有哪些关于人工智能的书籍可供推荐？
谁能推荐几本关于人工智能的书籍？就是对人工智能的介绍。以及最新的发展趋势、
谢谢 张戎：《人工智能：现代方法（第4版）》--- 飞鸟与青蛙
飞鸟与青蛙
当初我在数学界的时候听过飞鸟与青蛙（Birds and Frogs）这个比喻，这是作家戴森所描述的，他在一本书的开篇写道：
有些数学家是飞鸟，有些是青蛙。飞鸟在高空翱翔，俯瞰数学的广大领域，直至遥远的地平线。他们乐于统一我们的思想，并且融合来自数学大地上不同部分的各种各样的问题。青蛙生活在泥沼中，只能看到生长在附近的花朵。他们以特殊对象的细节为乐，在一段时间只解决一个问题。我碰巧是只青蛙，但我的许多最好的朋友都是飞鸟。相当于说，有些数学家是飞鸟，特别喜欢研究数学中各个领域之间的联系，会做数学中的提纲挈领的工作，为某个方向打下坚实的基础，也为了融合各个领域做出自己的贡献。而有些数学家是青蛙，他们一生就解决某个方向的问题，但是这些问题在数学中却又十分重要，是极难解决的困难问题。
由于数学发展太过于久远，想找到一本既能够让读者领略数学之美的百科全书，又能够让读者能够体会到数学细节之美的一本书实在是太过于困难。但是，人工智能只有几十年的发展历史，能否找到一本人工智能领域的专著，它涵盖了基础知识，模型方法，社会伦理等诸多方面，但是又包含了常用的机器学习算法，概率推理算法，强化学习算法呢？答案是肯定的，那就是《人工智能：现代方法（第4版）》。
人工智能的崛起
近些年，人工智能这个概念不停地出现在大众的视野里，从深度学习的人脸识别技术，到 AlphaGo 打败李世乭，再到近期突然火爆的 ChatGPT，都在逐渐影响着我们的日常生活。无论是从投资人的角度，还是互联网企业的角度，甚至个人的角度，近些年的人工智能技术确实给大家带来了很大的冲击。
人工智能
十几年前，人脸识别技术尚未成熟，各种安防系统都没有大规模铺开人脸识别技术的使用，最多作为一个辅助的工具。当象棋大师在上个世纪被人工智能打败了之后，围棋就被作为棋类的最后一个堡垒，但是 AlphaGo 的横空出世颠覆了人们的认知，原来人工智能技术可以在围棋领域向人类进行挑战，并且可以打败人类的一批最优秀的棋手，甚至可以作为陪棋手练棋的辅助工具。近几个月，ChatGPT 开始进入大众的视野，很多人在与 ChatGPT 沟通的过程中，发现它能够辅助人们做很多事情，也能够给出非常合适的回答。尤其是在文科类问题的回答中，ChatGPT 的回答堪称优秀，足以让人眼前一亮。虽然 ChatGPT 的部分回答也有些不足之处，但在 NLP 这个领域依然是一个非常大的突破。最近还看到一个小段子，国内的互联网公司，猎头，投资人纷纷盯上了 OpenAI 的那几位华人研究员，打算开出更高的薪水来挖技术人才。
ChatGPT
人工智能的发展
对于普通学生或者互联网从业者来说，有没有希望进入人工智能领域呢？那答案是肯定的 。要进入人工智能领域，需要先了解人工智能大致包括哪些基础，能够列出来的包括：哲学，数学，经济学，神经科学，心理学，计算机工程，控制论，语言学。而人工智能的发展包括几个大的阶段：
[*]人工智能的诞生（1943-1956）；
[*]人工智能早期热情高涨，期望无限（1952-1969）；
[*]专家系统（1969-1986）；
[*]神经网络的回归（1986-至今）；
[*]概率推理和机器学习（1987-至今）；
[*]大数据（2001-至今）；
[*]深度学习（2011-至今）；
对于互联网的人工智能从业者而言，上面提到的这些内容就是工作中的一部分，无论是专家规则，大数据，机器学习，还是深度学习，都是从业者每天都必须使用的技术。为了让人工智能从业者更加深入的了解人工智能这个行业，也让更多地从业者开始从事这个行业的工作，人民邮电出版社近期推出了一本巨著《人工智能：现代方法（第4版）》，本书从人工智能的基础开始，向读者讲解了一套完整的人工智能技术，属于人工智能的百科全书之一。
智能体
提到人工智能，大众最先想到的不是各种各样的方程式和目标函数，而是一个又一个具有超能力的机器人。这些机器人不仅拥有超强的护甲，还包括聪明的大脑，甚至能够在各种不良环境中完成任务。《人工智能：现代方法（第4版）》与其他的机器学习或者深度学习书籍有所不同，它从智能体这个角度切入主题。向大家提到了智能体的良好行为和不良行为，任务环境的属性等。后续为了解决智能体的目标问题，向大家介绍了各种各样的机器学习方法。
扫地机器人
比较简单的一个智能体就是现在很多家庭都配备的扫地机器人，这个扫地机器人能够通过探索家庭环境的方式来获取家里面的面积，空间，以获得自己的最大活动区域。如果通过APP在手机上设置了定时任务，扫地机器人每天会进行定时打扫家庭。当家里环境发生了改变的时候，扫地机器人也能够根据具体的情况来调整当前的扫地区域和活动范围。现代机器人的开发使用到了许多人工智能的相关技术，让我们试想一下如果 ChatGPT 与这些智能家居相结合，那么在辅助人类生活方面则会有很大的改善，能够给大家带来更多生活上的便利。
http://pica.zhimg.com/v2-5dbd75167beba5fc9df1629946370400_r.jpg?source=1940ef5c
智能家居
启发式算法
为了得到一个优秀的智能体，那么在设置了目标函数之后就应该进行问题的求解。在问题求解部分，可以使用搜索的方式解决问题。这里不仅包括经典的深度优先搜索算法，作者还向读者介绍了各种启发式的搜索算法。在复杂环境的搜索中，有很多启发式的算法可以应用在其中，但这些启发式的算法却来源于我们的生活。
例如爬山搜索算法，它记录了当前状态并且在每次迭代中移动到值最大的相邻状态，也就是说它会一直朝着最陡峭的方向上升。它使用了启发式的代价函数的负数来作为目标函数，算法将局部地爬升到距离目标的启发式距离最小的状态。爬山搜索算法的诞生就是来源于我们的日常生活。
爬山搜索
