如果開始想學(xué)人工智能，該怎么入手
 
        人工智能的研究是從以“推理”為重點(diǎn)到以“知識(shí)”為重點(diǎn)，再到以“學(xué)習(xí)”為重點(diǎn)，擁有一條自然、清晰的脈絡(luò)。
        面對(duì)一個(gè)新興的領(lǐng)域，既要有追逐前沿技術(shù)的勇氣，也要有邏輯分析的冷靜。想要學(xué)好人工智能，還是要從學(xué)習(xí)開始，希望這幾本會(huì)給你帶來幫助，或者說至少能讓你明白，人工智能時(shí)代需要怎樣的人。

《數(shù)學(xué)之美》吳軍

        幾年前，“數(shù)學(xué)之美”系列文章原刊載于谷歌黑板報(bào)，獲得上百萬次點(diǎn)擊，得到讀者高度評(píng)價(jià)。 正式出版前，吳軍博士幾乎把所有文章都重寫了一遍，為的是把高深的數(shù)學(xué)原理講得更加通俗易懂，讓非專業(yè)讀者也能領(lǐng)略數(shù)學(xué)的魅力。 
　　《數(shù)學(xué)之美》上市后深受廣大讀者歡迎，并榮獲國(guó)家圖書館第八屆文津圖書獎(jiǎng)。讀者說，讀了《數(shù)學(xué)之美》，才發(fā)現(xiàn)大學(xué)時(shí)學(xué)的數(shù)學(xué)知識(shí)，比如馬爾科夫鏈、矩陣計(jì)算，甚到余弦函數(shù)原來都如此親切，并且栩栩如生，才發(fā)現(xiàn)自然語言和信息處理這么有趣。 
　　而今，數(shù)學(xué)在信息產(chǎn)業(yè)中的應(yīng)用越來越廣泛，因此，作者在第 二版中增加了一些內(nèi)容，尤其是針對(duì)大數(shù)據(jù)和機(jī)器學(xué)習(xí)的內(nèi)容，以便滿足人們對(duì)當(dāng)下技術(shù)的學(xué)習(xí)需求。

《機(jī)器學(xué)習(xí)》周志華

        《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。《機(jī)器學(xué)習(xí)》作為該領(lǐng)域的入門教材，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。全書共16章，大致分為3個(gè)部分：第1 部分（第1～3 章）介紹機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)；第2部分（第4～10章）討論一些經(jīng)典而常用的機(jī)器學(xué)習(xí)方法（決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度量學(xué)習(xí)）；第3 部分（第11～16章）為進(jìn)階知識(shí)，內(nèi)容涉及特征選擇與稀疏學(xué)習(xí)、計(jì)算學(xué)習(xí)理論、半監(jiān)督學(xué)習(xí)、概率圖模型、規(guī)則學(xué)習(xí)以及強(qiáng)化學(xué)習(xí)等。 每章都附有習(xí)題并介紹了相關(guān)閱讀材料，以便有興趣的讀者進(jìn)一步鉆研探索。
        《機(jī)器學(xué)習(xí)》可作為高等院校計(jì)算機(jī)、自動(dòng)化及相關(guān)專業(yè)的本科生或研究生教材，也可供對(duì)機(jī)器學(xué)習(xí)感興趣的研究人員和工程技術(shù)人員閱讀參考。

