大家好，今天小编关注到一个比较有意思的话题，就是关于推荐mongodb书籍的问题，于是小编就整理了2个相关介绍推荐mongodb书籍的解答，让我们一起看看吧。
ASP.NET学习路线以及书籍有什么？
简单讲，.net框架是基于c#语言进行开发的编程框架，而ASP.net是基于.net框架使用c#语言开发的动态网页类程序。完全没写过程序的话建议书单如下：
1、21天精通c#
2、ASP.NET 程序设计
3、c#设计模式
另外，从目前编程技术发展趋势来看，基于J***a语言的web开发比ASP.net更具竞争力。如果想干这一行，建议优先选择J***a相关web开发技术进行学习
看视频的效果会更好一些，以前学习.net是在“ 如鹏网 ”上面学习的，有网络的地方就可以学习，有详细的课程体系，可以参考一下；
第一部分：.net 基础
第二部分：数据库开发
第三部分：.net高级技术
第四部分：web前端
先买本基础书，不想买就看看msdn，了解个大概就行，然后就做项目，从小到大，从易到难，遇到不懂的就回去再翻书或百度，论坛。一定要先建立知识体系和培养思维模式，不要纠结于某一个难点，抄代码总会吧，等你几个项目做完了，再回过头看看之前的不懂之处，都会迎刃而解。
首先，学习C#语言，打好基础。 ASP.NET ASP.NET 如果你有其他面向对象编程语言做基础，那么对你来说学习C#还是比较轻松的。如果以前没学过面向对象语言的话，那就努力啃一本入门书籍把。这里推荐几本书。 这本书还是比较适合初学者的，章节安排比较适合初学者，看起来系统且详尽。还有一本很值得推荐的书，被誉为“C#圣经”，入选Jolt大奖提名。无论是初学者，还是高级软件工程师，常备一本还是大有裨益的。 读了这两本书以后，可以看点不一样的，譬如下面这两本。 这两本书没有按照一般的习惯依照语法讲解顺序来组织内容，而是有点跳跃性地，从如何解决问题的角度出发，初学者看着可能有点迷茫，所以建议有一点基础以后再看这两本。 首先谢谢邀请，关于进阶可以看一些方向性书籍 Python之所以火是因为人工智能的发展，个人整理学习经验仅供参考！ 感觉有本书你学的差不多了就基本具备了一名合格的python编程工程师,不过可惜的是这本书没有电子版，只有纸质的。 第 1章 从数学建模到人工智能 希望对你有帮助！！！ 贵在坚持，自己掌握一些，在工作中不断打磨，高薪不是梦！！！学习完python《从入门到实践》这本书后，有什么进阶的书值得一看？
1.1 数学建模1.1.1 数学建模与人工智能1.1.2 数学建模中的常见问题1.2 人工智能下的数学1.2.1 统计量1.2.2 矩阵概念及运算1.2.3 概率论与数理统计1.2.4 高等数学——导数、微分、不定积分、定积分
第2章 Python快速入门2.1 安装Python2.1.1 Python安装步骤2.1.2 IDE的选择2.2 Python基本操作2.2.1 第 一个小程序2.2.2 注释与格式化输出2.2.3 列表、元组、字典2.2.4 条件语句与循环语句2.2.5 break、continue、pass2.3 Python高级操作2.3.1 lambda2.3.2 map2.3.3 filter
第3章 Python科学计算库NumPy3.1 NumPy简介与安装3.1.1 NumPy简介3.1.2 NumPy安装3.2 基本操作3.2.1 初识NumPy3.2.2 NumPy数组类型3.2.3 NumPy创建数组3.2.4 索引与切片3.2.5 矩阵合并与分割3.2.6 矩阵运算与线性代数3.2.7 NumPy的广播机制3.2.8 NumPy统计函数3.2.9 NumPy排序、搜索3.2.10 NumPy数据的保存
第4章 常用科学计算模块快速入门4.1 Pandas科学计算库4.1.1 初识Pandas4.1.2 Pandas基本操作4.2 Matplotlib可视化图库4.2.1 初识Matplotlib4.2.2 Matplotlib基本操作4.2.3 Matplotlib绘图案例4.3 SciPy科学计算库4.3.1 初识SciPy4.3.2 SciPy基本操作4.3.3 SciPy图像处理案例第5章 Python网络爬虫5.1 爬虫基础5.1.1 初识爬虫5.1.2 网络爬虫的算法5.2 爬虫入门实战5.2.1 调用API5.2.2 爬虫实战5.3 爬虫进阶—高效率爬虫5.3.1 多进程5.3.2 多线程5.3.3 协程5.3.4 小结
第6章 Python数据存储6.1 关系型数据库MySQL6.1.1 初识MySQL6.1.2 Python操作MySQL6.2 NoSQL之MongoDB6.2.1 初识NoSQL6.2.2 Python操作MongoDB6.3 本章小结6.3.1 数据库基本理论6.3.2 数据库结合6.3.3 结束语
第7章 Python数据分析7.1 数据获取7.1.1 从键盘获取数据7.1.2 文件的读取与写入7.1.3 Pandas读写操作7.2 数据分析案例7.2.1 普查数据统计分析案例7.2.2 小结
第8章 自然语言处理8.1 Jieba分词基础8.1.1 Jieba中文分词8.1.2 Jieba分词的3种模式8.1.3 标注词性与添加定义词8.2 关键词提取8.2.1 TF-IDF关键词提取8.2.2 TextRank关键词提取8.3 word2vec介绍8.3.1 word2vec基础原理简介8.3.2 word2vec训练模型8.3.3 基于gensim的word2vec实战
第9章 从回归分析到算法基础9.1 回归分析简介9.1.1 “回归”一词的来源9.1.2 回归与相关9.1.3 回归模型的划分与应用9.2 线性回归分析实战9.2.1 线性回归的建立与求解9.2.2 Python求解回归模型案例9.2.3 检验、预测与控制
第10章 从K-Means聚类看算法调参10.1 K-Means基本概述10.1.1 K-Means简介10.1.2 目标函数10.1.3 算法流程10.1.4 算法优缺点分析10.2 K-Means实战
第11章 从决策树看算法升级11.1 决策树基本简介11.2 经典算法介绍11.2.1 信息熵11.2.2 信息增益11.2.3 信息增益率11.2.4 基尼系数11.2.5 小结11.3 决策树实战11.3.1 决策树回归11.3.2 决策树的分类
第12章 从朴素贝叶斯看算法多变 19312.1 朴素贝叶斯简介12.1.1 认识朴素贝叶斯12.1.2 朴素贝叶斯分类的工作过程12.1.3 朴素贝叶斯算法的优缺点12.2 3种朴素贝叶斯实战
第13章 从推荐系统看算法场景13.1 推荐系统简介13.1.1 推荐系统的发展13.1.2 协同过滤13.2 基于文本的推荐13.2.1 标签与知识图谱推荐案例13.2.2 小结
第14章 从TensorFlow开启深度学习之旅14.1 初识TensorFlow14.1.1 什么是TensorFlow14.1.2 安装TensorFlow14.1.3 TensorFlow基本概念与原理14.2 TensorFlow数据结构14.2.1 阶14.2.2 形状14.2.3 数据类型14.3 生成数据十二法14.3.1 生成Tensor14.3.2 生成序列14.3.3 生成随机数14.4 TensorFlow实战
到此，以上就是小编对于推荐mongodb书籍的问题就介绍到这了，希望介绍关于推荐mongodb书籍的2点解答对大家有用。