除了爬山搜索算法之外，还有模拟退火算法。它与爬山搜索算法相反，它是模拟一个降温退火的过程。例如，把一个乒乓球放入有崎岖表面的坑中，一开始乒乓球会落入某一个局部极小值点，但是如果开始晃动这个崎岖表面的坑，乒乓球就很有可能从这个局部极小值被晃出来，落入另外一个更深的坑中。
模拟退火
除了这两个算法，更多的生物学中的算法被引入这个领域，包括遗传算法，蚁群算法，粒子群算法等。遗传算法中包括选择，交叉，变异等多个阶段，通过这些阶段，可以选择出更优秀的后代，基于这种想法，学者们提出进化算法。而进化论一开始是由达尔文和华莱士各自提出的，但是最后其想法和思路却应用在人工智能领域。
遗传算法
博弈算法
这本书还有另外一个内容非常有意思，那就是对抗搜索和博弈。在这种环境中，需要有两个或者多个智能体具有一定的冲突目标。通常来说，棋类或者扑克类游戏非常符合这个场景。就以最简单的井字棋为例，先手的人该采用什么样的策略才能够将获胜的概率大幅提升呢？
井字棋
为了研究这个问题，就需要引入“博弈树”的概念了，同时需要进行极小化极大搜索（minmax search），通过把下棋的策略转化成一颗博弈树，然后选择出最佳的路径和执行方案就可以大大提升获胜的概率。但是博弈树的构造总是很复杂的，为了节省运算时间和提升运算效率，就会进行必要的 alpha-beta 剪枝，将无效的路径提前删除，可以提升搜索的效率。这种方法的使用场景很多，除了井字棋之外，其余的部分可观测游戏也是可以采用类似方法的，例如四国军棋游戏，德州扑克等。
四国军棋
在前几年的一次长达20天的德州扑克比赛上，CMU 开发的人工智能系统打败了多位世界顶级的德州扑克玩家，被称为人类与机器角逐的一个新的里程碑。其中用到的技术就包括极小化极大搜索。而在《人工智能：现代方法（第4版）》中，作者也介绍了这些技术背后的基础知识，方便读者进行初步地了解和学习。
博弈树
推理算法
除了直接进行搜索之外，本书还向大家介绍了推理的一系列知识，其中包括：
[*]概率推理和概率编程；
[*]时间上的概率推理和概率编程；
[*]做简单决策或者复杂决策，甚至多智能体做决策。
这些知识与强化学习相关，最简单的例子就是走格子的游戏，中间有多个障碍物，机器人该如何走才能够从左上角走到右下角。这个问题其实就是马尔科夫决策过程（Markov decision process），它包括了状态集合，动作集合，转移概率，奖励函数等多方面的内容。通过这些数据，我们可以计算得出该智能体在某个时候某个状态该做什么，也就是他们的策略究竟是什么，怎么选择出最优的策略来获取最大的收益。如果读者阅读这一章节的话，相信会找到相应的答案。
强化学习走格子
人工智能作为一个非常大的领域，每一本章节单独拿出来讲都可以写出一本很厚的书籍。但《人工智能：现代方法（第4版）》的作者们则从一个非常高的角度出发，向读者展示了人工智能的发展历程和关键之处。但是在高处介绍人工智能的同时，作者们也一直在给读者介绍着相关的理论基础，让读者不仅能够掌握人工智能全貌，也能够从细节和理论上掌握人工智能。作为一本第四版的书籍，本书相比前三版有了较大幅度的修改，增加了近些年新增的技术点，让整本书做到了与时俱进。相信每一个读这本书的人都能够对人工智能有更深层次的理解，阅读本书的读者不仅能够在天空中像飞鸟一样翱翔，看着人工智能的各个领域，也能够像青蛙一样，深入了解人工智能的某个方法与细节。
<a data-draft-node="block" data-draft-type="mcn-link-card" data-mcn-id="1616784928414429184"> 早期，人类必须通过如轮子、火之类的工具和武器与自然做斗争。15世纪，古腾堡发明的印刷机使人们的生活发生了广泛的变化。19世纪，工业革命利用自然资源发展电力，这促进了制造、交通和通信的发展。20世纪，人类通过对天空以及太空的探索，通过计算机的发明及其微型化，进而成为个人计算机、互联网、万维网和智能手机，持续不断地向前进。过去的60年已经见证了一个世界的诞生，这个世界出现了海量的数据、事实和信息，这些数据、事实和信息必须转换为知识（其中一个实例是包含在人类基因编码中的数据，如图1.0所示）。本章介绍了人工智能学科的概念性框架，并阐述了其成功应用的领域和方法、近期的历史和未来的前景。
图1.0 包含在人类基因编码中的数据
1.0 引言
对人工智能的理解因人而异。一些人认为人工智能是通过非生物系统实现的任何智能形式的同义词；他们坚持认为，智能行为的实现方式与人类智能实现的机制是否相同是无关紧要的。而另一些人则认为，人工智能系统必须能够模仿人类智能。没有人会就是否要研究人工智能或实现人工智能系统进行争论，我们应首先理解人类如何获得智能行为（即我们必须从智力、科学、心理和技术意义上理解被视为智能的活动），这对我们才是大有裨益的。例如，如果我们想要开发一个能够像人类一样行走的机器人，那么首先必须从各个角度了解行走的过程，但是不能通过不断地声明和遵循一套规定的正式规则来完成运动。事实上，人们越要求人类专家解释他们如何在学科或事业中获得了如此表现，这些人类专家就越可能失败。例如，当人们要求某些战斗机飞行员解释他们的飞行能力时，他们的表现实际上会变差 。专家的表现并不来自于不断的、有意识的分析，而是来自于大脑的潜意识层面。你能想象高峰时段在高速公路上开车并有意识地权衡控制车辆的每个决策吗？
想象一下力学教授和独轮脚踏车手的故事。当力学教授试图骑独轮车时，如果人们要求教授引用力学原理，并将他成功地骑在独轮车上这个能力归功于他知道这些原理，那么他注定要失败。同样，如果独轮脚踏车手试图学习这些力学知识，并在他展现车技时应用这些知识，那么他也注定是失败的，也许还会发生悲剧性的事故。关键点是，许多学科的技能和专业知识是在人类的潜意识中发展和存储的，而不是通过明确请求记忆或使用基本原理来学会这些技能的。
1.0.1 人工智能的定义
