清华大学推荐的人工智能书单
上周，清华大学发布了“清华新学期推荐的人工智能书单”，人邮君发现，人民邮电出版社异步社区的2本重磅作品也进入了推荐书单。
一本是“花书”《深度学习》，另一本是“南瓜书”《机器学习公式详解》。这两本都是人工智能领域四有口皆碑的两本佳作。
正如清华大学这份书单开头所言：
在春暖花开的三月，坐在阳光倾洒的书桌前，捧一卷爱书，获一份新知，感受智慧的凝结，体味文字的美妙，定格心流瞬间。”
不过，人邮君家能让你“获一份新知，感受智慧的凝结”的书可不止这两本，就人工智能领域，人邮君带来一份AI大牛智慧结晶的高口碑人工智能书单。这些都是那些书籍呢？一起来看看吧~
零基础·入门01《EasyRL：强化学习教程》
人邮君推荐：源自3门百万播放量的经典公开课！GitHubStar3.3k+！多位强化学习领域大咖亲笔推荐！这本《EasyRL：强化学习教程》的主要内容源自B站3门累计播放量破百万的强化学习课程：李宏毅“深度强化学习”、周博磊“强化学习纲要”、李科浇“世界冠军带你从零实践强化学习”，由来自中科院、清华、北大的Datawhale成员合著而成。此外，这本书还结合编著者自身学习体验中的难点和重点加以强调、阐释和引申，让其他学习者“学得快、少踩坑”!EasyRL，让你像采蘑菇一样轻松入门强化学习！
02《深度学习》
人邮君推荐：2018年图灵奖得获奖者YoshuaBengio创作了一本深度学习领域奠基性图书——《深度学习》，昵称“花书”。
“花书”长期位居美亚AI和机器学习类图书榜，涵盖了深度学习的基础与应用、理论与实践等各个方面的主要技术。
书籍的编排方式非常适合自学，划分为“应用数学与机器学习基础”“深度网络:现代实践”“深度学习研究”三大板块，提供了完整的学习路线。
03《动手深度学习》
人邮君推荐：《动手深度学习》远不只是一本书，全面概述深度学习背后的数学原理；更是一个编程工作台与记事本，提供了详细算法代码，能让读者一边动手学习，一边进行交流，同时获得反馈。
加州大学伯克利分校、北京大学、清华大学等全球140余所高校将这本书用于教学，实现原理与实战完美结合的全新教学模式。
如果你想钻研深度学习，请研读这本书！
04《零基础学习机器学习》
人邮君推荐：很难想象，作者竟然能把入门难度高的机器学习讲解得如此有趣，他在输出技术知识点的同时插播了轻松笑点，不仅有梗还有料。这本《零基础学机器学习》以AI菜鸟“小冰”拜师程序员“咖哥”为背景，精心设计了一条贴合零基础读者的入门路线。故事+对话+插图，让读者轻松到达机器学习的殿堂。
05《PyTorch深度学习实战》
人邮君推荐：虽然很多深度学习工具都使用Python，但PyTorch库是真正具备Python风格的。对于任何了解NumPy和scikit-learn等工具的人来说，上手PyTorch轻而易举。
跟我一起说：PyTorch，YYDS！
数学·算法01《机器学习的数学》
人邮君推荐：想要透彻地理解机器学习算法，就需要从数学层面搞懂这些核心算法原理的逻辑，培养推导和证明算法的能力。机器学习资深专家、SIGAI创始人雷明全新创作的这门“数学公开课”《机器学习的数学》，就能帮助你吃透机器学习。这本书从机器学习应用的角度讲授数学，精准覆盖人工智能领域中机器学习、深度学习、强化学习相关的数学知识，让数学在机器学习中的应用无缝衔接。
02《机器学习公式详解》
人邮君推荐：以前学习机器学习的时候，你可能只知道有“西瓜书”，但如今，我们还拥有了“南瓜书”！这是一本小白也能畅读“西瓜书”《机器学习》的好“伴侣”，能帮你一站式解决机器学习中的数学难题。“南瓜书”《机器学习公式详解》是Datawhale的开源协作学习笔记，在发布之初即登GitHubTrending第2名，受到了俞勇、王斌、李沐、程明明、陈光(博主@爱可-爱生活)、徐亦达6位人工智能领域大咖亲笔推荐！
03《人工智能算法卷1基础算法》
人邮君推荐：算法是人工智能技术的核心。如果你想要了解和应用人工智能相关算法，那么千万别错过由专注于数据科学和人工智能的计算机科学家JefferyHeaton博士创作的人工智能算法系列图书。《人工智能算法卷1基础算法》介绍了人工智能的基础算法，涉及维度法、距离度量算法、K均值聚类算法、误差计算、爬山算法、模拟退火算法、Nelder-Mead算法和线性回归算法等。
