「来源:｜多拉的书单ID：Pandora_Books」
本文由神译局编译自Medium，作者是HazelClementine，原文标题6BooksthatAllMathandEngineeringStudentsShouldRead，希望对你有所帮助。
转载自神译局
译：TeresaChen
这篇文章介绍了一些我最喜欢的书，这些书是专门为对数学、科学、技术和工程感兴趣的学生准备的。让我们开始吧。
01
《物理学的未来》
PhysicsoftheFuture
作者：加来道雄（MichioKaku）
第一本是《物理学的未来》，我很喜欢它，因为它涵盖了广泛的主题，从计算机、人工智能、纳米技术到医学、核聚变动力和太空旅行。这本书的具体研究领域，对我们未来很重要。它让你对这些实际项目有了一些进一步的了解，比如阿贡国家实验室（ArgonneNationalLab）正在研究的可以寻找癌细胞的纳米颗粒，几年前他们已经在那里制造了产品原型。另外，你也会了解到一些公司正在研发的互联网眼镜和隐形眼镜，使得增强现实技术可以得到更广泛的应用。
如果你对这本书感兴趣，《迷人的技术》（Soonish）和《机器人的崛起》（RiseoftheRobots）也会是你喜欢的书。作者出版了一本关于人类未来的新书，我现在还没有读过，但很可能很快就会读。
顺便说一下，我对大学的教育方式很有意见。特别是在STEM领域，因为他们采取的是一种一种非常自下而上的方式。他们向我们展示了我们的电脑里的晶体管是如何工作的，或者各种火箭燃料能提供多少推力等等，当然，这些都是至关重要的。请不要误解我的意思，我是说即使你知道所有这些东西，你也不知道有什么新技术正在出现，科学家们在某个特定领域面临的大问题，科学家和工程师们正在做什么来解决这些问题。或者你不知道不同的领域是如何相互影响的。例如，室温超导体是超强磁铁。它们允许无摩擦电子流，使电力更容易和更便宜地传递到我们的家庭。学校虽然教授一些这方面的知识，但在我看来，他们本可以做得更好，让我们对所有东西都有一个更高层次的了解。不过好消息是，你其实可以自己学习很多。
02
《算法之美:指导工作与生活的算法》
AlgorithmstoLiveBy
作者：布莱恩·克里斯汀/汤姆·格里菲思（BrianChristianTomGriffiths）
《算法之美：指导工作与生活的算法》，对于任何对计算机科学、数学算法和统计学感兴趣的人来说，这本书都是极好的。首先，这本书向我们展示了这些不同的领域，如何结合在一起来解决计算机科学，和我们日常生活中的各种问题。在第一章中，作者解释了被称为“秘书问题”（secretaryproblem）的数学难题。
我来试着简化这个问题，假设你要面试一百个人来应聘一个秘书的职位，你想要雇佣最好的一个。但是只有一个人能超越一百个人胜任这项工作，但你不知道是谁。每次面试后，你要么雇佣他们，结束你的面试进程，要么告诉他们，他们没有得到这份工作，你不会再见他们了。要想从名候选人中挑选出最优秀的人，最好的方法是什么?如果你雇佣了你面试的第一个人，这将是一件可怕的事情。这意味着其他99位候选人都不太好，这种可能性不大。如果你等到第90次面试时再挑选人选，很有可能你已经错过了最佳人选。这个问题的算法是面试37个人，然后选择下一个比之前的37个人都好的人。如果你使用这个算法，你会从个候选人的37%中，选出最好的候选人。因此，它确实会让你错过63%的其他候选人，但即使你面试了万人，它仍然适用于37%的候选人，这会帮助你节省了很多时间。
这种方法被称为“最佳停止”（optimalstopping），因为在做出决定后，你不能总是反悔。它可以应用于申请寻找停车位，选择公寓，或选择对象结婚。这只是本书的一个题目而已，作者首先在计算机科学中分解了这些概念，然后展示了它们如何在现实世界中应用。
