人工智能必讀書(shū)單

1、動(dòng)手學(xué)深度學(xué)習(xí)-中文版

http://zh.gluon.ai/

《動(dòng)手學(xué)深度學(xué)習(xí)》是一本既能講原理、又有實(shí)現(xiàn)和實(shí)際使用、不斷更新、而且容易讀的書(shū)。這本書(shū)?向希望了解深度學(xué)習(xí)，特別是對(duì)實(shí)際使?深度學(xué)習(xí)感興趣的?學(xué)?、?程師和研究?員。不要求你有任何深度學(xué)習(xí)或者機(jī)器學(xué)習(xí)的背景知識(shí)，從頭開(kāi)始解釋每?個(gè)概念。

四位作者均是亞馬遜科學(xué)家，對(duì)人工智能領(lǐng)域頗具口碑。本書(shū)也得到了來(lái)自學(xué)術(shù)界和工業(yè)界的韓家煒、周志華、張潼、余凱等眾多實(shí)力大咖鼎力推薦。

?

2、Neural-Network-Methods-for-NLP

這本書(shū)是一本非常適合入門(mén)自然語(yǔ)言處理的書(shū)籍，足夠薄，最關(guān)鍵的是有中文版。。。是哈工大車(chē)萬(wàn)翔老師團(tuán)隊(duì)翻譯的，在一定程度上做到了權(quán)威。不過(guò)有的地方翻譯的意思有出入，對(duì)照英文版就可以了。

本書(shū)可分為四部分。整體雖然劃分開(kāi)，但是想法比較串聯(lián)，容易從0開(kāi)始構(gòu)建自然語(yǔ)言數(shù)據(jù)處理方法的認(rèn)知。第一部分介紹神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。第二部分介紹自然語(yǔ)言數(shù)據(jù)的處理。第三部分介紹特殊的深度學(xué)習(xí)結(jié)構(gòu)。第四部分是一些非核心主題，我覺(jué)得相比之下，一些會(huì)議的Tutorials更值得閱讀。

?

3、Python學(xué)習(xí)手冊(cè)(第4版)

Python學(xué)習(xí)手冊(cè)第4版每一章都包含關(guān)于Python語(yǔ)言的關(guān)鍵內(nèi)容的獨(dú)立的一課，并且包含了一個(gè)獨(dú)特的“練習(xí)題”部分，其中帶有實(shí)際的練習(xí)和測(cè)試，以便你可以練習(xí)新的技能并隨著學(xué)習(xí)而測(cè)試自己的理解。你會(huì)發(fā)現(xiàn)眾多帶有注釋的示例以及圖表，它們將幫助你開(kāi)始學(xué)習(xí)Python 3.0。

4、Reinforcement-Learning-an-Introduction

《強(qiáng)化學(xué)習(xí)（第2版）》作為強(qiáng)化學(xué)習(xí)思想的深度解剖之作，被業(yè)內(nèi)公認(rèn)為是一本強(qiáng)化學(xué)習(xí)基礎(chǔ)理論的經(jīng)典著作。它從強(qiáng)化學(xué)習(xí)的基本思想出發(fā)，深入淺出又嚴(yán)謹(jǐn)細(xì)致地介紹了馬爾可夫決策過(guò)程、蒙特卡洛方法、時(shí)序差分方法、同軌離軌策略等強(qiáng)化學(xué)習(xí)的基本概念和方法，并以大量的實(shí)例幫助讀者理解強(qiáng)化學(xué)習(xí)的問(wèn)題建模過(guò)程以及核心的算法細(xì)節(jié)。

?

5、機(jī)器學(xué)習(xí)（西瓜書(shū)）

機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)與人工智能的重要分支領(lǐng)域. 本書(shū)作為該領(lǐng)域的入門(mén)教材，在內(nèi)容上盡可能涵蓋機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)的各方面。 為了使盡可能多的讀者通過(guò)本書(shū)對(duì)機(jī)器學(xué)習(xí)有所了解。 作者試圖盡可能少地使用數(shù)學(xué)知識(shí). 然而, 少量的概率、統(tǒng)計(jì)、代數(shù)、優(yōu)化、邏輯知識(shí)似乎不可避免. 因此, 本書(shū)更適合大學(xué)三年級(jí)以上的理工科本科生和研究生, 以及具有類(lèi)似背景的對(duì)機(jī)器學(xué) 習(xí)感興趣的人士. 為方便讀者, 本書(shū)附錄給出了一些相關(guān)數(shù)學(xué)基礎(chǔ)知識(shí)簡(jiǎn)介

