計算機科學領域有哪些優秀的博客?
提這個問題的原因是希望提高學習效率、拓寬知識面、深入學習。
同時題主我現處於本科學習階段,能力甚淺,我的要求並不高,關於學習CS的博客是我最需要的範圍包含:1. 學習方法2. 學習心得3. Java編程
4. ......如果有人覺得這個範圍可以擴大一點,請不要吝惜你的手請你對他重新編輯
quora 有類似的問題,相對於國內美帝的高手更多其中一個回答如下:(更多答案:What are the best programming blogs?)Some faves, in no particular order:
- Peteris Krumins: good coders code, great coders reuse
- Martin Thompson http://mechanical-sympathy.blogs...
- Nati Shalom: http://natishalom.typepad.com/na...
- Russ Cox: research!rsc
- Cliff Click: Hacking {Code, Math, Machines, Life}
- Eli Bendersky: Eli Bendersky"s website
- Vladimir Sedach: a CONS is an object which cares
- John D. Cook: Consulting in mathematics, statistics, and scientific computing
- Julian Hyde: Julian Hyde on Streaming Data, Open Source OLAP. And stuff.
- Bartosz Milewski: http://bartoszmilewski.wordpress...
- Bart Kiers: Bart"s blog
- Bram Cohen: Bram Cohen"s Journal
- John Regehr: Embedded in Academia :
- John Langford: Machine Learning (Theory)
- John Resig: John Resig - Blog
- Fredrik Lundh : effbot.org
- Michael Nielsen: DDI
- Michael Noll: Michael G. Noll
- Ranting @ 741 MHz
- Sujit Pal: Salmon Run
- Mat Kelcey: brain of mat kelcey
- Egor Homakov
- Tim Bray: ongoing by Tim Bray
- Lukasz Wrobel: Lukasz Wrobel
- Tom Preston-Werner: Tom Preston-Werner
- Adam Wiggins: a tornado of razorblades
- Ilya Grigorik: http://www.igvita.com/
- Daniel Abadi: DBMS Musings
- Ilya Katsov:http://highlyscalable.wordpress....
- Brian Adkins: Lojic Technologies
- Nathan Marz: thoughts from the red planet
- Nicholas Pi?l: Nicholas Pi?l
- Tom Moertel: Tom Moertel』s Blog
- Dead Projects
- Mithro rants about stuff
- https://ocaml.janestreet.com/
- AK Tech Blog
- Yann Collet: RealTime Data Compression
- strchr.com
- Experts on Embedded Software
- LingPipe Blog
- Attractive Chaos
- Toni Cebrián
- Weathering Thru Tech Days
- Steve Hanov"s Programming Blog
- Dave"s Data
- Petar Maymounkov
- Petr Mitrichev, Algorithms Weekly by Petr Mitrichev but mostly his youtube recordings of Topcoder competitions :
- Arthur Whitney"s kparc project (not really a blog, just a piece of art) : Page on kparc.com
Also:
Research at GooglePublications | Yahoo! Labshttp://news.ycombinator.com/item...What are some good blogs about distributed systems?What are the best machine learning blogs or resources available?What are the best blogs about data?http://www.reddit.com/r/programm...
