nirvimel

Здесь вся основная литература по C++ структурирована по уровням.

Что мне может помочь для наработок стратегий?

Machine Learning. Only.

А в ручную?

Увы, никак. Это все равно, что с палками и камнями переть против танков. Машины рвали людей (чемпионов) в шахматы еще двадцать лет назад. За это время технологии очень сильно развились, а вычислительные мощности выросли на много порядков. Кроме того, призовые фонды в шахматах не идут в сравнение с теми суммами, которые можно выкачивать из биржи инвесторов и наивных ручных трейдеров.
Суть любой биржи - цифры. А в мире цифр человек против бота - просто мясо.

Параллельно программирование в основном касается рантайма, а не собственно языка.
Поэтому, можно брать всю ту же литературу, что и для параллельного программирование на Java (а такой литературы достаточно). Принципы там одни, да и библиотеки в основном пересекаются. Другой язык никак не помешает пользоваться общим рантаймом. Единственное отличие: на Scala аналогичный код в итоге может выглядеть намного красивее (если при написании мыслить по-скаловски).
Впоследствии стоит переходить к изучению документация к специфическим скалавским параллельным библиотекам/фреймворкам (Akka и др.). На более продвинутом уровне чтение исходников стандартной и сторонних библиотек будет давать гораздо более информации за более короткое время, а чтение книг (авторы которых просто пропустили через свою голову прочитанный код) покажется расточительным расходованием своего времени.

Рецепт изучения (один из возможных): Если начинать с самых азов, то подойдет соответствующая глава (про concurrency) из книги Брюса Эккеля. Там дается очень неплохое введение в тему, раскрываются соответствующие данной области проблемы и показываются основные пути их решения.
Далее следует выбрать более конкретное направление. В рамках темы параллельных вычислений существуют несколько различных подходов (смешивать их в одном проекте не только бессмысленно, но и опасно).
1. Классический подход, основанный на потоках и блокировках ресурсов.
1A. Разновидность (1), где вместо явных блокировок используются неблокирующие очереди.
2. Подход, основанный на повсеместном использовании Promise/Future.
3. Акторы (типизированные и нетипизированные (эти почему-то становятся более популярны)).
4. STM.
После выбора подхода к решению распараллеливания вычислений, следует выбрать конкретный инструмент (библиотеку) и углубится в изучение его официальной документации и любых примеров, найденных в Сети. На более продвинутом уровне можно будет перейти к чтению исходников и сторонняя литература больше не понадобится.

UPD: Все-таки существует специальная книга по Scala Concurrecy. Я ее не читал. Но судя по оглавлению, все основные темы там раскрываются.

В computer science понятие сложности никакое не абстрактное, а совершенно конкретное.

Я изучал это по книге Седжвик. Фундаментальные алгоритмы на C++. Там бегло даются общие понятия о сложность (книга не для математиков все таки), а дальше тема раскрывается практически на примерах конкретных алгоритмов (для нас, кодеров - то, что нужно).
Еще есть Седжвик. Алгоритмы на Java - я лично не читал, но там, вроде, тот же материал, только применительно к другому языку, но издание гораздо боллее современное.

хотят научиться работать за компьютером

Книгу эту они читать не будут

К сожалению вынужден вас огорчить: у вас вряд ли что-то получится. Невозможно обучить того, кто сам не готов прикладывать (даже минимальных) усилий к собственному обучению. Именно для этого в школах существуют домашние задания (а не для экономии времени преподавателей), чтобы отличить тех, кто реально стремиться к учебе от тех, кто просто посещает занятия.

Приветствую своих будущих конкурентов (и, возможно, заказчиков). Судя по описанию, сабж (почти каждый пункт в их списке) полностью соответствует моей специализации в последние несколько лет ("Solve large problems while using less RAM" - а на этой теме я вообще "собаку съел").
Но даже по краткому описанию я могу заметить, что книга 2014 уже несколько устарела на сегодняшний день. Например, они упоминают мало кому известный Grasp, но нет совершенно ни слова о такой крутейшей технологии, как Numba, если только она не скрывается под этой фразой: "Use tools to compile Python down to machine code".
И уж как скоро речь идет о performance, то нельзя было проходить мимо темы создания C/C++ расширений. Тем, кто профессионально занимается темой производительности, в любом случае придется столкнуться с этим рано или поздно.

А пока вы ждете перевода, я постараюсь ответить на ваши вопросы по теме.

Хорошие книги по Computer Science?

Где можно узнать больше о синхронизации клиента и сервера?

Бывает синхронизация данных и синхронизация процессов. Задачи Синхронизации данных обычно сводятся или к контролю версий или к синхронизации файловых систем или к репликации БД . Для каждой из этих проблем существуют давно отточенные стандартные решения, велосипеды собственного производства тут неуместны.
Задачи синхронизации процессов возникают когда есть некий разделяемый "ресурс" к которому пытаются получить доступ более одного "потребителя". В 99% случаев это касается синхронизации потоков/процессов на самом сервере, но не между клиентом и сервером.

О целостности данных при синхронизации?

За это обычно отвечает СУБД. Для прикладных задач достаточно правильно организовать собственные транзакции к БД, тут самое главное определиться с тем какую целостность вы собираетесь обеспечивать (что под этим понимается), это не такой простой вопрос, ответ на него позволит организовать собственные транзакции нужным образом.