04《人工智能算法卷2受大自然启发的算法》
人邮君推荐：大自然为人类的发明创造提供了源源不断的灵感。这本书介绍了基于基因、鸟类、蚂蚁、细胞和树的算法，这些算法可用于查找最佳路径、识别模式、查找数据背后的公式，甚至模拟简单的生命等虽然算法的灵感来源是大自然，但读者不必具备生物学知识也能读懂本书。
05《人工智能算法卷3深度学习和神经网络》
人邮君推荐：自人工智能领域兴起，深度学习和神经网络就一直是人工智能的支柱。现在，令人兴奋的新技术（例如深度学习和卷积）正在将神经网络带入一个全新的方向。在这本书中，作者将演示各种现实世界任务中的神经网络，例如图像识别和数据科学。我们研究了当前的神经网络技术，包括ReLU激活、随机梯度下降、交叉熵、正则化、Dropout及可视化等。
06《Python神经网络编程》
人邮君推荐：如果只读一本神经网络入门图书，请选择这本基于Python3.5对神经网络精彩解读的美亚五星畅销书《Python神经网络编程》。在这本书中，作者用轻松的笔触，一步一步揭示了神经网络的数学思想，并介绍如何使用Python编程语言开发神经网络。通过这本书，你将学习使用Python开发自己的神经网络，训练它识别手写数字，甚至可以与专业的神经网络相媲美！
07《PyTorch生成对抗网络编程》
人邮君推荐：机器学习领域近20年来最酷的想法生成对抗网络（GAN），是神经网络领域的新星，吸引了无数人学习。这本美亚全五星好评的《PyTorch生成对抗网络编程》适合想初步了解GAN以及其工作原理的读者，也适合想要学习如何构建GAN的机器学习从业人员。本书以直白、简短的方式向读者介绍了生成对抗网络，并且教读者如何使用PyTorch按部就班地编写生成对抗网络。
08《GAN实战》
人邮君推荐：《GAN实战》由英国创企孵化器FoundersFactory计算机视觉领域的联合创始人JakubLangr与美国纽约一家初创公司的高级产品经理VladimirBok合力写就。这本书主要介绍构建和训练生成对抗网络（GAN）的方法。书中给出了大量的示例，教读者学习针对不同的场景训练不同的GAN，进而完成生成高分辨率图像、实现图像到图像的转换、生成对抗样本以及目标数据等任务，让所构建的系统变得智能、有效和快速！
应用·实战01《百面机器学习》
人邮君推荐：“不积跬步，无以至千里”。这本书从特征工程、模型评估、降维等经典机器学习领域出发，构建一个算法工程师必备的知识体系；还收集了在近年算法工程师的笔试、面试中出现过的100多道机器学习的题目；讲述了很多算法背后的小故事，增加了读者对问题的理解。希望你能通过这本书为你铺设的道路，快速通往目标！
02《百面深度学习》
人邮君推荐：这是一本人工智能时代程序员不可不读深度学习面试宝典！作为《百面机器学习：算法工程师带你去面试》的姐妹篇，这本书秉承了作者写作的一贯风格：技术上有深度，深入浅出讲得透彻；实践上有温度，言传身教讲得到位。这本书通过知识点问答为读者层层揭开深度学习的神秘面纱，其一大亮点是囊括了一系列前沿领域的新进展。如果你想抢在别人前面掌握它们，千万不要错过这本书。
03《自然语言处理实战》
人邮君推荐：有这样一本书，它不仅是Python开发人员入门自然语言处理的必备书籍，还是现代自然语言处理领域从业者的实用参考指南。这本书便是由小米AI实验室NLP团队献译的《自然语言处理实战：利用Python理解、分析和生成文本》。该书扩展了传统的自然语言处理方法，包括神经网络、现代深度学习算法和生成技术，用于解决真实世界的问题，如提取日期和名称、合成文本和回答无固定格式的问题。如今，NLP已成为深度学习的核心应用领域，这本关于深度学习的书，特别值得你去深度学习！
04《OpenCV4详解：基于Python》
人邮君推荐：零基础，想学习OpenCV4,但畏难情绪严重？别怕，跟着《OpenCV4详解：基于Python》走，让哈工大博士手把手带你入门!作者冯振擅于由浅入深，层层递进，以Python语言为基础，添加了部分新内容，不仅可帮助使用Python语言的开发人员快速入门OpenCV4，还能帮助开发人员轻松提升应用程序开发水平和图像处理水平。
