关注，这对于做learning的研究是特别重要的。Rudin也有一本关于functional analysis的书，那本书在数学上可能更为深刻，但是不易于上手，所讲内容和learning的切合度不如此书。&在分析这个方向，还有一个重要的学科是测度理论(Measure theory)，但是我看过的书里面目前还没有感觉有特别值得介绍的。
拓扑&(Topology)：&在我读过的基本拓扑书各有特色，但是综合而言，我最推崇：&Topology (2nd Ed.) by James Munkres 这本书是Munkres教授长期执教MIT拓扑课的心血所凝。对于一般拓扑学(General topology)有全面介绍，而对于代数拓扑(Algebraic topology)也有适度的探讨。此书不需要特别的数学知识就可以开始学习，由浅入深，从最基本的集合论概念（很多书不屑讲这个）到Nagata-Smirnov Theorem和Tychonoff theorem等较深的定理（很多书避开了这个）都覆盖了。讲述方式思想性很强，对于很多定理，除了给出证明过程和引导你思考其背后的原理脉络，很多令人赞叹的亮点——我常读得忘却饥饿，不愿释手。很多习题很有水平。
流形理论&(Manifold theory)：&对于拓扑和分析有一定把握时，方可开始学习流形理论，否则所学只能流于浮浅。我所使用的书是&Introduction to Smooth Manifolds. by John M. Lee 虽然书名有introduction这个单词，但是实际上此书涉入很深，除了讲授了基本的manifold, tangent space, bundle, sub-manifold等，还探讨了诸如纲理论(Category theory)，德拉姆上同调(De Rham cohomology)和积分流形等一些比较高级的专题。对于李群和李代数也有相当多的讨论。行文通俗而又不失严谨，不过对某些记号方式需要熟悉一下。&虽然李群论是建基于平滑流形的概念之上，不过，也可能从矩阵出发直接学习李群和李代数——这种方法对于急需使用李群论解决问题的朋友可能更加实用。而且，对于一个问题从不同角度看待也利于加深理解。下面一本书就是这个方向的典范：&Lie Groups, Lie Algebras, and Representations: An Elementary Introduction. by Brian C. Hall 此书从开始即从矩阵切入，从代数而非几何角度引入矩阵李群的概念。并通过定义运算的方式建立exponential mapping，并就此引入李代数。这种方式比起传统的通过“左不变向量场(Left-invariant vector field)“的方式定义李代数更容易为人所接受，也更容易揭示李代数的意义。最后，也有专门的论述把这种新的定义方式和传统方式联系起来。
转载地址：
前几天忽然被问到，一共睡过多少女生，我很仔细地掐指一算，答曰：十三个。这个数字，或许足够让许多男生大骂我“禽兽”的同时又忍不住要来取取经。
可是，我也是个姑娘啊。
曾经长期在我家陪睡的姑娘就有三个。
没有谁比童童更嚣张了。不停谈恋爱飞叶子看演出，热衷万圣节圣诞节等一切大大小小的节日。当然，也爱看书。春天到来之前，没有谁比她更急着穿上露腿的及膝袜。虽然我始终不了解像她这一类没有人陪就比死还难受的人是怎么活到这么大的，但不妨碍我们是好朋友。
童童曾经和一据称是西南地区范儿最正的朋克乐手在一起，从初二到大二，整整一个抗日战争的长度。大一英语课的口语演讲，她做了长长的图文并茂的PPT，流利地讲着她男朋友教会她的事，带给她的成长，全班人鸦雀无声地抬头听着。她说如果我不听摇滚，不和他在一起，我会和更多的小姑娘玩得很好，会和更多的人有话题被更多的人喜欢，可是那样，我也就成了最普通的小姑娘了，也就和别人没什么两样了。
我们骨子里都有对生活如戏的渴求以及虚荣，对越危险越致命的东西的本能性迷恋和追逐。但又可以脚踏实地地厮杀混战，把自己铸就得洞穿是非因果一样的坚不可摧。其中翻腾起来的矛盾，是会杀死人的。
我给她看九口拍我的照片，看了半天，她默默回我一句：你让我很想念H。H是摄影师，是她的禁果。已婚，型好，有才，拍过她。当初他Lofter小号还没有删她没打码的照片，很多人评论，说这个模特眼神好诱人，而她当时只是那么喜欢他一直看着他而已。后来有一段时间相互不联系，再联系的时候他告诉她，只是动情了而已，不想和她成为路人，拍完她之后，他再也没有去拍别的姑娘，不想拍。然后童童再次沦陷。