6、深度學(xué)習(xí)與計(jì)算機(jī)視覺(jué) ?算法原理、框架應(yīng)用與代碼實(shí)現(xiàn)

《深度學(xué)習(xí)與計(jì)算機(jī)視覺(jué)：算法原理、框架應(yīng)用與代碼實(shí)現(xiàn)》全面介紹了深度學(xué)習(xí)及計(jì)算機(jī)視覺(jué)中基礎(chǔ)的知識(shí)，并結(jié)合常見(jiàn)的應(yīng)用場(chǎng)景和大量實(shí)例，帶領(lǐng)讀者進(jìn)入豐富多彩的計(jì)算機(jī)視覺(jué)領(lǐng)域。作為一本“原理+實(shí)踐”教程，本書(shū)在講解原理的基礎(chǔ)上，通過(guò)有趣的實(shí)例帶領(lǐng)讀者一步步親自動(dòng)手，不斷提高動(dòng)手能力，而不是枯燥和深?yuàn)W原理的堆砌。

全書(shū)共13章，分為2篇。第1篇基礎(chǔ)知識(shí)，介紹了人工智能發(fā)展里程、計(jì)算機(jī)視覺(jué)概要、深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)中的基礎(chǔ)數(shù)學(xué)知識(shí)、神經(jīng)網(wǎng)絡(luò)及其相關(guān)的機(jī)器學(xué)習(xí)基礎(chǔ)、卷積神經(jīng)網(wǎng)絡(luò)及其一些常見(jiàn)結(jié)構(gòu)，最后對(duì)最前沿的趨勢(shì)進(jìn)行了簡(jiǎn)單探討。第2篇實(shí)例精講，介紹了Python基礎(chǔ)、OpneCV基礎(chǔ)、最簡(jiǎn)單的分類(lèi)神經(jīng)網(wǎng)絡(luò)、圖像識(shí)別、利用Caffe做回歸、遷移學(xué)習(xí)和模型微調(diào)、目標(biāo)檢測(cè)、度量學(xué)習(xí)和圖像風(fēng)格遷移等常見(jiàn)的計(jì)算機(jī)視覺(jué)應(yīng)用場(chǎng)景。從第5章開(kāi)始包含了很多有趣和實(shí)用的代碼示例。從第7章開(kāi)始的所有實(shí)例都基于當(dāng)前最流行的深度學(xué)習(xí)框架中的Caffe和MXNet，其中包含了作者原創(chuàng)的大量代碼和搜集的數(shù)據(jù)，這些代碼和作者訓(xùn)練好的部分模型已分享到本書(shū)github頁(yè)面上供讀者自行下載。

本書(shū)適合對(duì)人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)感興趣的讀者閱讀。閱讀本書(shū)要求讀者具備一定的數(shù)學(xué)基礎(chǔ)和基本的編程能力，并需要讀者了解Linux的基本使用。

代碼庫(kù)地址：
https://github.com/frombeijingwithlove/dlcv_for_beginners

7、數(shù)據(jù)挖掘?qū)д?#xff08;完整版）

《數(shù)據(jù)挖掘?qū)д?完整版)》涵蓋五個(gè)主題：數(shù)據(jù)、分類(lèi)、關(guān)聯(lián)分析、聚類(lèi)和異常檢測(cè)。除異常檢測(cè)外，每個(gè)主題都包含兩章：前面一章講述基本概念、代表性算法和評(píng)估技術(shù)，后面一章較深入地討論高級(jí)概念和算法。目的是使讀者在透徹地理解數(shù)據(jù)挖掘基礎(chǔ)的同時(shí)，還能了解更多重要的高級(jí)主題。此外，書(shū)中還提供了大量示例、圖表和習(xí)題。

《數(shù)據(jù)挖掘?qū)д?完整版)》適合作為相關(guān)專(zhuān)業(yè)高年級(jí)本科生和研究生數(shù)據(jù)挖掘課程的教材，同時(shí)也可作為數(shù)據(jù)挖掘研究和應(yīng)用開(kāi)發(fā)人員的參考書(shū)。

關(guān)注公眾號(hào)，發(fā)送關(guān)鍵字：<人工智能書(shū)單> 獲取書(shū)單pdf文件

?

?

總結(jié)

以上是生活随笔為你收集整理的2021-04-24 人工智能必读书单 Python的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。