05《Python深度学习与项目实战》
人邮君推荐：多领域结合的深度学习经典教程！世界名校教师教授、国内外大咖鼎力推荐！AI与多领域融合的实战指南！《Python深度学习与项目实战》基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。并且还结合计算机视觉、自然语言处理、金融领域等方面的项目，系统讲述深度学习技术，可操作性强。不得不说，这是一本非T人士也可以轻松读懂的专业书！
06《机器学习算法评估实战》
人邮君推荐：在机器学习算法的实际应用中，我们不仅要知道算法的原理，也要了解如何评估算法上线服务的可靠性。这本美团高级算法工程师全新力作《机器学习算法评估实战》就能帮助你彻底解决：算法如何设计?算法如何评估?等问题。并且，这本书深入细节，对多种算法进行简洁明了的图解以及条理清晰的实例推导，让初入机器学习算法领域的读者更好容易理解各种经典模型的原理，是一本难得的佳作。
文案|小罗
策划|昕岳
审核|桐希
推荐几本关于人工智能的书
１、机器学习精讲全彩印刷机器学习原理算法与应用教程，精简机器学习入门手册，美亚机器学习深度学习畅销书，全彩印刷，扫描书中二维码可阅读补充内容，人工智能和机器学习领域众多知名专家推荐
２、动手学深度学习
作者：阿斯顿·张（AstonZhang）李沐（MuLi）[美]扎卡里·C.立顿（ZacharyC.Lipton）[德]亚历山大·J.斯莫拉（AlexanderJ.Smola）
人工智能机器学习深度学习领域重磅教程图书美亚科学家作品手学深度学习的全新模式，原理与实战紧密结合
目前市面上有关深度学习介绍的书籍大多可分两类，一类侧重方法介绍，另一类侧重实践和深度学习工具的介绍。本书同时覆盖方法和实践。本书不仅从数学的角度阐述深度学习的技术与应用，还包含可运行的代码，为读者展示如何在实际中解决问题。为了给读者提供一种交互式的学习体验，本书不但提供免费的教学视频和讨论区，而且提供可运行的Jupyter记事本文件，充分利用Jupyter记事本能将文字、代码、公式和图像统一起来的优势。这样不仅直接将数学公式对应成实际代码，而且可以修改代码、观察结果并及时获取经验，从而带给读者全新的、交互式的深度学习的学习体验。
３、深度学习作者：【美】IanGoodfellow（伊恩·古德费洛）,【加】YoshuaBengio（约书亚·本吉奥）,【加】AaronCourville（亚伦·库维尔）
译者：赵申剑,黎彧君,李凯,符天凡
AI圣经，deeplearning中文版，2018年图灵奖获奖者作品，业内人称“花书”人工智能机器学习深度学习领域奠基性经典畅销书长期位居美国ya马逊AI和机器学习类图书榜首！所有数据科学家和机器学习从业者的bi读图书！特斯拉CEO埃隆·马斯克等国内外众多专家推jian！
本书囊括了数学及相关概念的背景知识，包括线性代数、概率论、信息论、数值优化以及机器学习中的相关内容。同时，它还介绍了工业界中实践者用到的深度学习技术，包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等，并且调研了诸如自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学以及视频游戏方面的应用。最后，本书还提供了一些研究方向，涵盖的理论主题包括线性因子模型、自编码器、表示学习、结构化概率模型、蒙特卡罗方法、配分函数、近似推断以及深度生成模型。
４、人工智能（第2版）[美]史蒂芬·卢奇（StephenLucci），丹尼·科佩克（DannyKopec）著
人工智能百科全书易于上手的人工智能自学指南涵盖机器学习深度学习自然语言处理神经网络计算机博弈等各种知识图文详细讲解细致配备丰富的教学资源和学习素材美国经典教材在美亚上，被评价为自Russell&Norvig的《人工智能：一种现代方法》之后更好的教材，更加适合本科生使用。
本书是作者结合多年教学经验、精心撰写的一本人工智能教科书，堪称“人工智能的百科全书”。全书涵盖了人工智能简史、搜索方法、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示、产生式系统、专家系统、机器学习和神经网络、遗传算法、自然语言处理、自动规划、机器人技术、高级计算机博弈、人工智能的历史和未来等主题。
