python人工智能入门书籍推荐
从零修炼成一名合格的人工智能工程师注定需要很长的路要走。而书籍正是修炼路上的武林秘籍，金庸小说中，武林人士常常会为一本武林秘籍而大打出手，如今，我们有得到这些秘籍的成本已经大大降低了。
个人认为，在人工智能领域的修炼要经历四个境界：了解人工智能相关概念、使用人工智能所需工具、熟悉人工智能相关理论，巩固人工智能数学知识。本文就分别介绍这四个段位中所需要的“武林秘籍”，为了方便大家，每本书后都附上了电子书和纸质书链接，当然也可以自己去各大购物平台搜索购买。各位大侠可以根据自己当前所处的层次按需取用。若能够修到第四层，就可以下山为人工智能领域贡献自己的力量了。
第一层：了解人工智能相关概念
这个阶段重在读一些科普书，一方面提升自己的兴趣，另一方面了解当前人工智能的发展现状，以及在历史长河中所处的位置。主要可以读以下几本书：
1、《人工智能：李开复谈AI如何重塑个人、商业与社会的未来图谱》
这本书对于入门者来说极力推荐，这是我的AI入门图书。记得当时读这本书的时候人工智能方兴未艾，AlphaGo在围棋界大放异彩，整本书更加深了我对未来人工智能大规模应用的信心，从另一个角度来说，读研的时候选择人工智能方向，有一部分原因就是受这本书的影响。
作者李开复先生大家应该很熟悉，曾亲自给中国大学生写了5封饱含关切之情的信，引起了极大的反响。除此之外，李开复先生其实和人工智能颇有渊源。他早年在谷歌担任全球副总裁兼大中华区总裁、微软全球副总裁等职位，回国后创办了创新工场，为大学生创业提供经济和路线的支持。同时，李开复先生也是最早研究人工智能语音系统的一批人员，他的博士论文题目是“非特定人连续语音识别系统”。
另一个作者是王咏刚，也创新工场技术副总
人工智能 深度学习的书籍推荐
这里给大家推荐2本很不错的关于人工智能深度学习的书籍。《DeepLearningforCoderswithfastaiandPyTorch:AIApplicationsWithoutaPhD1stEdition》总共1028页，书挺厚的，我连续花了大概10天*6小时=60小时。时间才翻译完成并测试，看懂每个代码。同时看了相关重点部分的pytorch实现代码。
这本书适合有一定AI相关知识基础的用户阅读。浅显易懂，所有代码都可以在Jupyter上实现，连书籍也是在这个Jupyter上，我直接就是阅读并翻译了Jupyter上的英文（之所以要翻译，是因为后面还要复习，可以提高阅读速度)，有需要中文的的可以私信给我11394019@qq.com或微信。
这本书是我看过的各种深度学习里的书，作者水平最高的，有理论，又能接地气实现，利用了fastai库，实现过程代码变得简单多了。
里面有pytorch,python代码，需要有一定编程基础，特别是python基础要好一些，要不然即使能运行，代码也不一定能看懂。
https://www.amazon.com/Deep-Learning-Coders-fastai-PyTorch/dp/1492045527/ref=sr_1_1?dchild=1&keywords=Deep+Learning+for+Coders+with+fastai+and+PyTorch&qid=1599707306&s=books&sr=1-1
第二本书:
2019.09page243[已读完]DeepLearningfromScratch_BuildingwithPythonfromFirstPrinciples-O’Reilly[已读完非常优秀的书，重点，有深度，数学推理+图形表示+代码实现]
这本书适合想深入理解深度学习的背后原理，深度比较深。这本书用数学公式和代码2种不同的方式详细介绍了深度学习背后的机制，非常值得多次阅读和深入思考。
https://www.amazon.com/Deep-Learning-Scratch-Building-Principles/dp/1492041416/ref=sr_1_1?dchild=1&keywords=Deep+Learning+from+Scratch&qid=1599707439&s=books&sr=1-1
想了解人工智能这里有几本科普书推荐给你