我们讨论年级里某个半知名绿茶婊，讨论“最好的爱情从来不是靠约束和道德伦理捆绑得来的”，也讨论中国姑娘的性与爱，很多观点，神似一般不谋而合。前阵子和我说，我跟你啊，真是一辈子都没法跟正常社会接轨。
涵涵最笨，是比我小一岁的小学妹。有时我要早起上课，她会毫不客气地直接睡到中午，让我给她带驴肉火烧的肉夹馍，或者不放味精和鸡精的热干面。属于那种一谈恋爱就玩儿命似的给男朋友掏钱的姑娘，明显少年不识愁滋味的典型。虽然大学之前她只谈过一次恋爱。每次睡醒我帮她系内衣扣子的时候，我都要感叹一句：呐，我们才是适合一起生活的人。我喜欢逗她，有一次睡到中午醒来，我假装心事满满欲说还休的样子看着她，语气无比严肃又忧伤的说：我告诉你一件事情。她感受到了我的异常，同样异常地看着我，小心地问：怎么了？
“我不好意思说。”
她急了，“你快说啊，哪方面的事？精神层面？”
我默默摇头。
“啊？身体方面？”她更急了，“你怀孕了？”
我继续摇头，像一个最佳女主角一样忍住笑。还是用严肃又忧伤的眼神看着她，一字一顿地说：“我，饿，了。”
顿时她把我从床上踹下去的心都有了。
有一次说好了中午去和她吃饭。结果我睡到下午四点，早上七点多刚迷迷糊糊睡着的时候，手机不停地振动，把我振烦了，索性调静音。于是错过了无数疯狂的电话和信息。醒了一会她又打过来，说：我的天啊你终于接电话了我还以为你出什么事了电话不接信息不回一下午我已经虚构了十几种你被暗杀被抢劫被奸杀还有手机丢了的情节了我还问了好几个人让他们帮忙找你……
还有小敏，她让我在很长一段时间我严重地怀疑自己的性取向。她长得乖巧，长发，黑，直，是我们班上年纪最小的，大家都喊她小妹妹。英语课我们两个总是坐在第一排，每次我都有种“我不能悲伤地坐在你身旁”的感觉。她有一种很神奇的力量，这种力量强大胜似男朋友，可以让我在心情无论多糟糕的前提下，只要她在旁边，我就隐隐地感觉心安。
大三上学期的冬天，我失恋到天昏地暗日夜不分，连起床上课的下楼吃饭的力气都没，每天涕泗横流食之无味不知今夕何夕那阵子，小敏来陪了我整整一个星期。最后一天晚上，下小雨的凌晨，童童在微信上喊我出去：“快来呀我在飞，我怕等会回家找不到路了你快来和我一起啊。”看了一眼睡相无比安静的小敏，心一横，穿衣服，走！
于是大半夜，我和童童一起在学校后街的小酒吧里，围着满桌子啃过的鸭脖、用过的纸巾、烟灰、喝完没喝完高楼大厦一样林立的酒瓶子，听某民谣歌手讲他和初恋女友以及几年前在体育馆演出的故事。有个光头鼓手喝多了，一直吐，吐完了就趴在靠近墙角的小角落里低头自言自语，听到他说冷，我就把披着的毛衣给他盖在身上。他不清不楚地问我：你叫什么名字，我一定会记得你的。后来走在路上偶尔见面，他没认出来我。再后来我也认不出他了，因为好像他已经不是光头了。
可是她们三个中的任何一个，都很久没和我一起睡过了，这让我感到难过，童小姐，涵小姐，敏小姐。
热爱姑娘，这不管对于姑娘还是汉子还说，都是一个尤为重要的品德。不仅怡情，并且养眼，养身。一不小心，还能丰富一下人生观价值观，刷新一下知识量和眼界。总结下来，我更容易产生好感的姑娘，无非两种类型。
一种白净瘦弱，或长发及腰，或短发及肩，衣着简单，眼神明亮，话语轻细似乎怕惊动花花草草，永远像就连课间上厕所都要结伴的中学生，把好好学习天天向上当生活的一部分，定时出入图书馆，但又不是戴着眼镜只知埋头苦读不闻窗外事的学霸。也永远让我有种“我要是男生绝对要和她耍朋友”的冲动。
一种唇红齿白，要么一身黑衣包裹一腔热血，要么满身花花绿绿充满波西米亚的嬉皮大麻味儿，就像音乐节上乱花渐欲迷人眼一般扎堆出现的姑娘，气场十足，乍看孤傲独立拒人千里，实则江湖义气大快朵颐，似火似水，能把“草”说的很文明，有着某种肉眼不可分辨的立足江湖的技能，并且多数内功深厚堪称武林至尊，一朵桃花致命，一杯清水断肠。
第一种女生，只想近乎溺爱一样地宠着她，像男朋友对女朋友。而第二种女生，适合把酒对月促膝长谈，从走过多少大江南北的山水，听过多少鬼哭狼嚎的断肠歌，到睡过多少一拍即合的同路人。涵涵和小敏属于第一种，童童属于第二种。如果说有第三种，那就是相逢何必曾相识的一面之缘，以及没有回响的念念不忘，像贱兮兮的单恋。
去年七月去广州。一出地铁口，迎面而来的广州的蓝天和阳光让我恍惚间有回到了烟台的错觉。清晨六点半的地铁三号线，放眼望去都是半睡半醒的脸。有人站着看书写写画画，有人坐着面无表情看手机看报纸，人们疲惫又警觉，没有人给头发花白的奶奶让座。华利路上的L-art西点店冷气十足，出来的时候行李箱上像是结了一层冰一样得凉。墙上挂着的装饰画里，最先注意到的是Jimi Hendrix，激动又兴奋。
