《算法与数据中台》是一本由詹盈著作，电子工业出版社出版的平装图书，本书定价：89.00元，页数：328，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《算法与数据中台》读后感(一)：深度学习工程落地的整体脉络

　　可以将本书作为深度学习工程架构的知识图谱来学习，书中介绍了目前大厂在深度学习落地工程的各个组件，并且梳理整个深度学习工程落地的整体脉络。对于深度学习工程架构感兴趣的同学可以用本书进行入门，想深入学习某个模块组件，可以按照书中介绍的脉络和参考资料进行进一步学习。

　　书中介绍的很多大厂工程实践项目，很受启发。

　　《算法与数据中台》读后感(二)：倾心推荐

对于机器学习的小白来说，特别是想迈入数据中台的大门来说，这本书朴实无华的将所有想了解相关知识的小白带入了新的视野。本书从基础建设，到模型特征的线下处理及保存；线上模型的服务流程，到离线训练的平台的连贯性介绍来说，完美的普及了目前大型互联网的数据中台的功能和实际的意义。这些内容都具有很好的学习性，很适合从事相关工作的同学仔细阅读和参考。

　　《算法与数据中台》读后感(三)：力荐

书籍结合中、美一线公司实践经验里面系统讲解了广告工程 、算法工程。回想当年毕业时就缺乏一本可以从整体角度看待推荐、广告后台工程的书，因此走了不少弯路，如果当时看到这本书该多好。现在市面上还没有一本针对推荐、广告工程进行系统讲解的书，这本书正当其时。对推荐、广告，对从业者有很强的借鉴意义，对广大计算机科学毕业生有很大引导作用。

　　《算法与数据中台》读后感(四)：纯阳书评第423《算法与数据中台》

IT技术类的书很不好写，经常是随便一个主题就内容庞杂、知识点众多，如果写得浅一点，就容易杂而不深，这也说一点，那也说一点，总体上是什么都说一点，但是什么都说不了多少，也就什么都没说，所以必然被读者嫌弃和诟病。如果想写得深一点，那又会成为一个不可能完成的任务，因为那就不是一个一本书能说完的事儿，很可能随便一个分支主题都会够你写好几本书的。

那么如何写IT技术书籍还能写出彩呢？大概有三条路，第一条路是往创新点上写。能提出新思路、新创见，或者是技术上的突破点，比如《工业大数据融合体系结构与关键技术》，这本书一方面提出了一个工业大数据融合体系结构，另一方面还提出了相关环节的新算法和新方案。因为有自己的新创见，并不是都在综述别人的观点、描述现成的技术，本身具有了不可替代性，所以这种书就容易出彩。

第二条路是要往技术落地上写，整本书不在技术上多费笔墨，因为即使废了笔墨也没多大意义，别的书也能写，而且可能还写得更好，而是要重点关注技术的落地，以甲方或者乙方视角出发，提出技术可以落地的基本思路、方法、方案和需要的配套资源，为读者推动技术落地提供参考。

第三条路是往应用案例上线，这条路要比第二条更细致，关注的视角更加聚焦，往往只以一个或几个企业为样本，细致的展现技术如何结合具体的业务场景，怎样解决业务中的业务痛点。比如《GE数字化转型之路》就是聚焦GE的数字换转型，探讨传统企业数字换转型之路。

本书显然没有走上上述三条出彩之路，第一章探讨了中台的背景和意义，阐述了算法和数据中台的功能价值、技术体系、实践场景、应用场景。算是是开了一个好头，很有希望走上三者中的任意一条路，如果能有大量的创新算法可以分享，那么第一条路是顺顺当当；如果愿意继续深入分享自己对算法和数据中台的建设思路和方案，那么第二条路是水到渠成；如果能够按副标题“基于Google、Facebook与微博实践”所暗示的，深入这几家公司的应用展现建设细节，那么妥妥的第三条路啊。

可惜从第二章开始，本书就一头扎进了本文一开头就提到的写技术困局中，第二章写基础设施，第三章写算法系统，第四章写机器学习，第五章写分布式数据库，第六章写大数据。都聊了，但是都聊得很匆忙，而且我想说的是这些内容让别的书聊不好吗，我们主要聊算法和数据中台不是更香吗？第七章写推荐系统，第八章写数字广告，第九章写网约车，作者显然是也意识到技术聊得有点多，需要往第三条路上走一走，可惜这部分内容体量不够、含量不足，根本hold不住场面，最终距离第三条路还是差那么一点火候。

尽管如此，作者面对技术书籍难写的现实，能够迎难而上，应该鼓励。而且本书是认真探讨算法和数据中台的第一本书，填补了一个空白，作为第一本书，更是要坚决支持和捧场的。