人工智能是计算机科学的一个分支，并不是一个单一学科，图像识别、自然语言处理、机器人、语言识别、专家系统等等，每一个研究都富有挑战。对人工智能感兴趣，但无法确定具体方向，如何了解人工智能现状和研究领域？
笔者推荐4本科普书，对于大多数人来说，阅读难度不高，公式和理论少，内容有趣，能读得下去；信息较新鲜且全，要有一定阅读价值，能够有深入的思考当然更好。书单不长，只用做科普入门。
1、《超级智能》
2、《我们最后的发明：人工智能与人类时代的终结》
3、《智能时代》
4、《人工智能：国家人工智能战略行动抓手》
超级智能英文版：《SUPERINTELLIGENCE》
作者简介：
NickBostrom，著名思想家，牛津大学人类未来研究院的院长，哲学家和超人类主义学家。其学术背景包括物理、计算机科学、数理逻辑以及哲学，著有大约200种出版物，已经被翻译成22种语言。曾获得著名的EugeneR.Gannon奖（该奖项每年只有一名获得者，他们来自哲学、数学、艺术和其他人文学科与自然科学领域）。
推荐理由：
机器智能能发展到什么程度？普通人的机会在哪里？这是我们在面前快速发展的技术时，挥之不去的疑问和焦虑。Nicks在书中讨论这种超级智能将会具备什么能力，将会以什么方式到来，会不会威胁我们的生命？人类该如何在超级智能时代生存，如何向机器输入我们的价值观体系，如何管控机器？
Nick在不仅是在讨论机器智能可能带来的风险，同时也给出了他对于解决方案的思考，会有些启发。
我们最后的发明：人工智能与人类时代的终结英文版：《OurFinalInvention》
作者简介：
JamesBarrat，美国知名科普作家和解密类纪录片导演，20多年来一直关注人工智能领域的进展，多次为探索频道制作影片。
推荐理由：
James为了完成这本书，遍访了美国人工智能领域前沿学者和知名专家，与他们进行了深入对话，包括科幻大师ArthurClarke、未来学家RayKurzweil、机器人专家RodneyBrooks等。试图告诉读者，前沿学者们在研究什么，如何看待人工智能？是否会出现超级智能，是否会有奇点，人工智能是否是人类的终结者？大众是否低估了其中的风险而过于乐观，或高估了AI的潜能而过于悲观？
回顾展望人工智能的发展历程，书中介绍三种类型的人工智能：
1）弱AI（窄AI），即为某一垂直领域AI，比如自动客服、推荐系统等，目前已有不少商用案例；
2）AGI，即与人类智力水平相当的通用人工智能，研究人员努力的方向和最终的荣耀；
3）ASI，即智能水平远超人类的超级人工智能。
James只从专业人员那里了解到AI发展到AGI再到ASI的两种可能有效的途径，现阶段第2和3阶段的实现尚见不到踪影。
作为一个记录者，James追踪数十年的AI发展，书名就足以体现他对于超级人工智能的态度是悲观且焦虑的，全书对于人工智能的风险和威胁方面不惜笔墨地反复重申。书中的观点不一定是全部客观和正确，但是这些声音来自于行业内的研究人员和记录者，与其视而不见，听而不闻，任由知识空白带来的猜测和恐惧抓住我们，不如利用每一个信息窗口，尽早去了解和学习，把判断和选择的权力交还给自己。
智能时代作者简介：
吴军，博士，与2002年加入谷歌公司，2010年加盟腾讯公司，出任负责搜索和搜索广告的副总裁。2012-2014年回到谷歌，领导计算机自动问答项目。2014年，他在硅谷创办了丰元资本风险投资公司。他在美国两家风险投资基金（中国世纪基金和ZPark风险基金）分别担任董事和顾问，也是约翰霍普金斯大学工商学院董事会董事，以及该校国际事务委员会的顾问。
推荐理由：
正如副标题所说，这本书讲的是大数据和智能革命重新定义未来，书中大数据的内容更多。吴军博士在这本书中，没有对技术做深入的解读，而是从产业变革、技术应用中解读大数据的理念，属于科普读物。吴军博士看待问题的方式和思考方法，值得了解和学习，思考个人在变革中的位置。
人工智能：国家人工智能战略行动抓手作者简介：
由腾讯研究院、腾讯AILab、腾讯开放平台、中国信通院互联网法律研究中心联合著述。
推荐理由：
这本书从技术、战略、法律、伦理、治理、未来七个部分讨论人工智能，对人工智能产业全貌、最新进展、发展趋势进行了解读，梳理当前人工智能的应用和未来的发展，介绍了各国的人工智能方面的规划，对想全面了解人工智能，有志从事AI相关行业的读者有一定帮助。内容全，每一部分都没有深入论述，属于普及读物。