住的地方在车陂，朋友家，一个姑娘。属于城乡结合部。小巷子里弥漫着浓浓的柴米油盐和垃圾挥发出来的夹杂在一起的味道。道路不平，常有积水，阳光一照，明晃晃得像一个个被污染的小湖。夜晚没有空调的房间闷热潮湿。洗澡的时候会有要窒息的错觉。这让我想到大一暑假的夏天，我的泰安之行。也是住在一个姑娘家里。穿过夜晚没有路灯漆黑一片的菜市场，印满了红色或者黑色的诸如“通下水道”的小广告的楼梯口，二楼楼道里贴着的大大的喜字在这样的氛围下感受不到一丝喜气，长满爬山虎的老旧居民楼有着一股沉重的生气。夜晚听得见窗外野狗打架的惨叫声。那个地方好像叫东湖，是一片即将拆迁的旧房子。适合拍照，不宜久居。
其实我是去实习。坐标是广州大道中，南方报业集团，严明、蒋明以及许多人辞职了的“那踏破门槛的南方289”。下午三点半，耳边总是传来广播的声音：“现在开始做第八套广播体操”。如果不是偶尔传来的几句粤语交谈，我还恍惚以为自己就在成都，在学校一楼人烟稀少的图书馆，在我每天早上可以听见鸽子叫，傍晚可以看见鸽子飞的七楼的房间。那些无事可做的下午，我趴在桌子上昏昏欲睡地看旧杂志，看到写黑童话的甜老虎的专栏。
人民路上的玫瑰甜品很好吃，头发稀疏有点秃顶的老板，用带着些许粤语口音的普通话和我们推荐店里的杏仁豆腐。我和同去的实习生，也叫小敏，我们一起点了三份，老板皱着眉头问我们吃得完吗，不要浪费啊。我说，放心啊，我很能吃的。老板还是不放心地叮嘱我们：“你要先要把仄两个七完再七仄个，如果七一会仄个再七一会仄个，就两个都没有味道了。”
即便在我来广州第五天，公交车爆炸导致两死四重伤，也丝毫影响不了我对这座城市的印象。下午五点岗贝路的阳光像雾弥漫着不宽的街道，空气好像变成了乳白色。
在广州结识了许多姑娘。我才发现，原来我也一直在追逐美色。
印象最深的是一个姑娘，穿酒红色的上衣和黑色的裙子。中分，大波浪，尖下巴，笑起来很美。一场在风眠艺术中心举办的关于爵士乐的生活美学思辨会上，她站在一幅满是绿色的画前摆出各种动作让我给她拍照。拍完一张就迫不及待地要马上看一眼，接着再拍下一张。她跑来跑去看照片的样子，像一个十六七岁的小姑娘。我感觉她身上存在着打动我的东西，却怎么也说不出来。
活动结束之后在楼下看到她。一只手抱在胸前，一只手拿着烟慢慢抽着。时不时把散下来的头发拨弄几下，别回到耳后。这时候的她，比我给她拍的任何一张照片，都美上几倍。我问她接下来要去哪儿，她干脆利落地回答：散步。问我要不要一起去。天地良心，当时我是多么想就那么跟她走了。可是已经很疲惫了，还有要和报社一起来的朋友一起回去。就只好不情愿地说要不留个微信，改天一起散步吧。可能是我记错了号码，就这样再也没有了联系。现在只记得她说她叫Eva。
雨媚总是让我想起这个广州姑娘。雨媚说话极温柔，也极会照顾人。香港中文大的研究生，专业是性别研究，说上课的时候，前半节课老师给放AV，后半节课放GV。
“也不知道怎么了，年轻的时候总觉得自己老了，有一颗想要赶快去死的心。”那天雨媚很累，涂着红唇，一身黑衣，在太古里星巴克旁边停下来点烟的样子，美死了。我想拿手机拍她，只是动作太慢，被她发现了。以至于现在每次路过那堵墙，我都想象雨媚站在那里点烟。对我说，不许拍。
冬天，一月。我和雨媚带着满身浓郁的火锅味逛MUJI。我们用印章在本子上盖着各种图案。她把本子的每一页都盖满了。她撕一页给我，我最先盖了个“+7”。然后是红色的心，绿色的圣诞树，蓝色的犀牛，黑色的邮票，东京塔，猪鼻子，大眼睛。空白的地方不知道怎么填，我又盖了好几个简笔富士山做我的主视觉。雨媚说，以后我用到这个本子的时候就会想到你啦，想到我们一起站在这里盖印章。这让我一想到我们会分开，就严重似情侣讲分手。
店员一定是觉得我们俩站在这里盖了好久，过来问雨媚，请问这个本子是你今天买的吗？
“不是今天买的就不能盖了吗？”
“额……”
“这个是之前买的，不能盖吗？”雨媚一副顾客是上帝，消费者利益不可侵犯的样子，但说话还是轻声细语像怕惊吓了花花草草。
另一个店员走过来，说可以可以，没事的你们继续盖。
我们把盖好的本子装起来，跑去收银台结账，雨媚刚刚买了一双小白鞋。她偷偷对着我的耳朵说：其实这个本子是我在香港买的啦。
“那你刚刚那么淡定，反应好快。”
我在路口陪她打车。头发上隐隐约约的火锅味儿被风吹着，绕着我们飞来飞去。回家的地铁上雨妹给我发来截图——