本书提供了丰富的教学配套资源，适合作为高等院校人工智能相关专业的教材，也适合对人工智能相关领域感兴趣的读者阅读和参考。
５、Python神经网络编程
人工智能深度学习机器学习领域又一重磅力作自己动手用Python编写神经网络美亚排名前茅荣获众多好评全彩印刷图表丰富
本书将带领您进行一场妙趣横生却又有条不紊的旅行——从一个非常简单的想法开始，逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识，并且本书还给出易于理解的微积分简介。本书的目标是让尽可能多的普通读者理解神经网络。读者将学习使用Python开发自己的神经网络，训练它识别手写数字，甚至可以与专业的神经网络相媲美。
６、PyTorch深度学习作者：[印度]毗湿奴•布拉马尼亚(VishnuSubramanian)
译者：王海玲,刘江峰
使用PyTorch开发神经网络的实用指南深度学习框架PyTorch入门教程涵盖机器学习、神经网络、计算机视觉应用等知识提供本书彩图和源代码下载
本书对当今前沿的深度学习库PyTorch进行了讲解。凭借其易学习性、高效性以及与Python开发的天然亲近性，PyTorch获得了深度学习研究人员以及数据科学家们的关注。本书从PyTorch的安装讲起，然后介绍了为现代深度学习提供驱动力的多个基础模块，还介绍了使用CNN、RNN、LSTM以及其他网络模型解决问题的方法。本书对多个先进的深度学习架构的概念（比如ResNet、DenseNet、Inception和Seq2Seq）进行了阐述，但没有深挖其背后的数学细节。与GPU计算相关的知识、使用PyTorch训练模型的方法，以及用来生成文本和图像的复杂神经网络（如生成网络），也在本书中有所涵盖。
７、贝叶斯方法概率编程与贝叶斯推断[加]CameronDavidson-Pilon（卡梅隆·戴维森-皮隆）著，辛愿，钟黎，欧阳婷译
机器学习人工智能数据分析从业者的技能基础国际杰出机器学习专家余凯博士腾讯专家研究员岳亚丁博士推荐下一个十年，掌握贝叶斯方——就像今天掌握C、C++、Python一样重要
本书基于PyMC语言以及一系列常用的Python数据分析框架，如NumPy、SciPy和Matplotlib，通过概率编程的方式，讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学分析的前提下，有效地解决问题。书中使用的案例往往是工作中遇到的实际问题，有趣并且实用。作者的阐述也尽量避免冗长的数学分析，而让读者可以动手解决一个个的具体问题。通过对本书的学习，读者可以对贝叶斯思维、概率编程有较为深入的了解，为将来从事机器学习、数据分析相关的工作打下基础。本书适用于机器学习、贝叶斯推断、概率编程等相关领域的从业者和爱好者，也适合普通开发人员了解贝叶斯统计而使用。
８、scikit-learn机器学习（第2版）掌握Python机器学习的有效工具，搞定scikit-learn的指
本书内容涵盖多种机器学习模型，包括流行的机器学习算法，例如K近邻算法、逻辑回归、朴素贝叶斯、K均值算法、决策树以及人工神经网络。与此同时，还讨论了数据预处理、超参数优化和集成方法等主题。
阅读完本书之后，读者将学会构建用于文档分类、图像识别、广告检测等任务的系统，还将学到如何使用scikit-learn类库的API从类别变量、文本和图像中提取特征，如何评估模型的性能，并对如何提升模型的性能建立直觉。除此之外，还将掌握在实践中运用scikit-learn构建高效模型所需的技能，并能够通过实用的策略完成高级任务。
９、人工智能算法卷1基础算法AI算法入门教程书籍，人人都能读懂的人工智能书
全彩印刷，实例讲解易于理解的人工智能基础算法
多种语言版本示例代码、丰富的在线资源，方便动手实战与拓展学习
本书讲授诸如维度法、距离度量算法、聚类算法、误差计算、爬山算法、模拟退火算法、Nelder-Mead算法和线性回归算法等人工智能基础算法。本书中所有算法均配以具体的数值计算示例。