《漫談人工智能》集智俱樂部

　
   　 *受歡迎的科學(xué)探索群體——集智俱樂部首部科普著作
　　全面涵蓋人機(jī)交互、腦科學(xué)、計(jì)算心理學(xué)、系統(tǒng)科學(xué)、社會(huì)科學(xué)等前沿知識(shí)
　　生動(dòng)的文筆，精美的插圖，數(shù)十位科學(xué)愛好者帶你展開一場(chǎng)人工智能探索之旅
　　制造出能夠像人類一樣思考的機(jī)器是人們長(zhǎng)期以來的偉大夢(mèng)想，也是當(dāng)今科學(xué)發(fā)展的極致。從《終結(jié)者》《黑客帝國(guó)》《機(jī)器人瓦利》再到《超驗(yàn)駭客》，我們多數(shù)人對(duì)人工智能的認(rèn)識(shí)還停留在好萊塢電影階段，然而，人工智能作為一門計(jì)算機(jī)科學(xué)分支究竟是什么樣的？目前發(fā)展到了什么階段？能夠戰(zhàn)勝人類的終極AI機(jī)器真的會(huì)存在嗎？
　　從這本書中，你很快就會(huì)發(fā)現(xiàn)問題的答案?！犊茖W(xué)的極致：漫談人工智能》將全面介紹人工智能的發(fā)展歷史、探究過程以及在各個(gè)領(lǐng)域的應(yīng)用，以通俗易懂的語言和生動(dòng)有趣的示例為你揭示人工智能不為人知的奧秘。
　　集智俱樂部是一個(gè)從事學(xué)術(shù)研究、享受科學(xué)樂趣的探索者組成的團(tuán)體，倡導(dǎo)以平等開放的態(tài)度、科學(xué)實(shí)證的精神進(jìn)行跨學(xué)科的研究與交流，力圖搭建一個(gè)中國(guó)的“沒有圍墻的研究所”。這些令人崇敬的、充滿激情與夢(mèng)想的集智俱樂部成員將帶你了解圖靈機(jī)模型、馮?諾依曼計(jì)算機(jī)體系結(jié)構(gòu)、怪圈與哥德爾定理、通用人工智能、深度學(xué)習(xí)、人類計(jì)算與自然語言處理，與你一起展開一場(chǎng)令人熱血沸騰的科學(xué)之旅。

《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》Peter Harrington

        機(jī)器學(xué)習(xí)是人工智能研究領(lǐng)域中一個(gè)極其重要的研究方向，在現(xiàn)今的大數(shù)據(jù)時(shí)代背景下，捕獲數(shù)據(jù)并從中萃取有價(jià)值的信息或模式，成為各行業(yè)求生存、謀發(fā)展的決定性手段，這使得這一過去為分析師和數(shù)學(xué)家所專屬的研究領(lǐng)域越來越為人們所矚目。 
　　《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》主要介紹機(jī)器學(xué)習(xí)基礎(chǔ)，以及如何利用算法進(jìn)行分類，并逐步介紹了多種經(jīng)典的監(jiān)督學(xué)習(xí)算法，如k近鄰算法、樸素貝葉斯算法、Logistic回歸算法、支持向量機(jī)、AdaBoost集成方法、基于樹的回歸算法和分類回歸樹（CART）算法等。第三部分則重點(diǎn)介紹無監(jiān)督學(xué)習(xí)及其一些主要算法：k均值聚類算法、Apriori算法、FP-Growth算法。第四部分介紹了機(jī)器學(xué)習(xí)算法的一些附屬工具。 
　　《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》通過精心編排的實(shí)例，切入日常工作任務(wù)，摒棄學(xué)術(shù)化語言，利用高效的可復(fù)用Python代碼來闡釋如何處理統(tǒng)計(jì)數(shù)據(jù)，進(jìn)行數(shù)據(jù)分析及可視化。通過各種實(shí)例，讀者可從中學(xué)會(huì)機(jī)器學(xué)習(xí)的核心算法，并能將其運(yùn)用于一些策略性任務(wù)中，如分類、預(yù)測(cè)、推薦。另外，還可用它們來實(shí)現(xiàn)一些更高 級(jí)的功能，如匯總和簡(jiǎn)化等。