在日常用语中，“人工”一词的意思是合成的（即人造的），这通常具有负面含义，即“人造物体的品质不如自然物体”。但是，人造物体通常优于真实或自然物体。例如，人造花是用丝和线制成的类似芽或花的物体，它不需要以阳光或水分作为养料，却可以为家庭或公司提供实用的装饰功能。虽然人造花给人的感觉以及香味可能不如自然的花朵，但它看起来和真实的花朵如出一辙。
另一个例子是由蜡烛、煤油灯或电灯泡产生的人造光。显然，只有当太阳出现在天空时，我们才可以获得阳光，但我们随时都可以获得人造光，从这一点来讲，人造光是优于自然光的。
最后，思考一下，人工交通装置（如汽车、火车、飞机和自行车）与跑步、步行和其他自然形式的交通（如骑马）相比，在速度和耐久性方面有很多优势。但是，人工形式的交通也有一些显著的缺点——地球上无处不在的高速公路，充满了汽车尾气的大气环境，人们内心的宁静（以及睡眠）常常被飞机的喧嚣打断。
如同人造光、人造花和交通一样，人工智能不是自然的，而是人造的。要确定人工智能的优点和缺点，你必须首先理解和定义智能。
人工智能书单推荐：
１、动手学深度学习
作者：阿斯顿·张（Aston Zhang） 李沐（Mu Li）[美] 扎卡里·C. 立顿（Zachary C. Lipton）[德] 亚历山大·J. 斯莫拉（Alexander J. 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。
２、深度学习
作者：【美】Ian Goodfellow（伊恩·古德费洛）, 【加】Yoshua Bengio（约书亚·本吉奥）, 【加】Aaron Courville（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。
３、人工智能（第2版）
[美] 史蒂芬·卢奇（Stephen Lucci），丹尼·科佩克（Danny Kopec） 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。
４、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。
５、PyTorch深度学习
作者：[印度]毗湿奴•布拉马尼亚(Vishnu Subramanian)
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。
６、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
《机器学习精讲》包含了监督和非监督学习、支持向量机、神经网络、集成算法、梯度下降、聚类分类、降维、自编码器、迁移学习、特征工程以及超参数调试等方面的知识。书中既有数学公式，又有图解说明，一应俱全。
本书具有以下特色:
● 精简并直入主题——篇幅短小，读者可以快速读完并掌握机器学习技术的精髓。书中内容是作者和其他从业者多年研究的成果。
● 配套网页——本书配有持续更新的网页，对书中内容进行补充，包括问答、代码、推荐阅读材料、工具以及其他相关内容。扫描书中二维码即可查看。
● 全彩印刷——色彩丰富，阅读轻松。
● 代码基于Python语言。
７、贝叶斯方法 概率编程与贝叶斯推断
[加] Cameron Davidson-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、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
本书介绍了人工智能的基础算法，全书共10 章，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。书中所有算法均配以具体的数值计算来进行讲解，读者可以自行尝试。每章都配有程序示例，GitHub 上有多种语言版本的示例代码可供下载。本书适合作为人工智能入门读者以及对人工智能算法感兴趣的读者阅读参考。
９、Python自然语言处理
《Python自然语言处理》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。《Python自然语言处理》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。第1章到第3章介绍了语言处理的基础，讲述如何使用小的Python程序分析感兴趣的文本信息。第4章讨论结构化程序设计，以巩固前面几章中介绍的编程要点。第5章到第7章介绍语言处理的基本原理，包括标注、分类和信息提取等。第8章到第10章介绍了句子解析、句法结构识别和句意表达方法。第11章介绍了如何有效管理语言数据。后记部分简要讨论了NLP领域的过去和未来。
《Python自然语言处理》的实践性很强，包括上百个实际可用的例子和分级练习。《Python自然语言处理》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。 1956 年达特茅斯会议正式提出人工智能（Artificial Intelligence，简称AI）的概念，此后人工智能的发展经历了三次高潮和两次低谷，直到现在， AI 技术已经在金融、医疗、安防等多个领域技术落地，应用场景也愈来愈丰富。题主想知道关于人工智能的介绍，以及最新的人工智能发展趋势的书籍，这可难不倒人邮君。
下面这份人工智能的经典书单，你值得拥有！
本书单分为“通识篇”、“机器学习篇”、“深度学习篇”、“深度学习框架篇”、“神经网络篇”、“自然语言处理篇”、“特征工程篇”以及“计算机视觉篇”，“通识篇”可以满足题主的要求！
通识篇
1.《人工智能简史》
「全方位解读人工智能」
获选第13届“文津图书奖”
获评“南方都市报2017年度十大好书”
尼克 著
本书全面讲述人工智能的发展史，涵盖人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等。