摩羯座和天秤的距离是世界上最远又最近的。天秤可以给予工作狂的摩羯一个毫无压力轻松的环境，摩羯让天秤有了安稳的栖息。可是一个处处设置框架的人总是要求一个血里有风的人依照他的标准行事，最后带着所有的思念和柔情相忘于江湖。
那时候她知道我心心念念着某个天秤座，名曰+7。
初春，三月。中午和雨媚一起吃饭，老麻抄手。我们都没怎么带钱，胆战心惊地叫服务生结账，一堆零钱堆在桌子上，总算凑够了饭钱。最后我剩了三块钱，雨媚剩了四块钱。但我们还是决定去太古里逛逛。
雨媚说，去MOMOKO看吧，MOMOKO在日语里是水蜜桃的意思。我们站在门口，翻了一下看起来很好看的菜单。雨媚看着看着菜单就走了进去。对着橱窗里的甜品问我上次吃的是哪个。店员很热情地过来招呼我们，雨媚笑笑，摇头说我们就是看看，另一个店员接着问我们想要什么口味的，甜一点的还是清爽一点的，可以给我们推荐。我背过去在一旁笑，拉着雨媚小声说，我们没钱唉。雨媚好像忽然意识到了我们只剩四块钱这个事实，赶紧拉着我逃了出来，一出来我们就开始笑。随后去了猫的天空之城书店。满墙的明信片，雨媚挑了一张，付款的时候和我说，小瓷，我花掉了四块八，语气像拿了妈妈抽屉里的零钱偷买了汽水的小孩一样。我说没事呀你花呀。然后雨媚坐到了旁边的桌子上写明信片。
第二天，雨媚就回了重庆。我像失去了并肩作战的战友一样，低落了好一阵子。我们甚至没来得及一起睡一次。
雨媚走后我帮她取过一次快递。一家卖果汁的淘宝店寄给顾客的神秘礼物，用的是寄录取通知书的那种袋子，我以为是什么文件，拆开之后调出来一个手掌大小的包装精美的粉红色小袋子，正面一只挑花出墙来，春意盎然地写着“桃花运”，正当我以为是什么茶叶的时候，看到了反面的小字“天然乳胶避孕套，棉花糖口味”。拍了两张照发给雨媚，正反两面各自一张。
雨媚收到后问：“是什么呀是什么？就没有了吗？快打开看里面是什么呀！”
“你瞎吗！”我又把反面的字拍了张特写发给她。
知道真相的雨媚是不是眼泪笑得都快掉下来，我不知道，她坏笑着说，这个就送给你咯，一定要用掉哦。反正我是眼泪笑得快要掉下来了。
现在大四下学期。距离毕业还有一个月。我还是住在七楼的房间，可以看见对面顶楼天台的鸽子。那些分辨不出来模样的鸽子，它们总在早晨七点钟咕咕叫着。有时一夜未眠，听到叫声，我就知道，我该睡了。偶尔飘进房间的一根羽毛，我知道我和它们都有缘。楼下是快餐店，是学长的家人开的，学长毕业后去了德国念书，听说最近回来了。楼道里混合着饭菜香，叔叔阿姨总是在我出门前问一句要去上课呀，回家后也是笑盈盈地说回来啦，一切都让我感到亲切无比。二楼楼梯拐角的窗户上，房东贴着“同学们，要交水电费啦”的A4纸，纸已经很破旧了，日期写着2011年3月。有时候旁边还会晾着一双粉红色的棉拖鞋。
女生之间的关系，要么是逢场作戏说笑而已，要么是掏心掏肺。总是有挤不完的黑头，退不掉的发色，发不完的脾气，听不完的是非，走不完的回家路，等不来的某个人。回忆不完的姑娘。她们美丽，她们虔诚，她们被风吹散。总之，睡过的，没睡过但想睡的，都是真爱。拍过的，日记里写过的，都是隐秘的表白。说不出来的话，就写成文章，偷偷地实现永垂不朽的大欲望。
转载地址：
交叉验证(Cross-Validation):&有时亦称循环估计，&是一种统计学上将数据样本切割成较小子集的实用方法。于是可以先在一个子集上做分析，而其它子集则用来做后续对此分析的确认及验证。&一开始的子集被称为训练集。而其它的子集则被称为验证集或测试集。
交叉验证对于人工智能，机器学习，模式识别，分类器等研究都具有很强的指导与验证意义。基本思想是把在某种意义下将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(validation set or test set),首先用训练集对分类器进行训练,在利用验证集来测试训练得到的模型(model),以此来做为评价分类器的性能指标.
三大CV的方法1).Hold-Out Method
方法：将原始数据随机分为两组,一组做为训练集,一组做为验证集,利用训练集训练分类器,然后利用验证集验证模型,记录最后的分类准确率为此Hold-OutMethod下分类器的性能指标.。Hold-OutMethod相对于K-fold Cross Validation 又称Double cross-validation ，或相对K-CV称 2-fold cross-validation(2-CV)&
优点：好处的处理简单,只需随机把原始数据分为两组即可&