《TensorFlow 技術(shù)解析與實(shí)戰(zhàn)》李嘉璇

        TensorFlow?是谷歌公司開發(fā)的深度學(xué)習(xí)框架，也是目前深度學(xué)習(xí)的主流框架之一。本書從深度學(xué)習(xí)的基礎(chǔ)講起，深入TensorFlow框架原理、模型構(gòu)建、源代碼分析和網(wǎng)絡(luò)實(shí)現(xiàn)等各個(gè)方面。全書分為基礎(chǔ)篇、實(shí)戰(zhàn)篇和提高篇三部分?；A(chǔ)篇講解人工智能的入門知識(shí)，深度學(xué)習(xí)的方法，TensorFlow的基礎(chǔ)原理、系統(tǒng)架構(gòu)、設(shè)計(jì)理念、編程模型、常用API、批標(biāo)準(zhǔn)化、模型的存儲(chǔ)與加載、隊(duì)列與線程，實(shí)現(xiàn)一個(gè)自定義操作，并進(jìn)行TensorFlow源代碼解析，介紹卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的演化發(fā)展及其TensorFlow實(shí)現(xiàn)、TensorFlow的高 級(jí)框架等知識(shí)；實(shí)戰(zhàn)篇講解如何用TensorFlow寫一個(gè)神經(jīng)網(wǎng)絡(luò)程序并介紹TensorFlow實(shí)現(xiàn)各種網(wǎng)絡(luò)（CNN、RNN和自編碼網(wǎng)絡(luò)等），并對(duì)MINIST數(shù)據(jù)集進(jìn)行訓(xùn)練，講解TensorFlow在人臉識(shí)別、自然語言處理、圖像和語音的結(jié)合、生成式對(duì)抗網(wǎng)絡(luò)等方面的應(yīng)用；提高篇講解TensorFlow的分布式原理、架構(gòu)、模式、API，還會(huì)介紹TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes結(jié)合、TensorFlowOnSpark、TensorFlow移動(dòng)端應(yīng)用，以及TensorFlow Serving、TensorFlow Fold和TensorFlow計(jì)算加速等其他特性。zui后，附錄中列出一些可供參考的公開數(shù)據(jù)集，并結(jié)合作者的項(xiàng)目經(jīng)驗(yàn)介紹項(xiàng)目管理的一些建議。 　　
        本書深入淺出，理論聯(lián)系實(shí)際，實(shí)戰(zhàn)案例新穎，基于zui新的TensorFlow 1.1版本，涵蓋TensorFlow的新特性，非常適合對(duì)深度學(xué)習(xí)和TensorFlow感興趣的讀者閱讀。

《統(tǒng)計(jì)學(xué)習(xí)方法》李航

        《統(tǒng)計(jì)學(xué)習(xí)方法》是計(jì)算機(jī)及其應(yīng)用領(lǐng)域的一門重要的學(xué)科。《統(tǒng)計(jì)學(xué)習(xí)方法》全面系統(tǒng)地介紹了統(tǒng)計(jì)學(xué)習(xí)的主要方法，特別是監(jiān)督學(xué)習(xí)方法，包括感知機(jī)、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與熵模型、支持向量機(jī)、提升方法、EM算法、隱馬爾可夫模型和條件隨機(jī)場(chǎng)等。除第1章概論和最后一章總結(jié)外，每章介紹一種方法。敘述從具體問題或?qū)嵗胧?，由淺入深，闡明思路，給出必要的數(shù)學(xué)推導(dǎo)，便于讀者掌握統(tǒng)計(jì)學(xué)習(xí)方法的實(shí)質(zhì)，學(xué)會(huì)運(yùn)用。為滿足讀者進(jìn)一步學(xué)習(xí)的需要，書中還介紹了一些相關(guān)研究，給出了少量習(xí)題，列出了主要參考文獻(xiàn)。

        特別是數(shù)學(xué)基礎(chǔ)不好的，可以先看看吳軍的《數(shù)學(xué)之美》，講的比較通俗易懂。也可以邊做邊學(xué)，實(shí)踐是檢驗(yàn)真理的唯一標(biāo)準(zhǔn)，畢竟大多數(shù)人還是以工程實(shí)踐為主，如果你想做研究理論的科學(xué)家，并不適合看本書。