推荐书籍 (Recommended Books)
一句话概述
从入门到进阶的广告技术书单，涵盖计算广告、推荐系统、大数据、机器学习等核心领域。
广告核心
| 书名 |
作者 |
难度 |
推荐理由 |
| 《计算广告》(第2版) |
刘鹏、王超 |
⭐⭐ |
入门必读，系统讲解在线广告全貌 |
| 《程序化广告》 |
梁丽丽 |
⭐⭐ |
程序化购买的全面介绍 |
| 《互联网广告算法和系统实践》 |
王勇睿 |
⭐⭐⭐ |
广告系统工程实践 |
推荐系统与算法
| 书名 |
作者 |
难度 |
推荐理由 |
| 《深度学习推荐系统》 |
王喆 |
⭐⭐⭐ |
推荐/广告算法的深度学习方法 |
| 《推荐系统实践》 |
项亮 |
⭐⭐ |
推荐系统入门经典 |
| 《Recommender Systems Handbook》 |
Ricci 等 |
⭐⭐⭐⭐ |
推荐系统权威手册 |
机器学习
| 书名 |
作者 |
难度 |
推荐理由 |
| 《机器学习》(西瓜书) |
周志华 |
⭐⭐⭐ |
ML 基础理论 |
| 《统计学习方法》 |
李航 |
⭐⭐⭐ |
经典 ML 算法推导 |
| 《深度学习》(花书) |
Goodfellow 等 |
⭐⭐⭐⭐ |
深度学习理论基础 |
| 《动手学深度学习》 |
李沐 等 |
⭐⭐⭐ |
深度学习实践，代码丰富 |
| 《机器学习系统设计》 |
Chip Huyen |
⭐⭐⭐ |
ML 工程化实践 |
大数据
| 书名 |
作者 |
难度 |
推荐理由 |
| 《大数据之路：阿里巴巴大数据实践》 |
阿里巴巴数据技术团队 |
⭐⭐ |
数仓建设实战 |
| 《数据密集型应用系统设计》(DDIA) |
Martin Kleppmann |
⭐⭐⭐ |
必读，分布式系统设计 |
| 《Kafka 权威指南》 |
Narkhede 等 |
⭐⭐⭐ |
Kafka 深入理解 |
| 《Flink 实战与性能优化》 |
— |
⭐⭐⭐ |
Flink 实践 |
| 《ClickHouse 原理解析与应用实践》 |
朱凯 |
⭐⭐⭐ |
ClickHouse 深入 |
| 《数据仓库工具箱》 |
Kimball |
⭐⭐⭐ |
数仓建模经典 |
| 《Spark 权威指南》 |
Chambers, Zaharia |
⭐⭐⭐ |
Spark 全面指南 |
| 《HBase 权威指南》 |
Lars George |
⭐⭐⭐ |
HBase 深入 |
系统设计与工程
| 书名 |
作者 |
难度 |
推荐理由 |
| 《系统设计面试》 |
Alex Xu |
⭐⭐ |
系统设计入门 |
| 《SRE: Google 运维解密》 |
Google |
⭐⭐⭐ |
稳定性工程 |
| 《高性能服务系统设计与实现》 |
— |
⭐⭐⭐ |
高性能系统 |
| 《微服务设计》 |
Sam Newman |
⭐⭐⭐ |
微服务架构 |
数据分析与实验
| 书名 |
作者 |
难度 |
推荐理由 |
| 《数据驱动：从方法到实践》 |
— |
⭐⭐ |
数据分析方法 |
| 《A/B 测试：创新始于试验》 |
— |
⭐⭐ |
A/B 实验方法论 |
| 《精益数据分析》 |
Croll, Yoskovitz |
⭐⭐ |
数据驱动决策 |
隐私与合规
| 书名 |
作者 |
难度 |
推荐理由 |
| 《联邦学习》 |
杨强 等 |
⭐⭐⭐ |
联邦学习理论与实践 |
| 《用户画像》 |
赵宏田 |
⭐⭐ |
用户画像工程化 |
阅读路线建议
大数据开发入门路线
1. 《计算广告》 → 建立广告行业全局认知
2. 《大数据之路》 → 数仓建设方法论
3. 《DDIA》 → 分布式系统基础
4. 《Kafka 权威指南》 → 消息队列深入
5. 《深度学习推荐系统》 → 理解算法团队的工作
算法方向进阶路线
1. 《计算广告》 → 行业基础
2. 《统计学习方法》 → ML 基础
3. 《深度学习推荐系统》 → 广告算法
4. 经典论文 (见 papers.md) → 前沿技术
5. 《机器学习系统设计》 → 工程化