缺点：严格意义来说Hold-Out Method并不能算是CV,因为这种方法没有达到交叉的思想,由于是随机的将原始数据分组,所以最后验证集分类准确率的高低与原始数据的分组有很大的关系,所以这种方法得到的结果其实并不具有说服性.(主要原因是训练集样本数太少，通常不足以代表母体样本的分布，导致 test 阶段辨识率容易出现明显落差。此外，2-CV&中一分为二的分子集方法的变异度大，往往无法达到「实验过程必须可以被复制」的要求。)&
2).K-fold Cross Validation(记为K-CV)
方法：作为1)的演进，将原始数据分成K组(一般是均分),将每个子集数据分别做一次验证集,其余的K-1组子集数据作为训练集,这样会得到K个模型,用这K个模型最终的验证集的分类准确率的平均数作为此K-CV下分类器的性能指标.K一般大于等于2,实际操作时一般从3开始取,只有在原始数据集合数据量小的时候才会尝试取2.&而K-CV 的实验共需要建立 k 个models，并计算 k 次 test sets 的平均辨识率。在实作上，k&要够大才能使各回合中的&训练样本数够多，一般而言 k=10 (作为一个经验参数)算是相当足够了。&
优点：K-CV可以有效的避免过学习以及欠学习状态的发生,最后得到的结果也比较具有说服性.&
缺点：K值选取上&
3).Leave-One-Out Cross Validation(记为LOO-CV)
方法：如果设原始数据有N个样本,那么LOO-CV就是N-CV,即每个样本单独作为验证集,其余的N-1个样本作为训练集,所以LOO-CV会得到N个模型,用这N个模型最终的验证集的分类准确率的平均数作为此下LOO-CV分类器的性能指标.&
优点：相比于前面的K-CV,LOO-CV有两个明显的优点：a.每一回合中几乎所有的样本皆用于训练模型,因此最接近原始样本的分布,这样评估所得的结果比较可靠。&&&b.&实验过程中没有随机因素会影响实验数据,确保实验过程是可以被复制的.&
缺点：计算成本高,因为需要建立的模型数量与原始数据样本数量相同,当原始数据样本数量相当多时,LOO-CV在实作上便有困难几乎就是不显示,除非每次训练分类器得到模型的速度很快,或是可以用并行化计算减少计算所需的时间.&
在模式识别与机器学习的相关研究中，经常会将&数据集分为&训练集与测试集&这两个子集，前者用以建立&模式，后者则用来评估该模式对未知样本进行预测时的精确度，正规的说法是 generalization ability(泛化能力)
交叉验证核心原则Cross-validation 是为了有效的估测 generalization error 所设计的实验方法
只有训练集才可以用在&模式的训练过程中，测试集&则必须在模式完成之后才被用来评估模式优劣的依据。
常见的错误运用：许多人在研究都有用到 Evolutionary Algorithms(EA,遗传算法)与 classifiers，所使用的 Fitness Function (适应度函数)中通常都有用到 classifier 的辨识率，然而把Cross-Validation&用错的案例还不少。前面说过，只有 training data 才可以用于 model 的建构，所以只有 training data 的辨识率才可以用在 fitness function 中。而 EA 是训练过程用来调整 model 最佳参数的方法，所以只有在 EA结束演化后，model 参数已经固定了，这时候才可以使用 test data。&
EA 与 CV结合研究方法： Cross-Validation 的本质是用来估测某个 classification method 对一组 dataset 的 generalization error，不是用来设计 classifier 的方法，所以 Cross-Validation 不能用在 EA的 fitness function 中，因为与 fitness function 有关的样本都属于 training set，那试问哪些样本才是 test set 呢？如果某个 fitness function 中用了Cross-Validation&的 training 或 test 辨识率，那么这样的实验方法已经不能称为 Cross-Validation .&