2.《信息简史》
「百万级销量科普畅销书作家詹姆斯•格雷克著作」
获选第9届“文津图书奖”
2011年度《纽约时报》畅销书
[美]詹姆斯·格雷克 著高博 译
百万级销量科普畅销书作家詹姆斯•格雷克七年磨一剑，带来一段人类与信息遭遇的波澜壮阔的历史，告诉我们如何在信息时代的信息爆炸中生存。该书荣获 2011 年度《纽约时报》畅销书、2011 年度《出版商周刊》年度最佳图书、2012 年度英国皇家学会科普图书奖、美国笔会爱德华·威尔逊科普文学奖、英国笔会赫塞尔-蒂尔特曼奖得主、2014 年第九届文津图书奖等。
3.《人工智能的冲击》
「人工智能技术、产业的通俗读本」
首本AI（微软小冰）作序的AI图书
[日]小林雅一 著支鹏浩 译
本书以 AI 技术对个人、社会的冲击为焦点，结合欧美日人工智能产业的调查研究，解读了 AI 时代的新秩序、新格局。作者行文结构清晰、考论得当，既有对技术要义原理的浅白讲解，如机器学习、深度学习；又有对就业、产业格局变革的研究和分析，如自动驾驶、智能机器人、医疗、养老、艺术等；还涉及技术时代下，人类存在价值、社会伦理伤痕的讨论；以及人工智能冲击背景下，对日本全产业衰退危机的深度思考。可作为了解人工智能技术的科普读物，也适用于人工智能产业相关人员作为背景知识、资料阅读参考。
4.《智能的本质》
「一本人人都可以看懂，并一起思考机器智能与自身生活关系的科普读物」
[美] Piero Scaruffi 著 任莉 张建宇 译
本书从人工智能的起源讲到人工智能的前景与问题，介绍了作者心目中当代人工智能的技术路线及其现有成果的利弊成败，充满了思辨与哲学判断。
5.《科技之巅》
「源自MIT的科技创新预言圣经」
麻省理工科技评论 著
《麻省理工科技评论》从2001年开始，每年都会公布“10大全球突破性技术”，即TR10（Technology Review 10），并预测其大规模商业化的潜力，以及对人类生活和社会的重大影响。《科技之巅3》梳理了2009 ~2018年的100项突破性技术，按照技术特点划分为人工智能、人机交互、硬件与算法、模式创新、云与数据、机器人、能源、材料、生物医疗、基因等领域，邀请国内外权威技术专家、投资人对一些领域技术的特点、产业应用现状、未来发展趋势及投资潜力进行点评，给出前瞻性的投资、科研指导意见与建议。
6.《人工智能（第2版）》
「国外著名高等院校信息科学与技术优秀教材」
http://pica.zhimg.com/v2-f8980a82d7e73f273c64007b1592529a_r.jpg?source=1940ef5c
[美]Stephen Lucci [美]Danny Kopec 著 林赐 译
本书系统、全面地涵盖了人工智能的相关知识，讲述了如何多样化探索人工智能领域，既简明扼要地介绍了这一学科的基础知识，也对自然语言处理、自动规划、神经网络等内容进行了拓展，更辅以实例，可以帮助读者扎扎实实打好基础。本书特色鲜明、内容易读易学，适合人工智能相关领域和对该领域感兴趣的读者阅读，也适合高校计算机专业的教师和学生参考。
7.《科学的极致——漫谈人工智能》
「以通俗的语言和生动的示例展现科学之美」
适合所有对人工智能感兴趣的科学爱好者阅读
集智俱乐部 著
由集智俱乐部成员共同创作而成，本书全面介绍了人工智能的历史及其在各个领域的发展及应用。不仅涵盖了人机交互、脑科学、计算心理学、系统科学、社会科学等各个学科的基础理论，而且广泛地讲述了人工智能在算法、软件、硬件等方面的应用以及跨学科应用。本书既有科学的严谨性，又不乏趣味性，有助于读者开阔视野，激发进一步探索科学的兴趣。
机器学习篇
1.《图解机器学习》
「最轻松的机器学习入门书」
[日]杉山将 著许永伟 译
本书用丰富的图示，从最小二乘法出发，对基于最小二乘法实现的各种机器学习算法进行了详细的介绍。第一部分介绍了机器学习领域的概况；第二部分和第三部分分别介绍了各种有监督的回归算法和分类算法；第四部分介绍了各种无监督学习算法；第五部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的 MATLAB 程序源代码，可以用来进行简单的测试。
2.《机器学习实战》
「最畅销机器学习图书」
介绍并实现机器学习的主流算法
[美]Peter Harrington 著李锐 李鹏 曲亚东 王斌 译
全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用 Python 代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。
3.《Python机器学习基础教程》
「Python机器学习入门书」
[德]Andreas C. Müller [美]Sarah Guido 著张亮 译
本书是以 Python 语言介绍的机器学习入门书。主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。
深度学习篇
1.《深度学习入门》
「日本深度学习入门经典畅销书」
豆瓣评分 9.4
[日]斋藤康毅 著陆宇杰 译
深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用 Python 3，尽量不依赖外部库或工具，从基本的数学知识出发，从零创建一个经典的深度学习网络，来逐步理解深度学习。相比 AI 圣经“花书”，本书更合适入门。
2.《深度学习》
「AI圣经」“花书”本书
深度学习领域奠基性的经典畅销书
http://pica.zhimg.com/v2-fb79f66daffa7be259819df30f6e1c16_r.jpg?source=1940ef5c
[美]Ian Goodfellow [加]Yoshua Bengio [加]Aaron Courville 著赵申剑 黎彧君 李凯 符天凡 译