“人工智能算法”系列图书的目标读者是那些没有良好数学基础，又对人工智能感兴趣的人。本书读者只需具有基本的大学代数和计算机编程知识，任何超出这个范围的内容都会在书中详细说明。本书为读者提供配套的示例程序代码，当前已有Java、C#、R、C/C++和Python的语言版本，还有社区支持维护的Scala语言版本。
8本必读关于人工智能伦理问题、社会价值及影响书籍推荐
这八本关于人工智能的书涵盖了一系列的主题，包括AI涉及的伦理问题，人工智能如何影响就业市场，以及公司如何利用人工智能获得竞争优势。
人工智能（AI）是不断发展的技术。有几种不同的用法，很容易理解为什么在生活中越来越多地使用它。这些书籍回答了有关AI的常见问题，讨论了当前企业正在使用的AI技术，人类如何失去对AI的控制等等。
T-MinusAI
T-MinusAI：人类对人工智能的倒计时和对全球力量的新追求
在T-MinusAI中，作者，美国专家，美国空军第一任人工智能主席MichaelKanaan解释了AI的以人为本的观点。他提供了关于我们创新历史的观点，以阐明我们都应该了解的有关现代计算，人工智能和机器学习的知识。此外，卡纳恩（Kanaan）通过阐明已经存在的文化和国家脆弱性以及未来紧迫的问题，讨论了人工智能的全球意义。
TheAlignmentProblem
一致性问题：机器学习和人类价值观
根据研究人员的说法，“对齐问题（alignmentproblem）”是在人类试图教导的技术系统没有完成想要或期望的事情时发生的。畅销书作家布莱恩·克里斯蒂安（BrianChristian）讨论了对准问题的“第一响应者”，以及他们计划在解决方案之前解决该问题。Christian将历史和实地报告相结合，跟踪了该领域机器学习的发展，并考察了我们当前的技术和文化。
RiseoftheRobots
机器人的崛起：技术和失业前景的威胁
随着人工智能使诸如律师助理，记者，甚至计算机程序员之类的工作过时的可能性，作者马丁·福特（MartinFord）着眼于就业市场的未来以及它将如何继续变化。机器人的崛起有助于我们了解就业和社会将如何适应不断变化的市场。
ArtificialIntelligence：AGuideforThinkingHumans
人工智能：人类思考的指南
在《人工智能》一书中，作者梅拉妮·米切尔（MelanieMitchell）提出了有关AI的紧迫问题：最好的AI程序有多智能？它们如何工作？他们实际上能做什么，什么时候失败？我们期望它们变得多么人性化，我们需要多久担心它们会超越我们？Mitchell还介绍了现代AI和机器学习，前沿AI程序以及AI的人类投资者的主要模型。
AIEthics
AI伦理（麻省理工学院出版社的基础知识丛书）
AI伦理学讨论了人工智能提出的主要伦理学问题，并解决了几个具体问题。作者MarkCoeckelbergh使用了叙述和相关的哲学讨论，并描述了机器学习和数据科学的不同方法。AI伦理学研究了隐私问题，责任和决策委派，透明度和偏见，因为它出现在数据科学流程的所有阶段，等等。
TheAIAdvantage
人工智能的优势：如何发挥人工智能革命的作用（尖端管理）
在AI优势中， ThomasDavenport提供了在业务环境中使用AI的实用指南。Davenport不仅解释了可用的AI技术，而且还解释了公司如何使用它们来获得竞争优势。
TheBigNine
九大人物：科技巨人及其思维机如何扭曲人性
在她的书中，作者艾米·韦伯（AmyWebb）着眼于如何打破AI的基础-从系统工作人员一直到技术本身。韦伯建议，九大公司（亚马逊，谷歌，Facebook，腾讯，百度，阿里巴巴，微软，IBM和苹果）“可能会无意间构建并启用了无法共享我们动机，愿望，或对人类未来的希望。”
ArtificialIntelligence：101ThingsYouMustKnowTodayAboutOurFuture
人工智能：您今天必须了解的关于未来的101件事
人工智能：您今天必须了解的关于未来的101件事 包含许多与AI相关的及时主题，包括：自动驾驶汽车，机器人，聊天机器人，以及AI将如何影响就业市场，业务流程和整个行业。正如标题所示，读者可以学习有关人工智能的101个问题的答案，并可以使用大量资源，思想和技巧。