有了这份人工智能思维导图书单,年薪百万不是梦

点击上方“程序人生”,选择“置顶公众号”

第一时间关注程序猿(媛)身边的故事


640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1

参与文末互动,获赠图书

1956年,人工智能诞生于IBM在达特茅斯学院(Dartmouth College)举行的一次研讨会上。麦卡锡首次提出了“人工智能”这一术语。它是人工智能历史上的一个重大里程碑。纽厄尔、萧伯纳和西蒙开发了一个叫作“逻辑理论家”的推理程序。它被用于自动定理证明,推动了第一个列表处理语言——信息加工语言的开发。乔姆斯基的生成语法理论影响了自然语言处理。1958年,罗森布拉特发明了感知器。约翰•麦卡锡开发了LISP和人工智能编程语言。


人工智能大潮来了。AlphaGo击败围棋大师李世石后,人工智能的应用仿佛一夜之间遍地开花。在科技潮流的大环境中,现在硅谷的用人单位越来越倾向于雇用既懂理论(思考者)又懂编程(执行者)的工程师。思考者的日常工作是阅读文献以求产生思路,而执行者则是编写代码来实现应用。但是要成为一名真正的工程师,学习机器学习是将思考者和执行者相结合的最快途径。


人工智能的研究包括从数据到知识,从学习到推理。新一代人工智能已经上升为国家战略,其覆盖的范围也越来越广。机器学习是人工智能的基础和热点研究问题,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。


还没有入行或者正在入门人工智能领域的程序员们,今天带来了一份人工智能思维导图,并附上学习路径书单,希望对于迷茫的你有所帮助。

640?wx_fmt=jpeg

技术基础篇

入门级算法

640?

《趣学算法》

陈小玉 


本书从算法之美娓娓道来,没有高深的原理,也没有枯燥的公式,通过趣味故事引出算法问题,包含50多个实例及完美图解,结合学生提问,分析算法本质,并给出代码实现的详细过程和运行结果。

本书可作为程序员的学习用书,也适合从未有过编程经验但又对算法有强烈兴趣的初学者使用,同时也可作为高等院校计算机、数学及相关专业的师生用书和培训学校的教材。

640?wx_fmt=png

《趣学学习与应用从入门到精通》

张玲玲 


本书的特色是实现了入门知识、实例演示、范例演练、技术解惑、综合实战5大部分内容的融合,让读者看得懂、用得上、学得会。

一本书的容量,讲解了入门类、范例类和项目实战类三类图书的内容。丰富的配套资源 ,学习更高效。

320个实例,更多的实践演练机会753分钟视频讲解,降低学习难度5个综合案例,项目实战演练74个技术解惑,破解学习难点“技术讲解”→范例演练”→“技术解惑”贯穿全书,全面掌握算法应用技术讲解:通过320个实例,循序渐进地讲解了算法应用的各个知识点。范例演练: 5个综合实例,使读者具有应用算法解决实际项目的能力。技术解惑:把容易混淆的概念单独讲解和剖析,帮助读者绕过学习中的陷阱。

640?wx_fmt=jpeg

《文本上的算法——深入浅出自然语言处理 

 路彦雄 著


微信整合搜索算法组组长路彦雄全新作品,深入浅出讲解自然语言处理和机器学习技术,微博总阅读量超30万次。

本书结合作者多年学习和从事自然语言处理相关工作的经验力图用生动形象的方式深入浅出地介绍自然语言处理的理论、方法和技术。本书抛弃掉繁琐的证明,提取出算法的核心,本书前面章节介绍了学习机器学习需要掌握的一些数学基础,帮助读者尽快地掌握自然语言处理所必备的知识和技能。本书适合从事自然语言处理相关研究和工作的读者参考,尤其适合想要了解和掌握机器学习或者自然语言处理技术的读者阅读。


640?wx_fmt=jpeg

《算法谜题》

【美】Anany Levitin 著


算法是计算机科学领域最重要的基石之一。算法谜题,就是能够直接或间接地采用算法来加以解决的谜题。求解算法谜题是培养和锻炼算法思维能力一种最有效和最有乐趣的途径。 


本书是一本经典算法谜题的合集。本书包括了一些古已有之的谜题,数学和计算机科学有一部分知识就发源于此。本书中还有一些较新的谜题,其中有一部分谜题被用作知名IT企业的面试题。全书可分为4个部分,分别是概览、谜题、提示和答案。概览介绍了算法设计的通用策略和算法分析的技术,还附带有不少的实例。谜题部分将谜题按照简单、中等难度和较难三个层级分别列出。提示部分依次给出谜题提示,帮助读者找到正确的解题方向,同时仍然为读者留下了独立求解的空间。答案部分则给出了谜题的详细解答。 

640?