本书由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。
3.《动手学深度学习》
「深度学习领域重磅教程图书」
豆瓣9.3分
Aston Zhang Mu Li [美]Zachary C. Lipton [德]Alexander J. Smola 著
本书是一本同时覆盖方法和实践的深度学习书籍。本书不仅从数学的角度阐述深度学习的技术与应用，还使用 Apache MXNet 及其最新的Gluon 接口演示如何用代码实现它们。除了视频课程和讨论区，书中还利用 Jupyter notebook 能将文字、代码、公式和图像统一起来的优势，提供一个交互式的学习体验。
4.《详解深度学习》
「从零开始详细解说神经网络和深度学习」
[日]巢笼悠辅 著郑明智 译
本书着眼于处理时间序列数据的深度学习算法，通过基于 Python 语言的库 TensorFlow 和 Keras 来学习神经网络、深度学习的理论和实现。全书共六章，前两章讲解了学习神经网络所需的数学知识和 Python 基础知识；中间两章讲解了神经网络的基本算法以及深度学习的基础知识和应用；最后两章详细介绍了专门用于处理时间序列数据的循环神经网络（RNN）。
5.《Python深度学习》
「Keras框架速成的不二之选」
豆瓣评分 9.5
Keras之父著作
[美]弗朗索瓦·肖莱 著张亮 译
本书详尽介绍了用 Python 和 Keras 进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用，示例步骤讲解详细透彻。
深度学习框架篇
1.《PyTorch深度学习入门》
「从零到一，真正实现PyTorch深度学习入门」
曾芃壹 著
本书用浅显易懂的语言，图文并貌地讲解了深度学习的基础知识，从如何挑选硬件到神经网络的初步搭建，再到实现图片识别、文本翻译、强化学习、生成对抗网络等多个目前最流行的深度学习应用。书中基于目前流行的PyTorch框架，运用Python语言实现了各种深度学习的应用程序，让理论和实践紧密结合。
2.《深度学习原理与Pytorch实战》
「实现PyTorch自由，任性玩转」
http://pica.zhimg.com/v2-8687c0b9dc43d3d1c73e3a029e7a1b52_r.jpg?source=1940ef5c
集智俱乐部 著
本书是一本系统介绍深度学习及开源框架 PyTorch 的入门书。全书注重实战，每章围绕一个有意思的实战案例展开，不仅循序渐进地讲解了 PyTorch 的基本使用、神经网络的搭建、卷积神经网络和循环神经网络的实现，而且全面深入地介绍了计算机视觉、自然语言处理、迁移学习，以及最新的对抗学习和深度强化学习等前沿技术。读者通过阅读本书，可以轻松入门深度学习，学会构造一个图像识别器，生成逼真的图画，让机器理解单词与文本，让机器作曲，教会机器玩游戏，还可以实现一个简单的机器翻译系统。
3.《深入理解Tensorflow》
「TensorFlow进阶第一书」
彭靖田，林健，白小龙 著
书中首先介绍了 TensorFlow 设计目标、基本架构、环境准备和基础概念，接着重点介绍了以数据流图为核心的机器学习编程框架的设计原则与核心实现，紧接着还将 TensorFlow 与深度学习相结合，从理论基础和程序实现这两个方面系统介绍了CNN、GAN 和 RNN 等经典模型，然后深入剖析了TensorFlow 运行时核心、通信原理和数据流图计算的原理与实现，最后全面介绍了 TensorFlow 生态系统的发展。
神经网络篇
1.《深度学习的数学》
「一本书掌握深度学习数学基础知识」
[日]涌井良幸 [日]涌井贞美 著杨瑞龙 译
书中基于丰富的图示和具体示例，通俗地介绍了深度学习相关的数学基础知识。第 1 章介绍神经网络的概况；第 2 章介绍理解神经网络所需的数学基础知识；第 3 章介绍神经网络的最优化；第 4 章介绍神经网络和误差反向传播法；第 5 章介绍深度学习和卷积神经网络。
2.《深入理解神经网络》
「打开黑盒，深入理解神经网络原理」
张觉非 著
本书以神经网络为线索，沿着从线性模型到深度学习的路线讲解神经网络的原理和实现。本书将数学基础知识与机器学习和神经网络紧密结合，包含线性模型的结构与局限、损失函数、基于一阶和二阶信息的优化算法、模型自由度与正则化、神经网络的表达能力、反向传播与计算图自动求导、卷积神经网络等主题，帮助读者建立基于数学原理的较深刻的洞见和认知。
3.《Python神经网络编程》
「基于Python3.5对神经网络深度解读」
美亚五星畅销书
[英]塔里克·拉希德 著，林赐 译
本书详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言构建神经网络，以能够识别人类手写的字母，特别是让其像专家所开发的网络那样地工作。第3部分是扩展，介绍如何将神经网络的性能提升到工业应用的层级，甚到让其在Raspberry Pi上工作。
自然语言处理篇
1.《自然语言处理入门》
「Java与Python双实现，助你零起点上手自然语言处理」
豆瓣评分 8.9
http://pica.zhimg.com/v2-a115eb7a938a2130b89b8e21004bb520_r.jpg?source=1940ef5c
何晗 著
本书作者是自然语言处理类库 HanLP 作者何晗。截至 2019 年 10 月初，该项目在 GitHub 上 Star 数已达 15 K，超过了宾夕法尼亚大学的 NLTK、斯坦福大学的 CoreNLP、哈尔滨工业大学的 LTP。作者汇集多年经验，从基本概念出发，逐步介绍中文分词、词性标注、命名实体识别、信息抽取、文本聚类、文本分类、句法分析这几个热门问题的算法原理与工程实现。书中通过对多种算法的讲解，比较了它们的优缺点和适用场景，同时详细演示生产级成熟代码，助你真正将自然语言处理应用在生产环境中。
