人工智能书籍推荐排行榜
人工智能：一种现代的方法（第3版）（世界著名计算机教材精选）看AlphaGo（阿尔法狗）是如何成长的，美国伯克利大学与Google人工智能科学家合作编写，全世界100多个国家1200多所大学使用。AMustReadforAI美国伯克利大学与Google人工智能科学家合作编写，全世界100多个国家1200多所大学使用Bestcomputersciencetextbookever.AMustReadforAI广泛使用的人工智能教材，内容很丰富，讲解清晰，适合初学入门。本书为翻译版，对应原文影印版：人工智能：一种现代的方法（第3版）（大学计算机教育国外著名教材系列(影印版)）其他相关图书：Unity3D人工智能编程精粹人工智能（第2版）（十二五”普通高等教育本科国家级规划教材）图像处理、分析与机器视觉（第3版）（翻译版）机器学习
（美）罗素等著，殷建平等译 /2013-11-01 /清华大学出版社
人工智能 智能系统指南（原书第3版）（结合实际代码、图示、案例讲解人工智能基本知识。入门书籍内容丰富、浅显易懂）
人工智能经常被人们认为是计算机科学中一门高度复杂甚至令人生畏的学科。长期以来人工智能方面的书籍往往包含复杂的矩阵代数和微分方程。本书基于作者多年面向微积分知识甚微的学生授课时所用的讲义，假定读者没有编程经验，以简单易懂的方式介绍了智能系统的基础知识。MichaelNegnevitsky所著的《人工智能智能系统指南（原书第3版）》目前已经被国际上多所大学(例如，德国的马格德堡大学、日本的广岛大学、美国的波士顿大学和罗切斯特理工学院等)采纳为教材。如果您正在寻找关于人工智能或智能系统设计课程的浅显易懂的入门级教材，如果您不是计算机科学领域的专业人员而又正在寻找介绍基于知识系统*发展的自学指南，本书将是您的选择。
（澳）尼格尼维斯基著，陈薇等译 /2012-08-01 /机械工业出版社
人工智能的未来（揭示人类思维的奥秘）《如何创造思维》全新升级改版！奇点大学校长、谷歌工程总监、《奇点临近》作者雷・库兹韦尔全面解析“人工智能”创建原理的颠覆力作！段永朝、刘慈欣、马文明斯基、彼得戴曼迪斯等联袂倾情推荐！
美国国家技术奖获得者、奇点大学校长、谷歌公司工程总监雷库兹韦尔力作。这是一部洞悉未来思维模式、全面解析“人工智能”创建原理的颠覆力作。库兹韦尔对于大脑和人工智能的理解，将对我们生活的方方面面、各行各业，以及我们有关未来的设想产生巨大的影响。库兹韦尔通过一系列推理告诉我们，我们有能力创造超越人类智能的非生物智能。湛庐文化联合权威机构中国人工智能学会特设专家委员会！该专家委员会包括中国工程院院士李德毅、驭势科技（北京）有限公司联合创始人兼CEO吴甘沙、地平线机器人技术创始人余凯、IBM中国研究院院长沈晓卫、国际人工智能大会(IJCAI)常务理事杨强、科大讯飞研究院院长胡郁、中国人工智能学会秘书长王卫宁等专家学者，他们将以自身深厚的专业实力、卓越的洞察力和深远的影响力，对这些优秀图书进行深度点评。中山大学教授李淼，中国当代知名科幻作家、畅销书《三体》作者刘慈欣，人工智能之父、MIT人工智能实验室联合创始人、畅销书《情感机器》作者马文明斯基，奇点大学执行主席、畅销书《富足》《创业无畏》作者彼得戴曼迪斯，卡内基梅隆大学机器人研究所创始董事、图灵奖获得者劳伊雷迪，人工智能科学家、大脑新皮质层次结构模型研究先驱迪利普乔治联袂推荐！国内首套“机器人与人工智能”权威书系03。湛庐文化出品。
（美）雷・库兹韦尔（Ray Kurzweil）著，盛杨燕 译 /2016-03-01 /浙江人民出版社
人工智能：计算agent基础(详细介绍AI科学，包含丰富的在线学习资源)
[加] 普尔，[加] 麦克活思著， 董红斌等译 /2015-01-01 /机械工业出版社
人工智能 一本全面阐述人工智能基础理论、全面体现国际上人工智能领域先进水平的书籍。
一本全面阐述人工智能基础理论、全面体现国际上人工智能领域先进水平的书籍。
史忠植 /2016-01-11 /机械工业出版社