EA&与 k-CV 正确的搭配方法：是将 dataset 分成 k 等份的 subsets 后，每次取 1份 subset 作为 test set，其余 k-1 份作为 training set，并且将该组 training set 套用到 EA 的 fitness function 计算中(至于该 training set 如何进一步利用则没有限制)。因此，正确的 k-CV 会进行共 k 次的 EA 演化，建立 k 个classifiers。而 k-CV 的 test 辨识率，则是 k 组 test sets 对应到 EA 训练所得的 k 个 classifiers 辨识率之平均值.&
数据集分割原则交叉验证在，原始数据集分割为训练集与测试集，必须遵守两个要点：
训练集中样本数量必须够多，一般至少大于总样本数的 50%。&
两组子集必须从完整集合中均匀取样。&
其中第&2&点特别重要，均匀取样的目的是希望减少&训练集/测试集与完整集合之间的偏差(bias)，但却也不易做到。一般的作法是随机取样，当样本数量足够时，便可达到均匀取样的效果。然而随机也正是此作法的盲点，也是经常是可以在数据上做手脚的地方。举例来说，当辨识率不理想时，便重新取样一组训练集与测试集，直到测试集的辨识率满意为止，但严格来说便算是作弊。
转载地址：
步骤/方法&
&所谓标准指法就是把你的双手依照下图的位置放在键盘上，即让你的左手食指放在字母F上（F键上有一个小突起，我们通常称之为盲打坐标），右手食指放在字母J上（J键也有一个盲打坐标）然后将四指并列对齐分别放在相邻的键钮上。
&标准指法的第二部分是手指的“平行”移动规律，也就是说从你把手搭到键盘上起，你的每个手的四个手指就要并列对齐并且“同上同下”。&标准指法的第三部分是倾斜移动原则，即无论是你的左手还是右手，都要遵从“左高右低”的方式上下移动。也就是说，左手的食指的移动规范是4 R F V 一条线，右手食指的移动规范是7 U J M 一条线。其中挨着左手食指的5 T G B 由左手食指去打，同理，靠着右手食指的6 Y H N 四个键由右手食指去打。当你对标准指法有了初步印象以后，就可以了解键盘上其它键钮的手指分工了
&通常情况下，键盘上使用率较高的其它几个键钮还包括：回车确认(enter)键、空格键、删除键（键盘右上角上的那个back space键）以及双击键(shift)。空格键（也称空格棒）是你打字过程中使用频率最高的一个功能键，可以用两手的大拇指随你去敲（大部分人喜欢用右手大拇指，这个不限）；回车（确认）键是使用率第二的功能键，由右手小指去打；删除键是在你打字过程中使用频度第三的功能键，通常用于打字错误的修正（删除），也由右手的小指去敲。
&所谓双击键(shift)就是当一个键钮上有两个字符时的辅助选择键，像标注在数字1上的&！，就是在你用右手小指压下(sheft)键之后，用左手小指敲击数字 1 而打出来的。其它的一些像什么@&、：——等等等等道理相同，&你自己一看就明白了。需要说明的是，由于需要双击选择的键钮在数字键上左右都有分布，所以这个双击键在键盘下面的布局也是左右各放一个，以利于你双手配合好把它打出来。
&当你熟悉了这些标准指法以后，剩下的就是按照练习了。也就是说，你可以按照英文26个字母的顺序看着键盘依次用标准指法去打它们，以一天练习四个字母计算，最多7天你的盲打就基本练习成功了。
&在打字的练习过程中，你可以在你的电脑上新建一个文档然后在里面反复练习，其间不要刻意练习快，人的手指头是很聪明的，当你练过一段时间以后，它是会自己去找它所应该去打的那个键钮的，当你真正熟练以后，快只不过是一个顺理成章的事情，正所谓“功到自然成”。&END
&&&&&&& Your time is limited, so don't waste it living in someone else's life. Don't be trapped by dogma which is living with the results of other people's thinking. Don't let the noise of others' opinions drown out your own inner voice. And the most important, have the courage to your heart and intuition. They somehow already know what you truly want to become. Everything else is secondary.