2.《数学之美（第二版）》
「央视新闻推荐的学科敲门砖」
获选第八届文津图书奖
吴军 著
《数学之美》上市后深受广大读者欢迎，读者说，「读了《数学之美》，才发现大学时学的数学知识，比如马尔科夫链、矩阵计算，甚至余弦函数原来都如此亲切，并且栩栩如生，才发现自然语言和信息处理这么有趣」。作者在第二版中增加了针对大数据和机器学习的内容，以便满足人们对当下技术的学习需求。
特征工程篇
1.《特征工程入门与实践》
「从零开始，全面了解特征工程」
[土]锡南·厄兹代米尔 [土]迪夫娅·苏萨拉 著庄嘉盛 译
本书囊括了特征工程的全流程，从数据检查到可视化，再到转换和进一步处理等，并给出了大量数学工具，帮助读者掌握如何将数据处理、转换成适当的形式，以便送入计算机和机器学习流水线中进行处理。后半部分的特征工程实践用 Python 作为示例语言，循序渐进，通俗易懂。
2.《精通特征工程》
「Python示例，增强机器学习算法效果」
[美]爱丽丝·郑 [美]阿曼达·卡萨丽 著陈光欣 译
本书介绍大量特征工程技术，阐明特征工程的基本原则。主要内容包括：机器学习流程中的基本概念，数值型数据的基础特征工程，自然文本的特征工程，词频-逆文档频率，高效的分类变量编码技术，主成分分析，模型堆叠，图像处理等等。
计算机视觉篇
1.《OpenCV计算机视觉编程攻略（第3版）》
「从基础开始全面讲解计算机视觉编程」
[美]Robert Laganiere 著相银初 译
本书系统介绍 OpenCV 3，带领读者由浅入深地了解如何开发计算机视觉程序。作者从构建可以读取并显示图像的简单应用开始，解释和探讨了图形和图像识别的具体方法，对机器学习和目标识别等当前流行的主题也有介绍。 第 3 版针对 OpenCV 最新版本进行了修改，调整了很多函数和算法说明，还增加了立体图像深度检测、运动目标跟踪、人脸识别、人脸定位、行人检测等内容。
2.《计算机视觉之深度学习》
（即将出版）
「快速入门计算机视觉应用开发」
http://pica.zhimg.com/v2-6474abaf68801647308f85871dffd1df_r.jpg?source=1940ef5c
[英]拉贾林加帕•尚穆加马尼 著白勇 译
本书开门见山，使用流行 Python 库（例如 TensorFlow 和 Keras）探索计算机视觉应用程序，从而掌握各种深度学习算法及其实现。书中介绍了常见的深度学习架构，如卷积神经网络和递归神经网络；讲述了如何利用深度学习进行图像分类、图像检索、目标检测、语义分割等内容。读完本书，你将能够开发和训练自己的深度学习模型，并用它们解决计算机视觉难题。
========
如果你觉得这个书单还不错，欢迎点赞、收藏、关注@人民邮电出版社三连哦！ 对于人工智能能做什么、应该做什么以及如何造福人类生活，我们都会有所困惑。防疫时期，大量时间宅在家里，又是思考与充电的好时机。推荐几本关于人工智能的书，或许能在假期里活跃一下自己的辩证思维，免于“宅家怠慢之罪”。
思想类
1. HowtoCreateaMind: TheSecretofHumanThought — RayKurzweil
《如何创造思维——人类思想所揭示出的奥秘》——雷・库兹韦尔
图片来源：亚马逊
这可是这个假期阅读的首选读本。这是一本今年广受讨论的科学书籍，书中讨论了大脑如何运作、思维如何产生及智力的力量。研究道德和情商，带读者了解“逆向研究大脑——精确了解工作原理——利用该知识创造出更智能的机器”的过程。
2. TheSocietyofMind — MarvinMinsky
《心智社会》——马文·明斯基
http://pica.zhimg.com/50/v2-672504b172d327cc633bde9e4ea03fda_720w.jpg?source=1940ef5c
图片来源：亚马逊
马文·明斯基（MarvinMinsky）是计算机科学之父之一，也是麻省理工学院人工智能实验室的联合创始人。这本书把心灵描绘成由不同微小部分组成的“社会”，提出了统一的思想理论。在人工智能时代探索智力和思维方面，这本书是最好的指南。
3. TheSentientMachine — AmirHusain
《感知机器》——阿米尔·侯赛因
图片来源：亚马逊
阿米尔·侯赛因（AmirHusain）是一位杰出的发明家和计算机科学家，在此书中，他质疑了社会规范和“美好生活”的假设。他认为，人工智能时代是知识多样性的曙光，并讨论了我们如何接受它。
4. TheSingularityisNear — RayKurzweil
《奇点迫近》——雷・库兹韦尔
图片来源：亚马逊
雷·库兹韦尔（RayKurzweil）是一位杰出的发明家、思想家和未来学家，被《华尔街日报》称为“不安的天才”。许多人工智能领域的技术专家都曾读过这本书以及他的另一本著作——《精神机器的时代》（The Age of Spiritual Machines）。他正在研究一个我们都“害怕”的话题：奇点，并且着眼于人机结合。
“雷·库兹韦尔是我见过最擅长预测人工智能未来的人。他那本引人入胜的新书设想了一个快速发展的未来，信息技术发展到已能使人类能够超越其生物局限性，以无法想象的方式改变我们的生活。”——比尔·盖茨
5. HumanCompatible—ArtificialIntelligenceandtheProblemofControl — StuartRussell
《人类相容性——人工智能与控制问题》——斯图尔特·罗素
图片来源：亚马逊
这本书具有开创性，由人工智能研究员斯图尔特·罗素（StuartRussell）解释了滥用人工智能的现象和人工智能近几年来带来的好处。“为人类实现目标和发挥人性来制作机器”，他认为，这是重建人工智能的新基础。这是一本以真理为基石的书，是一本乐观、富有同情心的书，是人类在人工智能时代最伟大的征程。