人工智能 普通高等教育“十一五”*规划教材。清华大学马少平、朱晓燕教授力作，清华大学精品课程“人工智能”课程主讲教材，国内*影响的人工智能教材。
人工智能是一个多学科的交叉学科，涉及的内容广泛，而且一直在不断的发展，随时都在产生新的方法和理论。本书主要介绍人工智能研究中那些*基本的、*经典的理论和方法，为计算机科学和技术人员以及其他学科领域中对人工智能感兴趣的科技工作者和学生提供*基本的人工智能技术和有关问题的知识。l人工智能的一个主要特点就是涉及范围广，发展快速，内容相对比较杂。因此在内容组织上就要力求突出重点内容，系统性强，把人工智能中*基本的内容反映出来，使得学生能在有限的学时内，系统深入地掌握人工智能中*主要的基本问题，为进一步深入研究人工智能问题打下良好基础。l针对人工智能的几个重要的专题，例如：知识表示、不确定性推理、机器学习、自然语言处理等进行了较深入的讨论。本教材的特点和创新也是体现在这个方面。l在内容组织上既包括了启发式搜索、博弈树搜索、知识表示等这些非常经典的内容，又包括了局部搜索、模拟退火、遗传算法、机器学习等比较新的内容。同时，增加了人工智能有关的哲学问题的探讨，如图灵测试、中文屋子问题等，这些内容的讨论将有助于学生理解什么人工智能。l本书参考了ACM和IEEECSComputingCurricula中关于人工智能的有关部分，结合作者自己多年从事人工智能教学和科研的工作经验，确定了两大主线：一是适应于本科生教学的，以搜索为主线，主要讲解启发式搜索，博弈树搜索，局部搜索，模拟退火，遗传算法等内容，使得学生通过本课程的学习，掌握利用搜索技术求解人工智能问题的方法。二是适合于研究生教学的，一些更加深入的问题，主要讲解谓词逻辑，知识表示，机器学习，不确定推理等内容，使得学生通过课程学习，了解更多的人工智能求解问题的方法。这些内容前后呼应，本科教学为研究生教学打下基础。本教材已经被作为国内*影响的人工智能的教材、，被国内众多高校广泛采用，本书发行已超5万册。配套资源：提供了教学用PowerPoint课件，可以在清华大学出版社网站免费下载。清华大学孙茂松教授推荐：本教材充分考虑了教学的特点，内容十分丰富，知识结构合理，整体性强，反映了人工智能科学发展迄今为止的主要结晶。对主要算法的叙述，难度恰当，且作了必要的展开，决不流于泛泛的一般介绍。举例详实，富有启发性。这些构成了本教材的鲜明特色。其中第5、6、7三章，对国内传统的《人工智能》教材，作了大幅度拓展，使得教材的面貌一新，这也构成了本教材的另一个鲜明特色。相信这部教材的出版，一定会得到任课教师与广大学生的欢迎。
马少平，朱小燕编著 /2004-08-01 /清华大学出版社
人工智能（第2版）（高等学校计算机教育规划教材）“十二五”普通高等教育本科国家规划教材。站在“人工智能”课程教学改革和科学研究前沿，着重阐述新的和正在研究的人工智能方法与技术。
本书介绍人工智能的理论、方法和技术及其应用，除了讨论那些仍然有用的和有效的基本原理和方法之外，着重阐述一些新的和正在研究的人工智能方法与技术，特别是近期发展起来的方法和技术。此外，用比较多的篇幅论述人工智能的应用，包括新的应用研究。l根据作者20余年从事人工智能科研和教学工作的经验，边教学边构思；研究和总结了国内外知名大学人工智能课程教材和教学环节的安排，开展了课程教学体系、教学方法和教材体系建设的教学研究工作。l在教学研究的基础上，力求形成“以不变的基本理论与方法为主体，充分反映人工智能技术发展水平，以培养学生具备继续学习能力为目标”的教材编写思路；在写作上力求做到用作者自己对问题理解的语言进行描述，便于学生的学习和理解；教材定位注意适应国内多数普通高校的实际教学需要。l本书除讨论仍然有用的和有效的人工智能的基本原理和方法外，着重阐述新的和正在研究的人工智能方法与技术，特别是近期发展起来的方法和技术。此外，用比较多的篇幅论述人工智能的应用，包括新的应用研究。l注重实践。附录I介绍了人工智能程序设计语言Prolog；附录II给出了28个人工智能课程大作业。本教材已经被作为首批“十二五”普通高等教育本科*规划教材，被国内众多高校广泛采用，发行超2万册。