《编程之法:面试和算法心得》

July 


    蜕变于CSDN技术博客“结构之法算法之道”,内容涉及面试、算法、机器学习三大主题;作者数年的积累成果;进入IT行业求职笔试和面试宝典


书中的每道编程题目都给出了多种思路、多种解法,不断优化、逐层递进。第1章至第6章分别阐述字符串、数组、树、查找、动态规划、海量数据处理等相关的编程面试题和算法,第7章介绍机器学习的两个算法—K近邻和SVM。书中的每一道题都是面试的高频题目,反复出现在近5年各大公司的笔试和面试中,对面试备考有着极强的参考价值。

技术基础篇

Python编程


640?wx_fmt=jpeg

Python核心编程(第3版)

【美】Wesley Chun(卫斯理 春)著

畅销经典的Python书,兼顾Python2和Python3,Python开发人员的案头常备

Python是一种灵活、可靠且具有表现力的编程语言,它将编译语言的强大与脚本语言的简洁性、快速开发特性整合起来。在本书中,Python开发人员兼企业培训师Wesley Chun会帮助您将Python技能提升到更高的水平。

  

本书涵盖了成为一名技术全面的Python开发人员所需的一切内容。本书讲解了应用开发相关的多个领域,而且书中的内容可以立即应用到项目开发中。此外,本书还包含了一些使用Python 2和Python 3编写的代码案例,以及一些代码移植技巧。有些代码片段甚至无须修改就可以运行在Python 2.x或Python 3.x上。


640?wx_fmt=jpeg

Python程序设计(第3版)

【美】John Zelle(策勒)著 

Python之父作序推荐 ,Python 3 编程入门经典。本书以Python语言为工具教授计算机程序设计。本书强调解决问题、设计和编程是计算机科学的核心技能。本书特色鲜明、示例生动有趣、内容易读易学,适合Python入门程序员阅读,也适合高校计算机专业的教师和学生参考。 


640?

《数据结构 Python语言描述

 【美】Kenneth A. Lambert(兰伯特) 著 


在计算机科学中,数据结构是一门进阶性课程,概念抽象,难度较大。Python语言的语法简单,交互性强。用Python来讲解数据结构等主题,比C语言等实现起来更为容易,更为清晰。 

640?wx_fmt=png

《Python编程快速上手 让繁琐工作自动化

 【美】Al Sweigart(斯维加特) 著 


Python3编程从入门到实践,新手学习必备用书。美亚畅销Python编程入门书。

本书快速教读者掌握Python这一对初学者友好的语言。书中包含了很多实用的示例,供读者学习和联系。通过本书,可以学会解决很多实际的任务和需求,包括在一个或多个文件中搜索文本模式、通过创建修改移动和重命名文件和文件夹来组织计算机、抓取数据和信息、更新Excel表格、自动发送邮件和文本消息、组织计算机执行周期性任务等等。


机器学习算法篇

深度学习、神经网络、贝叶斯

640?wx_fmt=png

《深度学习》

【加】Aaron Courville(亚伦·库维尔), 【加】Yoshua Bengio(约书亚·本吉奥), 【美】Ian Goodfellow(伊恩·古德费洛)


AI圣经!深度学习领域奠基性的经典畅销书长期位居美亚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荐!

深度学习是机器学习的一个分支,它能够使计算机通过层次概念来学习经验和理解世界。因为计算机能够从经验中获取知识,所以不需要人类来形式化地定义计算机需要的所有知识。层次概念允许计算机通过构造简单的概念来学习复杂的概念,而这些分层的图结构将具有很深的层次。本书会介绍深度学习领域的许多主题。


《深度学习精要(基于R语言)》

【美】Joshua F. Wiley(威利)


本书重点介绍如何将R语言和深度学习模型或深度神经网络结合起来,解决实际的应用需求。全书共6章,分别介绍了深度这习基础知识、训练预测模型、如何防止过拟合、识别异常数据、训练深度预测模型以及调节和优化模型等内容。使用无监督学习建立自动化的预测和分类模型。

 

