|
人工智能是我们人类正在从事的最为深刻的研究方向之一，甚至要比火与电还更加深刻。
——谷歌CEO Sundar Pichai
而人工智能的制胜法宝，就是深度学习、强化学习、神经网络等多个热门技术。
今天小异给大家带来的人工智能书单，多是豆瓣9分以上的好书，包括“AI圣经”《深度学习》、“人工智能百科全书”《人工智能 （第2版）》、上交大ACM班实践出来的教程《动手学强化学习》等优秀作品。
既能夯实人工智能理论基础，又能强化动手实践能力，还能快速掌握、精进热门的人工智能方法与框架，帮大家技术上再进一步，职位上再上一阶。
01
深度学习
首推的当然是这本来自2018年图灵奖得主、“深度学习之父”Yoshua Bengio与另外两位深度学习领域专家Ian Goodfellow和Aaron Courville的《深度学习》。
这本书是深度学习领域的奠基性作品，被誉为“AI圣经”。它的出版标志着深度学习的研究进入了系统化理解和组织化学习的新时代。其内容既包含深度学习要求的基础理论内容，同时介绍了深度学习的应用实践，更重要的是还有对深度学习研究方向的展望。
这三大板块的内容适合各个阶段和不同需求的读者，阅读本书可以充分系统地掌握深度学习的理论知识与实践方法，对深度学习产业、未来有更深刻的认识。
02
动手学深度学习
正所谓光学不练假把式，深度学习这种实践要求较高的领域更应该多动手练习，这本《动手学深度学习》就应运而生。
本书作者都是亚马逊科学家，在深度学习的研究与应用都属于一线，具有很强的前瞻性。有“沐神”李沐参与编著，本书对中文读者来说就毫无压力，无需因为翻译问题而产生不好的阅读体验了。
因为其内容详尽而清晰，不仅把深度学习的理论讲得通俗透彻，并且还提供可运行、可操作性的实例，成为包括清华大学、北京大学、加州大学等国内外140多所知名高校深度学习相关课程的教材。
这种交互式实战的学习方式，非常有利于读者入门深度学习，深受大家喜爱，在豆瓣上数百人给出了9.4的高分评价。
03
PyTorch深度学习实战
在学习或使用深度学习技术的时候，框架是必不可少的工具，PyTorch就是这些工具的中热门选手。
而能把PyTorch讲清楚的人，非其核心开发者莫属了。本书作者三人都是PyTorch忠实使用者，既有PyTorch核心开发者，又有PyTorch技术撰稿人，还有机器学习工程师，用丰富的经验与专业的知识保证了内容的权威性。
他们充分理解新手在学习PyTorch会遇到的困难与问题，从而把本书内容集中在PyTorch核心知识与真实完整的案例上，而不是放在PyTorch所有基础知识与最新技术和模型上，大大降低了读者的学习难度。
对深度学习感兴趣的Python程序员可以通过使用本书学习PyTorch张量API、用 Python 加载数据、监控训练以及对结果进行可视化等知识，快速掌握构建神经网络和深度学习系统。
04
动手学强化学习
强化学习是人工智能中机器学习中重要的分支，但其学习难度之大也是有目共睹的。并且很长时间国内是没有一本较为权威，且能很好融合基础理论与动手实践的教材。
俞勇教授团队就在上交大ACM班上进行教学实验，通过老师与学生们长时间的探索，找了一套合适且有效的动手学强化学习的方法。再多次验证，得到师生的一致好评之后，将实验成果编著成这本《动手学强化学习》。
本书内容基于Python 3和PyTorch框架，章节以Python Notebook组织而成，把理论与实践有机地结合到一起，帮助读者系统性地认识强化学习的同时，还能掌握代码实践。
其内容包含基础与进阶两部分，不同读者可以根据需求各自取用学习。同时作者搭建了配套的学习平台，提供了教学视频与在线实践，并且时常会与读者互动，参与讨论或者答疑解惑。