Ask HN: What unknown technical blogs or sites do you read?stackexchange.comstackexchange: What CS blogs should everyone readBelleve博客: Typeof.net
徐宥博客: 4G spaces (科普向)
陳皓博客:http://coolshell.cn/ (不解釋)
郭家寶博客:BYVoid (讀萬卷書,行萬里路)
vczh博客:λ-calculus(驚愕到手了歐耶,GetBlogPostIds.aspx) (PL筆記向,可操作性比Belleve博客強)
Mort博客:Mort | 夏の航海士 (已封存,悼念)
劉未鵬博客:劉未鵬 | Mind Hacks (不解釋)
李博傑博客:Ring0 - Fundamental research in networked systems (網路技術科普向)
歡迎補充。
劉未鵬:Mind Hacks,思考方法。這個博客沒更新是最可惜的了。
賴永浩:賴勇浩的編程私伙局,Python相關。有一些比較有趣的文章。老趙:老趙點滴,.Net。很有誠意的科普。陳皓:CoolShell.cn,有趣文章挺多,涉及的面很廣。vczh:λ-calculus,編譯器、編程語言。我最喜歡裡面講成長經歷的部分,每當遇到挫折覺得因為自己太傻逼所以寫不出來,看看vczh的文章,就能給自己找個堅持理由,寫太少啦!我粉了5年了,對我影響最大的博客。RednaxelaFX:Script Ahead, Code Behind,Java、虛擬機。有幾次攤開一堆文章,讀到2、3點,興奮莫名,VM愛好者能夠從rfx大早期的文章中得到很多啟發。八卦一下,有人說,rfx是虛擬機專家,不信你看他博客...但是嘛,那些都是rfx 4、5年前的文章了,現在已經屌了十倍啦!至於rfx大的其他傳說,大學4年列印出來讀過的論文有一書櫃;下班公交上光線不好不能讀書,所以拿出psp看論文....我已經感動哭了。peng_gong:Lucida,學習方法。這個人最大的特點就是路子很聰明。雖然他現在還沒那麼厲害,但是他的文章都很認真,可以看一下。July:結構之法 演算法之道,演算法。感覺裡面的東西有點野..真要學習的話還是老老實實看演算法書,這個博客可以用來臨時會抱佛腳。既然題主還在讀書,我覺得,這階段重要的是打好基礎,什麼庫、框架、語言之類,暫時壓一壓,不急;早點把CSAPP、SICP給秒掉,正了三觀,自然也就能判斷,什麼對什麼錯,誰在瞎扯,做什麼是在浪費時間...當然,由於沒經驗,這些名著是看不懂的,所以,看完第一遍,要寫很多代碼,再來看第2遍、第3遍... 我要是能回去讀書的話,我要第1學期秒掉CSAPP、SICP,第2學期寫點大項目,暑假再來秒一遍...咳咳,YY的有點遠了
對了,有句話,「語言只是工具,思想是相通的」,題主千萬不要上當如果還是本科生的話,不去好好看書,泡stack overflow , 看文檔,要去拾人牙慧? 如果一定要看,建議把計算機"科學"博客改成計算機"技術"博客。
我覺得現在,還是因為國內計算機本科專業大project 太少太無趣了,才導致技術博客盛行。國外的話你1沒時間想亂七八糟的,一學期三門課每門課3周一個project 的思想已經讓你驚嘆,你會花大量時間查閱文檔和問SO;2你都寫過包含前沿技術的大項目練手了對這些和自己無關的技術博客基本嗤之以鼻;3課程開設很全面,想學FP可以上課,去討論班,社團,問教授;而不需要去看博客,甚至因此把自己標榜成異類。事實上如果計算機科學真的是一門科學的話,不討論學術進展的博客,基本上都是民科。樓主你確定你要在民科圈子裡混? 這麼看,還是叫計算「技術」博客比較恰當。
如果想學習,你不去看書,不去上課?你嫌棄官方文檔寫的不好?專業討論區不專業?以前計算機學習資料匱乏,國內技術落後,急需極少數技術人才普及大眾,那時候技術博客的價值很大。現在。。。現在資料匱乏?你看不了MIT的課件還是CMU的project,看不到Stanford 的公開課還是Berkeley 的視頻。你還用上世紀80年代那個會一點pascal 就可以開班教人的技術博客?在學習階段,放棄學術圈的優厚環境去社會上找資源?秀逗
挑博客入門無非是想走捷徑順便社交罷了,「大牛們」而樂見其成。如果想找工作的話,刷題吧。leetcode 的討論區都不知道比某些博客高到哪裡去。而且真「可以學到很多東西」。反觀那些寫博客介紹演算法的,他們說的演算法SO上到處都有;那些介紹技術的多是重複教材和文檔中的原文內容,而且斷章取義,支離破碎,讓你無法成體系。唯一不同是翻譯成了中文,或者加入了自己的「感慨」,「學習心得」。難道中國人自學能力不行,看不得原文,就專門喜歡看這種嚼碎了咬爛了還帶著別人深深體味和唾液的東西?