（如果有合适的书，希望留言推荐）
从事人工智能行业，推荐的几本书籍
随着人工智能行业的崛起，越来越多的人才涌入，不少产品经理们也在寻找进入人工智能行业、成为AI产品经理的契机。
下面是书单内的8本书，每本都有自己的侧重点，不同的书适合于不同方向的AI产品经理，适合想在相关领域深入学习、探索的同学研究。
1.《学习opencv》
该书适合于图像处理，视觉识别方向的产品经理。
本文作者在一线开发人员的角度，用通俗易懂的语言解释了OpenCV的缘起和计算机视觉基础结构，演示了如何用OpenCV和现有的自由代码为各种各样的机器进行编程，这些都有助于读者迅速入门并渐入佳境，兴趣盎然地深入探索计算机视觉领域。
《人工智能：一种现代的方法》（第3版）这种在智能决策，搜索算法相对来说比较综合类的书籍。适合有技术背景的产品经理读。
这是最权威、最经典的人工智能教材，堪称AI界的圣经，已被全世界100多个国家的1200多所大学用作教材。
书中清晰地定义了什么是人工智能，介绍了人工智能的基本概念、思想和算法，不仅描述了其各个研究方向最前沿的进展，同时收集整理了详实的历史文献与事件，让读者兼具过去和未来两个维度来了解人工智能。
3.《智能web算法》
本书面向的是广大普通读者，所以对于读者的知识背景并没有过多的要求。更适合一些引流，获取，转化用户的产品经理。书中涵盖了五类重要的智能算法：搜索、推荐、聚类、分类和分类器组合，并结合具体的案例讨论了它们在Web应用中的角色及要注意的问题。
《语音与语言处理》这本书比较适做合聊天类机器人的产品经理读。本书是第一本从各个层面全面介绍语言技术的书，在语言技术上使用了实证的方法，自第1版出版以来，一直好评如潮，被国外许多著名大学选为自然语言处理和计算语言学课程的主要教材。
《PATTERNRECOGNITIONANDMACHINELEARNING》对推理，对概率有兴趣，想提升对AI技术了解深度的产品经理，可以读一下这本书。这本书在技术上全面覆盖了各种机器学习主题，包括回归、线性分类、神经网络、核方法和图模型，对我们概率分布，图模型这方面的知识进行了补充。
《游戏人工智能编程案例精粹》本书适合做游戏策划，游戏美术，游戏与人工智能相结合的产品经理。
在现今游戏界被视为AI入门必读年。书中首先介绍游戏角色的基本属性（包括速度、质量等物理属性）及常用数学方法。接着，深入探讨游戏智能体状态机的实现，通过简单足球游戏实例，给出用状态机实现游戏AI的例子。在图论部分，详细介绍图在游戏中的用途及各种不同的图搜索算法。
7.《模式分类》
该书是模式识别和场景分析领域奠基性的经曲名著，被哈佛，斯坦福，剑桥等120多所大学采用作为教材。在第2版中，除了保留了第1版的关于统计模式识别和结构模式识别的主要内容以外，读者将会发现新增了许多近25年来的新理论和新方法，其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。
作者还为未来25年的模式识别的发展指明了方向。书中包含许多实例，各种不同方法的对比，丰富的图表，以及大量的课后习题和计算机练习。
《NeualNetworksforPatternRecongnition》这本书提供了第一个综合治疗的前馈神经网络的统计模式识别的角度。在介绍了模式识别的基本概念，书中描述的概率密度函数建模技术，并讨论了多层感知器和径向基函数神经网络模型的属性和相对优点。这也促使各种形式的误差函数的使用，并回顾了主要算法的误差函数最小化。在神经网络的学习和泛化提供了详细的讨论。
1.人工智能时代，AI人才都有哪些特征？http://www.duozhishidai.com/article-1792-1.html2.大数据携手人工智能，高校人才培养面临新挑战http://www.duozhishidai.com/article-7555-1.html3.人工智能，机器学习和深度学习之间，主要有什么差异http://www.duozhishidai.com/article-15858-1.html
多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站