中国计算机行业翻译最烂的书籍排行榜

vipstepstep 2014-07-30 10:56:44
打家没事干,就来排一排吧。

我推荐 java编程思想4 为榜首
...全文
2613 11 打赏 收藏 转发到动态 举报
写回复
用AI写文章
11 条回复
切换为时间正序
请发表友善的回复…
发表回复
  • 打赏
  • 举报
回复
技术书的翻译很困难!技术书的翻译一般是技术人员做的,而技术人员对于技术本身比较精通,英文的话自己看看也能理解,但是就技术人员而言缺的是中文能力。英文的文章,技术人员可以将自己理解的意思通过汉语说出来,但是要形成书面语言就是非常困难的,归根结底在于中文的描述和表达能力差。
  • 打赏
  • 举报
回复
不要说翻译得烂了,如果觉得烂的话,可以自己试着去翻译一个章节,看看结果如何?
dongmusic 2015-03-19
  • 打赏
  • 举报
回复
引用 6 楼 vipstepstep 的回复:
[quote=引用 3 楼 a24862 的回复:] 有翻译的就不错了……比较前沿的论文和书籍等翻译过来菜都凉了。
像一些经典基础的书籍,我看完全可以要求翻译的好,早知道第4版翻译的这么糟糕,我就该买侯捷的那版,可惜没得卖了[/quote] 可以到一些卖二手书的地方淘一下。说不定可以淘到。
teemai 2014-07-31
  • 打赏
  • 举报
回复
还是原版的好!
姜小白- 2014-07-31
  • 打赏
  • 举报
回复
引用 5 楼 vipstepstep 的回复:
就算英语再好,跟母语比起来,哪个会更让人享受呢?当然是翻译的好的
个人看法了 哈哈 我现在看的都是翻译的教材,但我还是认为英语版的好一点 看中文的jdk时候,看到疑惑的地方,就找英文的jdk对照看看,会有不一样收获的
vipstepstep 2014-07-31
  • 打赏
  • 举报
回复
引用 3 楼 a24862 的回复:
有翻译的就不错了……比较前沿的论文和书籍等翻译过来菜都凉了。
像一些经典基础的书籍,我看完全可以要求翻译的好,早知道第4版翻译的这么糟糕,我就该买侯捷的那版,可惜没得卖了
vipstepstep 2014-07-31
  • 打赏
  • 举报
回复
引用 2 楼 magi1201 的回复:
没看过编程思想。 稍微深入一些的书,中间会讲很多抽象的概念,这些概念有时很难有非常准确的中文词汇来定位。 这样翻译出来,就感觉不如英文版的好。 基础的知识,看中文的书籍可以,如果感觉味道不正宗,可以看英文版的。
就算英语再好,跟母语比起来,哪个会更让人享受呢?当然是翻译的好的
vipstepstep 2014-07-31
  • 打赏
  • 举报
回复
引用 1 楼 jia20003 的回复:
我支持你!,最好的书是google其次就你自己,因为人生就是一本读不完的书
我觉的对java SE部分讲解的最好的还是bruce的Thinking in java,google很久没用了,因为经常被封, 就算用google和百度等引擎,得到的答案相对与书中来说,还是太过于肤浅了。 如果光靠,google和文档,再加论坛就足够的话,我看出版社早就倒闭了。
疏可跑马 2014-07-30
  • 打赏
  • 举报
回复
有翻译的就不错了……比较前沿的论文和书籍等翻译过来菜都凉了。
姜小白- 2014-07-30
  • 打赏
  • 举报
回复
没看过编程思想。 稍微深入一些的书,中间会讲很多抽象的概念,这些概念有时很难有非常准确的中文词汇来定位。 这样翻译出来,就感觉不如英文版的好。 基础的知识,看中文的书籍可以,如果感觉味道不正宗,可以看英文版的。
gloomyfish 2014-07-30
  • 打赏
  • 举报
回复
我支持你!,最好的书是google其次就你自己,因为人生就是一本读不完的书
内容概要:本文提出一种基于鱼鹰优化算法(OOA)优化的CNN-BiGUR-Attention混合模型,用于提升短期风电功率预测的精度与稳定性,采用Matlab实现代码仿真。该模型融合卷积神经网络(CNN)提取输入数据的局部空间特征,利用双向门控循环单元(BiGUR)捕捉风速、功率等时间序列的前后向动态依赖关系,并引入注意力机制自适应强化关键时间步的特征权重,从而增强模型对非平稳风电数据的表征能力;进一步,采用OOA算法对模型超参数进行全局寻优,有效提升模型收敛速度与泛化性能。研究基于实际风电场历史数据开展实验验证,结果表明,该方法相较传统模型在预测精度、鲁棒性和误差抑制方面表现更优,适用于高比例可再生能源接入背景下的电力系统调度需求。; 适合人群:从事新能源发电预测、电力系统优化调度、智能算法与深度学习融合应用等方向的科研人员及工程技术人员,尤其适合具备Matlab编程能力、熟悉时间序列建模与深度学习框架的研究者。; 使用场景及目标:①实现风电场短期功率高精度预测,支撑电网安全稳定调度与能量管理;②为深度学习模型结构设计与智能优化算法联合调参提供实践范例;③推动人工智能技术在可再生能源预测、智能电网运行等领域的落地应用。; 阅读建议:建议结合提供的Matlab代码深入理解CNN-BiGUR-Attention网络架构搭建、注意力机制实现方式及OOA优化流程,重点关注数据预处理、模型训练与参数调优细节,可通过替换不同风电数据集进行对比实验,进一步掌握模型迁移能力与适应性。

23,404

社区成员

发帖
与我相关
我的任务
社区描述
Java 非技术区
社区管理员
  • 非技术区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