我記得有一個笑話,讀金庸小說學習宋元明清歷史,看「時間簡史」學習宇宙大爆炸相對論,上知乎提高自己的姿勢水平。一個科班學生轉而去看博客,莫不如是。唯一的例外是陶哲軒的數學博客,但你先去看看裡面寫的都是什麼,你就知道他們和某些民科計算機博客的差別何在了。一個人搜集大量的技術博客打發時間,實在是「不知如何學習」的典範。
CMU的CS本科,研究生,哪裡有時間有心情去看技術博客?不信你去問。而且他們一般都不會去搞自己的技術博客(評論區指出有例外=)。
中文技術博客泛濫還是因為大量技術菜鳥讀不懂英文文檔,大概也是第三世界發展中國家的特色。而這些博主們總是和菜鳥為伍,也不怕降低了自己的技術水平?博主們你們捫心自問,自己的上司,有幾個開技術博客的?雖然有些越俎代庖,但我還是斗膽建議你們也都關了,或者在主頁上直接寫上教材,還學生們一個清靜。當然如果是為了找工作提高知名度一定要一個技術博客,那就和國內評職稱一定要SCI文章一樣了,就算再爛,您也留著吧。http://cn.soulmachine.me
微博ID:愛可可-愛生活@愛可可-愛生活 北京郵電大學老師,每天花費了很多精力整理和發布機器學習的資料。可敬的一位老師!
兄弟,哥也是學生,還是多看點書,基礎好點再看看博客吧,博客還是起輔導的作用,單靠看博客就想有質的提升,很少!!還是多涉及點專業的書吧,博客的多是一個方面的探討,當你知道自己要研究哪方面,你遲早會忽略之前你趨之若鶩而關注的博客!
http://www.cppblog.com/vczh
博客不太了解,不過你可以看看一些戰隊的比賽視頻,一般戰隊也有一些教學視頻可以研究研究,推薦WNV,SK,3D,TyLoo。
下圖是我的收藏夾截圖,圈出來的是一些出名的內容豐富的。其他的博客也有不少優秀的,感興趣可以自己搜搜看。
沒有什麼特別好的博客,建議多看書。
0.阮一峰的網路日誌:阮一峰的網路日誌傳道者,有很多講解原理的文章和翻譯的國外優質文章,阮一峰同學同時也是《黑客與畫家》的中文譯者。最經典的是他寫的"RSA演算法原理",個人觀點。1.劉未鵬 | Mind Hacks ,思維改變生活:劉未鵬 | Mind Hacks
2.matrix67:Matrix67: The Aha Moments
顧森的博客,專於數學,博文集結成書:《思考的樂趣》
3.科學松鼠會:科學松鼠會
計算機科學中「計算的極限」以及講圖靈生平的專題,給我的印象最為深刻。內容通俗易懂,重要的是,尊重知識產權和創新。這廝和「果殼網」有一腿,不過是個非商業網站啦。
4.酷殼:酷殼 – CoolShell.cn
這貨是個十足的程序員,嗯,有圖為證。
5.異次元軟體世界:異次元軟體世界
軟體改變生活!AltRun、Everthing、ASC、AirPlay、Sublime Text等優秀軟體都是在此處發現的。
6.當然我在扯淡:當然我在扯淡
其域名是http://www.yinwang.org/,yinwang翻譯為中文名字就是「王垠」。這就夠了。
7.槽邊往事:http://www.hecaitou.com/
http://weixin.qq.com/r/mkORiejEYLUfrazq9xaI (二維碼自動識別)
和菜頭的博客,認識他源於其整理的由張小龍主講的「微信簡單之美」。網站目前不可訪問,僅其他站點有其過去的文章。
8.大象公會:大象公會 | 知識、見識、見聞
我不知道我為什麼會推薦它,反正我喜歡。9.小眾軟體:小眾軟體
部分軟體比較冷門,可以和異次元軟體世界相互補充,但絕對是業界良心。推薦:程序員博客牆
@Tanky Woo國內計算機博客基本都是二手的。更有甚者,直接copy外文名著的中文翻譯版,堂而皇之的當成自己的。有這功夫還不如看官方文檔,讀經典教材。
推薦Peter Norvig的站點:
http://norvig.com/
雖然並不是純博客,但在我入門Lisp的時候Norvig給了我很多的幫助。他的Essay主要關於Lisp和AI,作為Python的倡導者也有部分關於Python的內容。在看了他的Java與Python Scheme實現以後可以說是受益匪淺,關於AI的文章也能給我這種門外漢提供一些有趣的思路。
回到問題本身,對於常使用Java的程序員來說應該可以起到拓寬視野的作用。關於學習方法,可以看這篇:
Teach Yourself Programming in Ten Years
可以解決一些對於長期學習規劃的煩惱。
最近開始看他所著的《Paradigms of Artificial Intelligence Programming》,Norvig為我指明了一些前進的方向,很感謝他平實又不失風趣的文字。
http://www.ruanyifeng.com