6. HeartificialEmpathy: PuttingHeartintoBusinessandArtificialIntelligence — MinterDial
《心灵移情：用心做生意和人工智能》——明特·戴尔
http://pica.zhimg.com/50/v2-fd6ba6e8a1b16abb38a1c3318070460b_720w.jpg?source=1940ef5c
图片来源：亚马逊
明特·戴尔（MinterDial）巧妙地检验了移情在人工智能中的作用。他认为移情是一种罕见的产物和技能，有可能改变现代工作场所。本书带读者考察心灵移情及其在现代职场中的地位，进行了一次发人深省的探索，利用“同理心”使企业更为健康、更有道德、增加收益。
7. TheEmotionMachine — MarvinMinsky
《情感机器》——马文·明斯基
http://pica.zhimg.com/50/v2-04ec8b65f53853dc393ecd4164f79039_720w.jpg?source=1940ef5c
图片来源：亚马逊
马文·明斯基（MarvinMinsky）提出了一个让大脑真正运作的有趣新模式。他认为机器和人类一样有意识并能帮助人类思考。他认为情感是一种不同的思维方式，本书可以说是《心灵社会》的续集。
行业类
8. ArchitectsofIntelligence: TheTruthAboutAIfromthePeopleBuildingit — MartinFord, MikeChamberlain, GildanMedia
《智能建筑师：人工智能的真谛》——马丁·福特，迈克·张伯伦，吉尔丹传媒
图片来源：亚马逊
这本书汇集了许多人工智能领导者的意见，揭示了人工智能时代一些最有趣问题背后的真相。读者可以看到人工智能各个领域的先驱对AI分析、AI编程、AI营销、AI业务、机器人等的看法。
9. DeepMedicine — HowArtificialIntelligenceCanMakeHealthcareHumanAgain — EricTopol
《深度医学——人工智能如何为医疗带来人性》
图片来源：亚马逊
这是一本堪称伟大的书，它记录了人工智能可以对医疗行业作出的改变，这将使医学再次人性化。这是今年的一本重要的书，因为商业领袖开始“AI主导”工作。它引导商业领袖思考人工智能在在医疗行业或其他行业的应用，这使人类更“人性化”。
“是对计算机在医学中的作用的敏锐观察……一个更人道且人性化的医学的有力论据，由技术辅助而不是由技术驱动。”——柯克斯
10. TheBookofWhy — TheNewScienceofCauseandEffect — JudeaPearl, DanaMackenzie
《为什么：关于因果关系的科学》——朱迪亚·珀尔，达娜·麦肯齐
图片来源：亚马逊
本书面向思想家和开放的商业领袖。它审视了过去“相关性非因果关系”的论断，并鼓励读者超越“关系”的范畴看事物；激励读者探索、勇于创新。本书阐述了关于人工智能未来因果关系的讨论和论述。
11. AppliedArtificialIntelligence — MaryaYao, AdelynZhou, MarleneJia
《应用人工智能》——Mariya Yao，AdelynZhou，MarleneJia
图片来源：亚马逊
本书被选为CES2018年度最佳技术书籍，是一本实用的商业领袖指南。它解释了如何结合数据、技术和设计来解决现实问题，涉及组织问题、实验和设计解决方案。对于任何希望将人工智能集成到组织中的商业领袖来说，这是一本必读读物。
12. RebootingAI: BuildingArtificialIntelligenceWeCanTrust — GaryMarcus, ErnestDavis
《重启AI:构建我们可以信任的人工智能》——加里·马库斯，欧内斯特·戴维斯
http://pica.zhimg.com/50/v2-9716a863f085d7027b2ca5dfb94fce30_720w.jpg?source=1940ef5c
图片来源：亚马逊
这本书对人工智能的发展做了垂直记录。对于CEO和商业领袖来说，这本书讲述了人工智能专家的想法。它阐述了现实问题：人工智能能做什么、不能做什么以及如何走这条漫长的道路。
“总的来讲，这本书收录了许多人工智能专家的想法。每个首席执行官都应该读，公司里的其他人也应该读。他们就可以把艾麦子和糠秕分开，知道我们在哪里，我们要走多远，怎么到那里去。”——佩德罗·多明戈斯（PedroDomingos），华盛顿大学计算机科学教授，《终极算法》作者
绘本类
13. ArtificialIntelligence: AModernApproach — StuartRussell, PeterNorvig
《人工智能：一种现代的方法》——斯图尔特·罗素，彼得·诺维格
http://pica.zhimg.com/50/v2-25d94472e88c12058926ef5e001c4a6f_720w.jpg?source=1940ef5c
图片来源：亚马逊
此书乃人工智能的“圣经”，介绍了人工智能的方方面面，人工智能领域的工作者都应阅读此书。此书对人工智能的细节做了详尽解释，且许多章节在许多大学的人工智能课程中被选作课文。对于技术专家和商业领袖来说，在每一章中都会有新发现。
14.Superintelligence: Paths, Dangers, Strategies — NickBostrom
《超级智能：路线图、危险性与我们的策略》——尼克·博斯特罗姆
图片来源：亚马逊
尼克·博斯特罗姆（NickBostrom）出生于瑞典，这位哲学家和博学家利用自己在计算神经科学和人工智能方面的背景，对人工智能的未来进行了前所未有的分析，本书涉及人工智能的未知前景及航向。比尔·盖茨和埃隆·马斯克都曾推荐过此书。