05
Easy RL 强化学习教程
另一本值得推荐的强化学习图书，就是这本《Easy RL 强化学习教程》了。
本书出自国内知名开源社区Datawhale，被读者们亲切地称为“蘑菇书”。在成书出版之前，就广为人知，许多强化学习爱好者用该教程进行了强化学习的学习，并且获得了令人满意的效果，同时给出了让教程能变得更好的反馈信息。
本书内容来多个自强化学习领域经典的中文视频，采众人之所长，又补充经典强化学习资料，对想入门强化学习又想看中文讲解的人来说是非常不错的选择。
书中大量的Python代码可以帮助读者更直观、深刻地理解算法，所以读者最好有一定的Python基础，才能学得更得心应手。
06
Python神经网络编程
这是一本真正面向初学者的神经网络编程图书，读者只需要有基本的数学和编程知识就能轻松学会制作自己的神经网络。甚至基础不太多也行，因为作者在图书最后都附上了一些简单的基础知识教程，实现了真正的零基础搞神经网络。
作者领导了近3000名成员的Python聚会小组，他深知零基础的人需要了解哪些内容才能搭建简单的神经网络。所以在书中他简单介绍了神经网络中所用的数学思想，然后利用Python基础知识实现神经网络，最后进一步了解简单的神经网络。
当然，这种深入浅出的讲解有时候会让人困惑：神经网络真的这么简单？入门的确真的这么简单，因为本书的目的就是帮助读者快速了解并且搭建神经网络，完全不需要读者有任何神经网络相关的复杂知识。
07
机器学习公式详解
在机器学习中，数学公式一直是让人头大的问题。这本《机器学习公式详解》就是为了解决机器学习领域经典图书“西瓜书”《机器学习》中那些习题、难题而写的。
本书又被称为“南瓜书”，最开始是Datawhale的开源协作学习笔记，一经发布就迅速冲上GitHub Trending第2名，被大量机器学习爱好者争相转发学习。本书既能作为《机器学习》的阅读伴侣，也能帮助数学基础不太好的读者，提升自己的数学能力，以在机器学习中大展一番拳脚。
08
百面机器学习 算法工程师带你去面试
如果想要在机器学习面试中脱颖而出，除了基础牢靠之外，对机器学习中常见算法进行专攻学习也很有效。
这本《百面机器学习 算法工程师带你去面试》中就包含100多道近年算法岗位面试中常见的真实算法题，在作者结合实际应用与算法思想的详细讲解之下，读者可以打通算法理论与实践应用之间的屏障，充分理解和体验机器学习中算法的魅力。
09
机器学习的数学
机器学习中的数学经常难住很大一部分人，因为数学本质上是抽象的、枯燥的，让他们对机器学习这一热门领域望而却步。
雷明为了解决这个问题，开设机器学习数学公开课，梳理机器学习中的数学知识体系，选取35个有趣的应用案例，用图示、图表等形式把抽象的数学知识具体化，降低学习、理解难度。
在他深入浅出地讲解之下，读者可以相对容易系统地掌握机器学习中核心数学知识，并且理解和掌握它们的具体应用。本书适合广大机器学习和数学爱好者阅读使用。
10
人工智能 第2版
如果想要相对全面地了解人工智能这一领域，这本被国内近百所高校使用的《人工智能 （第2版）》会是一个不错的选择。
本书被人称为“人工智能百科全书”，其以广泛的内容与精妙的思想被海外大量师生喜爱，给出一致好评。两位作者史蒂芬·卢奇和丹尼·科佩克都是有着丰富教学经验的人工智能领域专家，他们在书中用简练的语句、有趣的故事、丰富的配图把人工智能这一庞大领域串联起来，让读者在轻松愉悦的过程中就领略到了其中技术与人文之美。
作为一本“百科全书”，它适合几乎所有对人工智能感兴趣的读者，毫无阅读门槛。 | 