本书适合了解机器学习概念和R语言并想要使用R提供的包来探索深度学习应用的读者学习参考。



640?wx_fmt=png

《Python机器学习——预测分析核心算法》

【美】Michael Bowles(鲍尔斯) 


在学习和研究机器学习的时候,面临令人眼花缭乱的算法,机器学习新手往往会不知 所措。本书从算法和Python 语言实现的角度,帮助读者认识机器学习。

本书专注于两类核心的“算法族”,即惩罚线性回归和集成方法,并通过代码实例来 展示所讨论的算法的使用原则。全书共分为7 章,详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。 本书主要针对想提高机器学习技能的Python 开发人员,帮助他们解决某一特定的项 目或是提升相关的技能。

640?wx_fmt=png

《Python算法教程》

【挪威】Magnus Lie Hetland(赫特兰) 


畅销书Python基础教程(第2版)作者、Python领域大牛又一新力作!知识点清晰,语言简洁。本书用Python语言来讲解算法的分析和设计,主要关注经典的算法,帮助读者理解基本算法问题和解决问题打下很好的基础。蕴含大量课后习题和参考资料。

 

640?wx_fmt=png

《Python机器学习实践指南》

【美】Alexander T. Combs 


机器学习是近年来渐趋热门的一个领域,同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。

本书结合了机器学习和Python 语言两个热门的领域,通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到极致。 全书共有10 章。第1 章讲解了Python 机器学习的生态系统,剩余9 章介绍了众多与机器学习相关的算法,包括各类分类算法、数据可视化技术、推荐引擎等,主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。 本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。

640?wx_fmt=png

《机器学习实践指南》

李博 


本书通过对机器学习的背景知识、算法流程、相关工具、实践案例以及知识图谱等内容的讲解,全面介绍了机器学习的理论基础和实践应用。书中涉及机器学习领域的多个典型算法,并详细给出了机器学习的算法流程。 


本书适合任何有一定数据功底和编程基础的读者阅读。通过阅读本书,读者不仅可以了解机器学习的理论基础,也可以参照一些典型的应用案例拓展自己的专业技能。同时,本书也适合计算机相关专业的学生以及对人工智能和机器学习感兴趣的读者阅读。 

640?wx_fmt=jpeg

《神经网络算法与实现——基于Java语言》

Alan M.F. Souza(艾伦)


神经网络已成为从大量原始的,看似无关的数据中提取有用知识的强大技术。 Java语言是用于实现神经网络的最合适的工具之一,也是现阶段非常流行的编程语言之一,包含多种有助于开发的API和包,具有“一次编写,随处运行”的可移植性。

本书完整地演示了使用Java开发神经网络的过程,既有非常基础的实例也有高级实例。首先,你将学习神经网络的基础知识、感知机及其特征。 然后,你将使用学到的概念来实现自组织映射网络。 此外,你还会了解一些应用,如天气预报、疾病诊断、客户特征分析和光学字符识别(OCR)等。 最后,你将学习实时优化和自适应神经网络的方法。

640?wx_fmt=jpeg

《Python贝叶斯分析》

【阿根廷】Osvaldo Martin(奥斯瓦尔多·马丁) 


PyMOL社区活跃者倾情奉献!发现Python贝叶斯分析的力量! 

本书介绍了贝叶斯统计中的主要概念,以及将其应用于数据分析的方法。本书所有的贝叶斯模型都用PyMC3实现。PyMC3是一个用于概率编程的Python库,其许多特性都在书中有介绍。在本书和PyMC3的帮助下,读者将学会实现、检查和扩展贝叶斯统计模型,从而解决一系列数据分析的问题。

640?wx_fmt=png

《贝叶斯思维:统计建模的Python学习法》

【美】Allen B. Downey 


这本书帮助那些希望用数学工具解决实际问题的人们,仅有的要求可能就是懂一点概率知识和程序设计。而贝叶斯方法是一种常见的利用概率学知识去解决不确定性问题的数学方法,对于一个计算机专业的人士,应当熟悉其应用在诸如机器翻译,语音识别,垃圾邮件检测等常见的计算机问题领域。


640?wx_fmt=png

《贝叶斯方法:概率编程与贝叶斯推断》

[加]Cameron Davidson-Pilon 


国际著名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,掌握贝叶斯方法,就像今天掌握C/C++、Python一样重要!全彩印刷! 