配套资源：（1）提供教学用PowerPoint幻灯片PPT课件。（2）给出了28个人工智能课程大作业的界面及设计要求。内容包括：NIM问题求解，水壶问题，合一算法，中国象棋，围棋，五子棋，魔方，用神经网络对大写字母分类，小型动物分类专家系统，美国地理，洞穴探宝，音节划分，奥木，九宫图，归类测试算法，传教士-野人问题，八皇后问题，Elsevier的横向信息产品，奥迪的数据整合，人寿保险公司的技能寻获，在线学习，警察局的多媒体收藏索引，康富的在线采购，数码设备的可共用性，火星探测者Agent，用于电力管理的多Agent系统，人工智能军事应用跟踪，计算机游戏如何产生娱乐效果。
贲可荣，张彦铎编著 /2013-03-01 /清华大学出版社
人工智能 第二版21世纪高等学校规划教材・计算机科学与技术知识表示方法、搜索策略、确定行推理、不确定性推理、机器学习、专家系统、博弈论等
1.根据学生学习AI的规律，体现合理的教学顺序和节奏，更利于学生理解AI知识、提高AI研究能力。2.精心设计学习和训练的案例和步骤，注意使学生形成合理的AI知识结构。3.加强能力的培养，为培养学生解决问题能力提供清晰的线索和步骤。
丁世飞编著 /2015-03-01 /清华大学出版社
人工智能复杂问题求解的结构和策略（原书第6版）
（美）卢格 著，郭茂祖 等译 /2010-01-01 /机械工业出版社
人工智能：一种现代的方法（第3版）（大学计算机教育国外著名教材系列(影印版)）看AlphaGo（阿尔法狗）是如何成长的，美国伯克利大学与Google人工智能科学家合作编写，全世界100多个国家1200多所大学使用。AMustReadforAI
美国伯克利大学与Google人工智能科学家合作编写，全世界100多个国家1200多所大学使用Bestcomputersciencetextbookever.AMustReadforAI本书为英文影印版，对应翻译版：人工智能：一种现代的方法（第3版）（世界著名计算机教材精选）其他相关图书：Unity3D人工智能编程精粹人工智能（第2版）（十二五”普通高等教育本科国家级规划教材）图像处理、分析与机器视觉（第3版）（翻译版）机器学习《人工智能(一种现代的方法第3版影印版》(作者拉塞尔、诺维格)是“大学计算机教育国外著名教材系列”之一，是高等院校本科生和研究生人工智能课的教材。全书仍分为八大部分：部分“人工智能”，第二部分“问题求解”，第三部分“知识与推理”，第四部分“规划”，第五部分“不确定知识与推理”，第六部分“学习”，第七部分“通信、感知与行动”，第八部分“结论”。《人工智能(一种现代的方法第3版影印版》适合于不同层次和领域的研究人员及学生。
（美）拉塞尔，（美）诺维格著 /2011-07-01 /清华大学出版社
人工智能原理及其应用（第3版）
王万森编著 /2012-09-01 /电子工业出版社
自学人工智能之数学篇，数学入门并不难
写这篇文章很久想了很久，到底该怎么写？
关于数学与机器学习的关系，观点很多。
写本文的目的，希望结合众家之长，试图解决数学对机器学习入门的困扰。
现在数学困扰大家主要有这几个方面：
1、机器学习需要的数学知识是不是很难，网上的公式都看不懂？
2、很多人都说工作后就是调参，调包，不太需要用到数学吧？
3、零基础究竟该怎么自学数学，学到哪个程度？
观点：
1、数学是必须的。
数学对于机器学习来说是必备基础，数学是内功，你要理解一个算法的内在逻辑，没有数学是不行的。以后跑算法的时候，你可能就是调参、调包，不会用到数学。但是你发现效果不好的时候，如果你数学不懂，就很难作优化，数学是你在机器学习路上的天花板。
2、数学也不是很难。
但是，数学真的很难吗？说实话，对于一般人来说，是有点门槛的，但没有你想的那么难。这里假设你上过大学的数学课，你就具备了机器学习的数学入门门槛了，之后的数学啃一啃是可以下来的。如果说你没有上过大学的数学，emmm，挺难的，这说明你除了跟别人付出同样的努力之外，还要多付出一些大学数学的学习。
3、相比于数学，实际项目能力更重要。