转载地址：
第一部分： Java语言篇&1 《Java编程规范》&&&星级：&&&适合对象：初级，中级&&&介绍：作者James Gosling（Java之父），所以这本书我觉得你怎么也得读一下。对基础讲解的很不错。&2 《Java核心技术：卷Ⅰ基础知识》&&&星级：&&&适合对象：初级，中级&&&介绍：官方机构图书，你怎么也得有一本，这本书比较全面而且易懂。放在案旁用到的时候查一查，看一看。是学习入门必备书。&&&&注：新手必备&3 《Java编程思想》&&&星级：&&&适合对象：初级，中级&&&介绍：这本书的作者就是著名的C++编程思想，对OO的理解很好，Java作为一门面向对象的语言，你学习Java最好也同时参考这本书进行入门学习。&&&注：新手必备&4 《Effective Java》&&&星级：&&&适合对象：初级，中级，高级&&&介绍：作者是Java的第2号人物，目前是Google的Java老大，是James Gosling强力推荐的一本书。&5 《Java与模式》&&&星级：&&&适合对象：中级，高级&&&介绍：是国人写的难得的值得购买的一本书，当然现在也有大话设计模式之类的出现，这本书出现的比较早，是初级到中高级必读的图书之一。&注：没有理解面向对象前，读这本书没有意义。最好是有过项目经验再读比较好。&6 《SCJP学习指南》&星级：&&&适合对象：初级，中级&&&介绍：官方考试必备图书，对你检验自己学些Java知识情况很有帮助，这本书最适合学生阅读，这本书理解透了，找工作面试Java题目不会有任何问题，工作多年的拿这里的题目不会做的都很多。&7 《Java数据结构和算法》&&&星级：&&&适合对象：初级，中级，高级&&&介绍：这本书使用Java语言描述了我们常用的数据结构，写的非常不错。值得一看，不过目前基本断货（这个就是最有利的说明）。&8《Junit Recipes中文版：程序员实用测试技巧》&&&星级：&&&适合对象：初级，中级，高级&&&介绍：目前敏捷盛行，这个你是不管怎样也得看一看的。&第二部分：中级进阶篇&1《Spring in action》&&&星级：&&&适合对象：初级，中级，高级&&&介绍：Spring框架，作为Java程序员是怎么都必须学习的。IOC、AOP是你以后见到的软件的基础。另外基本上很多东西都和Spring产生联系。&2《精通Spring 2.x:企业应用开发详解》&&&星级：&&&适合对象：初级，中级，高级&&&介绍：书中提供了Spring中的目前最流行用法的实例和实用情况。&3《iBatis实践》&&&星级：&&&适合对象：初级，中级，高级&&&介绍：iBatis必看参考书，in action从未让人失望过。&4 《精通Hibernate:Java对象持久化技术详解》&&&星级：&&&适合对象：初级，中级，高级&&&介绍：Hibernate必备参考书，也是国人写的，难得的一本好书，而且作者是个MM。&5 《Struts 2.1权威指南》&&&星级：&&&适合对象：初级，中级&&&介绍：学习Struts2的一本国人写的不错的书，不过名称显得大了点。权威指南应该只有作者才可以这么叫。&6 《Maven实践》&&&星级：&&&适合对象：初级，中级&&&介绍：从Ant到Maven现在时大势所趋了，您怎么也得学习一下。&7《expert one-on-one J2EE Development without EJB中文版》&&&&星级：&&&适合对象：初级，中级&&&介绍：这个其实是Spring的基础，作者巨牛。强力推荐，可惜是基本买不到这本书了。&8 《Tomcat权威指南》&&&星级：&&&适合对象：初级，中级&&&介绍：做Java Web的一般都必须学习这个，为Apache的开源项目。&9 《Head First Servlets & Jsp》&&&星级：&&&适合对象：初级，中级&&&介绍：Servlet和Jsp作为JavaEE程序员是必须要掌握好的，而且Head First系列从未令人失望。&10 《Head First HTML与CSS.XHTML》&&&星级：&&&适合对象：初级&&&介绍：介绍Web前端的不错的入门书。