本书内容涉及Python语言库PyMC,以及相关的工具,包括NumPy\SciPy\Matplotlib,无需复杂的数学分析,通过实例、从编程的角度介绍贝叶斯分析方法,大多数程序员都可以入门并掌握。

640?wx_fmt=png

《贝叶斯方法:概率编程与贝叶斯推断》

【美】Avi Pfeffer(艾维·费弗) 


人工智能领域的先驱、美国加州大学伯克利分校教授Stuart Russell作序推荐!一本不可思议的Scala概率编程实战书籍! 


概率推理是机器学习的核心方法之一,本书旨在向程序员,特别是Scala开发人员揭开概率建模的神秘面纱,以帮助程序员们高效地使用概率编程系统。 

借助概率编程系统,通过应用特定的算法,你的程序可以确定不同结论的概率。这意味着你可以预测未来事件,如销售趋势、计算机系统故障、试验结果和其他许多重要的关注点。   

640?wx_fmt=jpeg

《精通数据科学:从线性回归到深度学习

唐亘 


将机器学习和统计学相结合,并借鉴统计学在经济领域的应用

为机器学习的算法提供一个统计学角度的非常直观的解释。致力于帮助专业人员(读者)将模型和算法解释给非专业的业务人员,推动模型的落地和应用。 


借鉴计量经济学的应用:深入探讨模型应用中常常被机器学习专业人员忽略的问题,如模型稳定性、可靠性等。着眼于模型之间的联系和区别,注重模型与模型之间的优劣比较:帮助非数学出身的读者更加深入的理解模型的假设和适用范围,而不只是停留在会使用开源模型库的API。 大量的实际案例和代码展示:帮助数学出身的读者实现独立上机实践算法,而不只停留在算法的理论研究。


机器学习框架篇

库和计算框架Tensorflow


640?wx_fmt=png

《TensorFlow技术解析与实战》

李嘉璇 


TensorFlow 是谷歌公司开发的深度学习框架,也是目前深度学习的主流框架之一。本书从深度学习的基础讲起,深入TensorFlow框架原理、模型构建、源代码分析和网络实现等各个方面。全书分为基础篇、实战篇和提高篇三部分。


领导“谷歌大脑”的工程师Jeff Dean发来寄语,李航、余凯等人工智能领域专家倾力推荐,包揽TensorFlow 1.1的新特性,技术内容全面,实战案例丰富,视野广阔,人脸识别、语音识别、图像和语音相结合等热点一应俱全,非常适合对深度学习和TensorFlow感兴趣的读者阅读。

640?wx_fmt=png

《TensorFlow机器学习项目实战》

【阿根廷】Rodolfo Bonnin 

本书主要介绍如何使用TensorFlow库实现各种各样的模型,旨在降低学习门槛,并为读者解决问题提供详细的方法和指导。全书共10章,分别介绍了TensorFlow基础知识、聚类、线性回归、逻辑回归、不同的神经网络、规模化运行模型以及库的应用技巧。 


本书适合想要学习和了解 TensorFlow 和机器学习的读者阅读参考。如果读者具备一定的C++和Python的经验,将能够更加轻松地阅读和学习本书。

640?wx_fmt=png

《NLTK基础教程——用NLTK和Python库构建机器学习应用》

[印度] Nitin Hardeniya 


NLTK 库是当前自然语言处理(NLP)领域最为流行、使用最为广泛的库之一, 同时Python语言也已逐渐成为主流的编程语言之一。


本书主要介绍如何通过NLTK库与一些Python库的结合从而实现复杂的NLP任务和机器学习应用。全书共分为10章。第1章对NLP进行了简单介绍。第2章、第3章和第4章主要介绍一些通用的预处理技术、专属于NLP领域的预处理技术以及命名实体识别技术等。第5章之后的内容侧重于介绍如何构建一些NLP应用,涉及文本分类、数据科学和数据处理、社交媒体挖掘和大规模文本挖掘等方面。

本书适合 NLP 和机器学习领域的爱好者、对文本处理感兴趣的读者、想要快速学习NLTK的资深Python程序员以及机器学习领域的研究人员阅读。


机器学习技术实现篇

字符识别、自然语言处理、机器视觉、面部识别

640?