作者还谈到了计算机使用的排序算法问题，并利用它们对一堆书或一列数字，进行尽可能高效地排序。例如，假设你在一家赌场，想玩各种老虎机。同一台机器你玩了10次，赢了8次，输了2次。当然，这很好，但基于一些其他的算法参数，我想给你一个建议。去尝试一台你还没玩过的机器，可能会对你更有好处，因为未知具有一种价值，而另一台机器可能会获得更好的回报。
你将会在书中关于Gittins索引和资源管理器斜杠利用方法的一节中看到这一点，作者对此进行了解释。当然，还有很多关于如何将数学和统计问题中的计算机科学概念，应用到我们的日常生活中的案例，它奠定了一个伟大的基础。
03
《学习之道》
AMindforNumber
作者：芭芭拉·奥克利（BarbaraOakley）
这一本书略有一些不同，是《学习之道》。这本书是关于如何在数学和科学的学习上出类拔萃，但它也适用于任何学科。书中更多探讨的是关于如何学习。作者讨论了两种不同的学习，分别为聚焦模式和扩散模式。此外，她还提到，你必须把这两方面都做好，才能真正掌握一门学科。她也解释了某些学习上的错觉，如何防止拖延，以及其他学习方面的更多事情。
04
《魔鬼数学:大数据时代，数学思维的力量》
HowNottoBeWrong
作者：乔丹·爱伦伯格（JordanEllenberg）
这本书推荐给数学爱好者。毫无疑问，《魔鬼数学:大数据时代，数学思维的力量》是我最喜欢的书之一。它谈论到了许多主题，从几何学、计算机科学、赌博、统计学到军事和政治。但所有的事情都是从数学的角度来讨论的，比如在美国的五十个州中，南达科他州（SouthDakota）的脑癌患者比例是最高的，但为什么这些假设通常是错误的。究其原因，实际上是由于大数定律，以及该州较低的人口数量产生更多的波动和百分比，所以无论是脑癌患者还是那些喜欢特定类型电影的人，都会得出相似的结论。如果你抛两次硬币，你可以得到%的正面的概率。但如果你把同样的硬币抛次，你就不可能得到这样的概率了。因为更低的翻转量，意味着某些结果的百分比波动更大，就像在更低的总体阶段，更小的群体，更小的样本量中等等。
书中另一个很酷的例子，是如果你让人们猜五次抛硬币的结果，他们可能会想象类似HTTHT或其他的东西。但如果你问0个人这个问题，你会发现很少有人会猜全是正面或全是反面，尽管全是正面的结果和TTTTTT结果的概率一样。人们不觉得这两种情况是随机的。他们会觉得这些肯定是安排好的，或者硬币有问题。
05
《深度工作：如何有效使用每一点脑力》
DeepWork
作者：卡尔·纽波特（CalNewport）
我最喜欢的书是卡尔·纽波特的《深度工作:如何有效使用每一点脑力》。卡尔·纽波特拥有计算机科学博士学位，他讨论了在我们的社会中所需要的各种重要的工作类型，以及我们在不断被干扰的情况下如何高效地工作。他解释了自己是如何在时间相同甚至更少的情况下，完成了比其他人更多的工作。大多数人都在用一种错误的方式工作，这样的话工作需要几个小时才能完成，而同样的工作用深度工作的方式来完成就会很不一样。如果你需要一些优秀和明智的建议来完成工作，这本书就是为你准备的。
06
《埃隆·马斯克》
ElonMusk:Tesla,SpaceX,andtheQuestforaFantasticFuture
作者：阿什莉·万斯（AshleeVance）
最后，我认为如果书单中没有“埃隆·马斯克”的传记，那么这篇文章就不完整。对于任何想要更多了解埃隆·马斯克的生活、想要了解他是如何走到今天这一步的人，或者任何想要寻找动力的企业家来说，这本书都是一本极好的读物。它揭示了很多关于埃隆·马斯克的公司是如何成立的，以及这些公司的技术背后的一些工程。此外，他的家庭生活、金钱状况，当然还有更多一些其他的信息。
End