&11 《HTML+CSS网页设计与布局从入门到精通》&&&星级：&&&适合对象：初级&&&介绍：这本书最大的特点是带光盘而且讲解的不错，应用实例也不错。&12 《JavaScript宝典》&星级：&&&适合对象：初级，中级，高级&&&介绍：是学习js的必备参考工具书之一，我记得几年前国内都没有中文版，我都把整本书打印出来看了一下。&13 《JavaScript权威指南》&&&星级：&&&适合对象：初级，中级，高级&&&介绍：是学习js的必备参考工具书之一。我看我同事购买了，看起来还不错。&14 《征服Ajax Web2.0开发技术详解》&&&星级：&&&适合对象：初级，中级&&&介绍：这本书当年是CSDN送给我的，感觉还是不错的。对学习AJAX有帮助。&15 《jQuery基础教程》&星级：&适合对象：初级，中级，高级&介绍：从这个开始学习jQuery才是根本。不然以后遇到的很多奇怪问题不知所以然。jQuery个人感觉已经成为目前的javascript标准库了，插件无数，大大简化了前端工作。&16 《XML入门经典》&星级：&适合对象：初级，中级，高级&介绍：很多人觉得没必要买XML书籍，不过我还是觉得推荐一本给你作为工具书，而且看本书可以使得你对XML方方面面有个了解。里面不少东西还是用到的。&17 《敏捷软件开发(原则模式与实践)》&星级：&适合对象：中级，高级&介绍：敏捷大师的著作，您怎么也得看看。这本书包含了UML的讲解，所以我就不推荐UML的书了。&18 《重构:改善既有代码的设计》&星级：&适合对象：中级，高级&介绍：同样是大师的杰作，不可不看。最重要的是让你明白软件也是一步步改进的，不是一蹴而就的。&19 《代码整洁之道》&星级：&适合对象：中级，高级&介绍：软件工程的理想编码是需要无数人编出来的代码像一个人写的。这本书当作规范就不错。&注意:WebService的图书我还真不知道给您推荐什么，都不怎么样。您做个实例就明白，不过怎么做接口才是核心。&第三部分：高级篇&1 &《Java消息服务》&&&星级：&&&适合对象：初级，中级，高级&&&介绍：消息机制是以前分布式经常实用到的，与此相关的有Apache Active MQ进行开发，而且这本书的实例也是用的AQ。&2 《Java并非实践》&&&星级：&&&适合对象：中级，高级&&&介绍：这本书也是牛人们强力推荐的，学习并发必备。&3 《Enterprise JavaBeans 3.0中文版》&&&星级：&&&适合对象：中级，高级&&&介绍：EJB技术在大型系统中使用，主要有银行等金融机构。是开发分布式程序的选项之一，不过我不喜欢，其实银行使用的也不怎么的。结合JavaEE容器使用，开源的有JBoss，商用的有IBM和Oracle支持。&注：该类型书也有Head First系列，也很不错。另外《J2EE应用与BEA WebLogic Server》书也很不错。&4 《Hadoop权威指南》&&&星级：&&&适合对象：中级，高级&&&介绍：云计算必备图书。作为分布式计算的工具，Hadoop目前可以说是市场上唯一成熟的产品，而且大家也都向其看齐。而起云计算炙手可热，你搞明白这本书就大概明白了什么是云以及怎么做云。&
转载地址：《暗时间》
提到思考，我有一个小习惯。利用走路和吃饭的时候思考，还有睡觉前必然要弄一个问题放在脑子里面，在思考中迷糊入睡。发现这样一来往往在不知不觉中多出来大量的思考时间。
1）将思考成为习惯还有一个很大的好处——避免焦虑。卡耐基用《人性的优点》一整本书讲了一个有效的做法来避免焦虑——底线思考法（“如果最坏的情况也不过如此，又有什么可担心的呢？”）。然而实际上还有另一个有效的做法同样可以避免焦虑，而且还能一举两得，那就是投人地做另一件事情。不去想“喜马拉雅山上的猴子”的方法并不是使劲地告诉自己不去想“喜马拉雅山上的猴子”，因为那样等于就是脑袋里想了那只猴子，正确的做法是想些别的。用别的东西充满工作记忆，其他的神经活动自然会被抑制（大脑的一个模块处于活跃状态便会抑制另一些模块）。所以，感到焦虑的时候不妨思考吧，可以去分析到底是什么让你如此焦虑，在不知不觉中，大脑的工作重心就从情绪模块转向了推理模块了，此外，随着你对于问题的认识因为思考的深入而深入，你也更可能找到解决根本问题的钥匙，而不是在焦虑中无所适从。