《Python神经网络编程 

 [英] 塔里克·拉希德(Tariq Rashid) 著



当前,深度学习和人工智能的发展和应用给人们留下了深刻的印象。神经网络是深度学习和人工智能的关键元素,然而,真正了解神经网络工作机制的人少之又少。本书用轻松的笔触,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。


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。

本书适合想要了解深度学习、人工智能和神经网络的读者阅读,尤其适合想要通过Python编程进行神经网络开发的读者参考

640?wx_fmt=jpeg

《文本上的算法——深入浅出自然语言处理 

 路彦雄 著



微信整合搜索算法组组长路彦雄全新作品,深入浅出讲解自然语言处理和机器学习技术,微博总阅读量超30万次。

本书结合作者多年学习和从事自然语言处理相关工作的经验力图用生动形象的方式深入浅出地介绍自然语言处理的理论、方法和技术。本书抛弃掉繁琐的证明,提取出算法的核心本书前面章节介绍了学习机器学习需要掌握的一些数学基础,帮助读者尽快地掌握自然语言处理所必备的知识和技能。本书适合从事自然语言处理相关研究和工作的读者参考,尤其适合想要了解和掌握机器学习或者自然语言处理技术的读者阅读。

640?wx_fmt=png

《OpenCV和Visual Studio图像识别应用开发 

 望熙贵, 望熙荣 著


OpenCV是可以在多平台下运行、并提供了多语言接口的一个库,实现了图像处理和计算机视觉方面的很多通用算法。


本书是介绍OpenCV结合Visual Studio进行图像识别和处理的编程指南。全书共11章,介绍了OpenCV和Visual Studio的安装设置,以及Core、HighGUI、ImgProc、Calib3d、Feature2d、Video、Objdetect、ML、Contrib等模块,涉及文字处理、照片处理、图像识别、OpenGL整合、硬件设备结合使用等众多方面的功能,最后还给出了综合应用的实例。

本书适合对于图像识别和处理技术感兴趣,并且想要学习OpenCV的应用和编程的读者阅读和参考。

640?wx_fmt=png

《人脸识别原理及算法——动态人脸识别系统研究 

熊志勇, 沈理, 刘翼光 著


本书系统总结了人脸识别研究领域,填补国内有关该领域图书的空白,很好地总结了近年人脸识别算法研究成果,并提供了具体算法实现和研究结果,为该领域研究人员提供很好的借鉴。


读者通过阅读本书可以系统地学习人脸识别研究的方法,了解人脸识别研究的具体算法实现以及国内外相关技术的最新进展。动态人脸识别方法是作者在人脸识别研究方面的一个尝试和拓展,希望这部分内容能够为这一领域提供一种全新的研究分支。

640?wx_fmt=png

《精通Python自然语言处理 

Iti Mathur, Nisheeth Joshi, 【印度】Deepti Chopra 著


自然语言处理是计算语言学和人工智能之中与人机交互相关的领域之一。 

本书是学习自然语言处理的一本综合学习指南,介绍了如何用Python实现各种NLP任务,以帮助读者创建基于真实生活应用的项目。全书共10章,分别涉及字符串操作、统计语言建模、形态学、词性标注、语法解析、语义分析、情感分析、信息检索、语篇分析和NLP系统评估等主题。 

本书适合熟悉Python语言并对自然语言处理开发有一定了解和兴趣的读者阅读参考。

640?wx_fmt=png

《 Python自然语言处理 

Edward Loper, Ewan Klein, 【美】Steven Bird 著


本书是自然语言处理领域的一本实用入门指南,旨在帮助读者学习如何编写程序来分析书面语言。基于Python编程语言以及一个名为NLTK的自然语言工具包的开源库,但并不要求读者有Python编程的经验。全书共11章,按照难易程度顺序编排。


本书的实践性很强,包括上百个实际可用的例子和分级练习。本书可供读者用于自学,也可以作为自然语言处理或计算语言学课程的教科书,还可以作为人工智能、文本挖掘、语料库语言学等课程的补充读物。

今日话题

你打算学习人工智能相关知识么?在文章底部留言说出你的观点。


活动要求:

1、你的留言被小编精选上墙者,可扫码加入「线上书友交流0群」;

2、入群者需第一时间将你的留言截图发到群中。

注意:只有满足以上两点者可参与抽奖。留言未上墙或留言上墙了但当天未将截图发至群中者,会被剔除出群。

扫码入群

640?wx_fmt=jpeg

(群内会不定期分享图书优惠和福利活动,敬请期待)


小编将从符合上述两个规则的群用户中抽选出3名赠送书单中的任意一本书籍。

活动开奖时间:4月16日16点


阅读更多
想对作者说点什么?
相关热词

博主推荐

换一批

没有更多推荐了,返回首页