15. Life3.0 — MaxTegmark
《生命3.0》——马克斯·泰马克
图片来源：亚马逊
这是一本能够赋予读者力量的书，它是通往AI时代的灵感之路。此书讨论了一些有争议的问题，并引导读者了解许多更大的问题，如超智能、意义、意识、物理限制等。此外，还讨论了社会问题和自动化问题。
查看我的更多相关回答：
溪亭日暮：汇编 | 我的AI 技术回答 新春之际，全民抗疫，深居简出。
而居家正是读书的好时机，那些“码”了很久却未曾启封的好书，是时候翻开第一页啦。
微软亚洲研究院为你整理了多个领域的 宝 藏 书 单！
包括机器学习、计算机视觉、计算机图形学、自然语言处理、语音、数据挖掘、智能问答、机器翻译、软件开发、AI 伦理、商业创新……这些书单里既有最经典的专业书籍，也有一些适合轻快阅读的大众读物。
宅在家不能出门的日子里，一起来看书充电吧。
[*]机器学习篇：成为机器学习大神，你不能不懂数学
机器学习是 AI 时代重要的算法内核，而数学是理解和改进机器学习算法的必经之路。如何循序渐进自学机器学习？需要哪些数理基础？这份书单梳理了机器学习的关键模块和与之联系的数学理论分支， 从机器学习综述、算法优化、理论延展、数学基础四大方面入手，为大家提供一份全面的机器学习与数学指南。
[*]计算机视觉篇：从综合书目，到机器学习与几何
计算机视觉致力于让计算机像人类一样“看到”和理解图像，无疑是近年来的大热门方向。这份书单为大家推荐了计算机视觉领域的10本经典书目，并还贴心地划分了综合篇、几何篇、机器学习篇和经典读物四大分类，一定能成为你的计算机视觉修炼秘籍。
[*]计算机图形学篇：10本领域必读
图形学主要研究如何使用数学算法在计算机中有效地表达、生成、处理以及显示相关图像和图形，极大地促进了计算机辅助设计、虚拟现实、游戏、动画、影视特效等行业的发展。这份全面的书单，将带你走进图形学基础原理、渲染基础与算法、计算几何与几何处理、表观建模、高动态范围图像等方方面面。
[*]自然语言处理篇：NLP，从入门到进阶
自然语言处理（NLP）作为人工智能研究的核心领域之一，长久以来都受到广泛关注。怎样从入门到进阶，成为 NLP 大神？这份书单为你准备好了答案，分别为入门级玩家和进阶级选手推荐了一些自然语言学习方面经典的书籍和课程。
[*]语音研究篇：语音研究进阶指南
语音领域的探索和研究已经持续了长达150多年，在这份语音领域的经典书目中，涵盖了语音研究中的信号处理、语音和语言处理、深度学习研究等多个方面，里面包含了大量语音技术的基础知识。在大家关心深度学习算法和模型的同时，积累基础知识、概念、方法和思想对深入了解该领域是非常有意义的。
[*]数据挖掘与推荐系统篇：你不应该错过的6本书
这份书单为大家推荐了6本数据挖掘领域的经典书籍，其中涵盖了数据挖掘的概念、算法等基础知识，也包含了数据挖掘在推荐系统、情感分析等等不同子领域中的具体应用。
[*]邹欣的书架：从程序到创新
微软亚洲研究院首席研发经理邹欣在工作之余撰写的《编程之美》、《构建之法》，在程序员界颇具名气。邹欣爱写书也爱读书，他认为优秀的书已经出现好多年了，只不过我们没好好读。他的日常读物中包含了许多 IT 行业有趣的书，从程序设计经典书籍，到软件开发中应该考虑的人的元素，从编程大师的人生经验，到商业创新和管理故事，这份宝藏书单你一定会喜欢。
[*]微软总裁布拉德·史密斯新书《工具，还是武器？》：直面人类科技紧迫的争议性问题
在大科技时代，我们如何管理越来越强大的科技，避免科技作恶？这是我们每个人都应思考的问题。微软总裁布拉德·史密斯的新书《工具，还是武器？》，由比尔·盖茨和沈向洋倾情推荐，将在世界风云激荡中为我们指出可行的路径与方向。如果你是科技行业从业者，你需要知道如何给自己的产品加一条“安全带”；如果你是政策的制定者与管理者，你需要知道如何正确管理与监管科技行业；即便你是一个普通的技术使用者，你也需要知道这个世界正在发生什么。本书中文版已经全新上市。
[*]《智能问答》和《机器翻译》：微软亚洲研究院自然语言计算组力作
自然语言理解是人工智能皇冠上的明珠。在大数据、深度学习和云计算推动下，自然语言理解的各个领域都取得了新的进展，也孕育着无穷的机会。《智能问答》和《机器翻译》是微软亚洲研究院自然语言计算组在2019年出版的力作，两本书分别对智能问答和机器翻译这两个具有广泛应用场景的研究领域进行了系统性的介绍。
[*]《分布式机器学习：算法、理论与实践》：理论、方法与实践的全面汇总
人工智能和大数据时代，分布式机器学习解决了大量最具挑战性的问题。为了帮助你更加深入地了解分布式机器学习领域的基本框架、典型算法、理论和系统，打下扎实基础，微软亚洲研究院机器学习核心团队撰写的《分布式机器学习：算法、理论与实践》，全面介绍了分布式机器学习的现状，深入分析其中的核心技术问题，并且讨论该领域未来的发展方向。
[*]比尔·盖茨书单：适合在今年冬季阅读的五本书
每年年末，比尔·盖茨都会从自己的阅读清单中挑选出几本最值得推荐的书与大家分享。2019年冬天他推荐了爱情悲剧《美国式婚姻》、美国史力作《这些真相》，盖茨最爱作家之一斯米尔的新书《增长》，以及聚焦高中孩子教育的《准备好》、解读睡眠的《为什么要睡觉》，这5本来自不同领域的好书，将助你拓宽知识、打破局限。
<hr/>本账号为微软亚洲研究院的官方知乎账号。本账号立足于计算机领域，特别是人工智能相关的前沿研究，旨在为人工智能的相关研究提供范例，从专业的角度促进公众对人工智能的理解，并为研究人员提供讨论和参与的开放平台，从而共建计算机领域的未来。
微软亚洲研究院的每一位专家都是我们的智囊团，你在这个账号可以阅读到来自计算机科学领域各个不同方向的专家们的见解。请大家不要吝惜手里的“邀请”，让我们在分享中共同进步。
也欢迎大家关注我们的微博和微信 (ID:MSRAsia) 账号，了解更多我们的研究。
页:
[1]