这句话没错，可是大部分人在没接触到实际项目的时候，就已经被挡在门外了。很多从事机器学习的你问他数学，他可能也不是很懂，可是你能咋办。人家面试你的时候就要问你这些，问你对算法的理解，你不会那你就过不了面试啊。
4、学习是枯燥的，但是有办法缓解。
在学习算法的时候，我们会看到很多推导，学着学着就怕了，就失去兴趣了，这里有个方法可以有效缓解。我之前的系列中有本书叫做机器学习实战，跟着上面的代码敲一敲，很容易出成果，你会看到在现实中的实际应用，很有成就感。
5、数学的学习是可以“取巧”的
这里说的取巧指的是，数学的学习是有迹可循的，因为入门阶段的数学实际上就需要那些，列出来，你自己啃一下就可以了。具体的学习方法不是等你把数学都学好了再去学算法知识。而是你在学习算法的时候，看到你数学缺哪块再去补哪块，这是最高效的。当然了，在这之前你可以通读一遍数学的基础，对学习有个大概是更好的。
数学必备知识点
1、线性代数
标量、向量、矩阵和张量；矩阵向量的运算；单位矩阵和逆矩阵；行列式；方差，标准差，协方差矩阵；范数；特殊类型的矩阵和向量；特征分解以及其意义；奇异值分解及其意义
Moore-Penrose伪逆；迹运算
2、概率统计
概率学派和贝叶斯学派；何为随机变量和何又为概率分布；条件概率，联合概率和全概率公式；边缘概率；独立性和条件独立性；期望、方差、协方差和相关系数；常用概率分布；贝叶斯及其应用；中心极限定理；极大似然估计；概率论中的独立同分布
3、优化
计算复杂性与NP问题；上溢和下溢；导数，偏导数及两个特殊矩阵；方向导数和梯度；梯度下降法；牛顿法；仿射集,凸集和凸锥；超平面，半空间及凸集分离定理；不改变凸性的运算；凸函数及凸优化简述；无约束的优化，等式约束优化，不等式约束优化；线性规划中对偶理论；拉格朗日对偶理论
4、信息论及其他
信息熵；条件熵；相对熵(KL散度)；互信息；几种常用的距离度量；图论；树论
上面数学基本上就是我们所要学的数学的全部了，看上去有点吓人是不？不要慌，没有那么难，一点点啃下去就可以了。
推荐资料：
资料一：机器学习王牌课程CS229课后配套数学，专门配套机器学习的。
链接：https://pan.baidu.com/s/1Fh__7N7rqGEgjsyb4YpNSg 密码：48n4
资料二：YoshuaBengio的《深度学习》书，网上公开的，前面有一部分是对数学的专门讲解，很基础很全面。
链接：https://pan.baidu.com/s/1A9mcO8_ORQmTJ-V7z9bLdw 密码：hwjn
资料三：知乎答主的优秀回答，很细致，适合初学者
线代专栏：https://zhuanlan.zhihu.com/p/30191876
概率统计：https://zhuanlan.zhihu.com/p/30314229
优化（上）：https://zhuanlan.zhihu.com/p/30383127
优化（下）：https://zhuanlan.zhihu.com/p/30486793
信息论及其他：https://zhuanlan.zhihu.com/p/30383356
我看过很多数学材料，上面三个是我总结过来最好的，必看。但是每个人基础不同，可能看完上面三个后，还是有需要去看别的。
数学实在太弱怎么办？
如果你上面三个材料看起来很吃力，或者说你的数学没有达到大学的水平。那就是数学基本功的问题了。针对这种情况，我觉得只能把相关的大学数学书拿出来翻一翻，基本概念要弄懂，什么是矩阵、导数等等，偷不了懒。
1、数学分析与概率论
同济大学数学教研室，高等数学，高等教育出版社，1996
王松桂、程维虎、高旅端，概率论与数理统计，科学出版社，2000
2、矩阵和线性代数
同济大学数学系编，工程数学线性代数（第五版），高等教育出版社2007
以上三本数学书，如果你对基础概念忘了的话，可以选择性看下相应的篇章。
重申：
最好的数学学习方式是边学边补，没必要百分之百看懂数学的推导过程，初级阶段懂个70%也就够了，有些实在太难的，就没必要钻牛角尖了。网上动辄看到几百块钱的数学教程，希望大家不要被割智商税。
讨论学习，文章首发，微信公众号：learningthem