AI从业者必读书单

西瓜书《机器学习》

• 作者：周志华教授，ACM杰出科学家，IEEE Fellow，IAPR Fellow
• 介绍：中文版本的机器学习入门教材；
• 优点：深入浅出的对机器学习各种算法进行介绍；
• 难度：★★★
• 推荐指数：★★★★
• https://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/MLbook2016.htm
• https://book.douban.com/subject/26708119/

《Machine Learning Yearning》

• 作者：吴恩达，斯坦福教授，深度学习专家；
• 介绍：机器学习的实践指南；
• 优点：对机器学习的应用和迭代具有很强执导意义；
• 难度：★
• 推荐指数：★★★★★
• https://github.com/deeplearning-ai/machine-learning-yearning-cn
• https://deeplearning-ai.github.io/machine-learning-yearning-cn/docs/home/

《动手学深度学习》

• 作者：阿斯顿·张，李沐，扎卡里 C. 立顿和亚历山大 J. 斯莫拉
• 介绍：基于MXNET框架的深度学习实战教材；
• 优点：代码、课程和讲义完全开源，适合入门；
• 难度：★★★
• 推荐指数：★★★★
• MXNet版：http://zh.gluon.ai/index.html
• PyTorch版：https://github.com/ShusenTang/Dive-into-DL-PyTorch

花书《深度学习》

• 作者：IanGoodfellow、YoshuaBengio和AaronCourville；
• 介绍：介绍了深度学习的起源、基础、分支和前言研究；
• 优点：内容分支比较全面，非常适合深入学习深度学习；
• 难度：★★★
• 推荐指数：★★★★★
• 英文原版：http://www.deeplearningbook.org/

《统计学习方法》

• 作者：李航
• 介绍：统计学习的监督学习和无监督学习方法；
• 优点：公式推导细致，原理介绍深入；
• 难度：★★★★
• 推荐指数：★★★★

《自然语言处理综论》

• 作者：Daniel Jurafsky和James H. Martin
• 介绍：涵盖了自然语言处理、计算语言学和语音识别知识；
• 难度：★★★★
• 推荐指数：★★★

《信息检索导论》

• 作者：Christopher Manning、Prabhakar Raghavan和Hinrich Schütze
• 介绍：从计算机科学的视角介绍了信息检索的方法、理论和评价指标各方面；
• 难度：★★★
• 推荐指数：★★★

《网络群体与市场》

• 作者：David Easley和Jon Kleinberg
• 介绍：复杂网络分析的入门教材，信息科学和社会科学交叉领域的优秀参考书；
• 难度：★★★
• 推荐指数：★★★★

《数字图像处理》

• 作者：RafaelC.Gonzalez和Richard E.Woods
• 介绍：数字图像处理的经典教材，详细介绍了图像处理的原理和应用；
• 难度：★★★
• 推荐指数：★★★★★

《解析深度学习：卷积神经网络原理与视觉实践》

• 作者：魏秀参
• 介绍：卷积神经网络的原理和应用，不错的CNN普及教材；
• 难度：★★
• 推荐指数：★★★★

《Foundations of Machine Learning》

• 作者：Mehryar Mohri、Afshin Rostamizadeh和Ameet Talwalkar
• 介绍：非常精简和经典的机器学习教材；
• 难度：★★★
• 推荐指数：★★★★

《The Elements of Statistical Learning》

• 作者：Trevor Hastie、Robert Tibshirani和Jerome Friedman
• 介绍：大名鼎鼎的ESL，最好的机器学习教材，难度大；
• 难度：★★★★★
• 推荐指数：★★★★

《Pattern Recognition and Machine Learning》

• 作者：Christopher Bishop
• 介绍：大名鼎鼎的PRML，从贝叶斯角度学习机器学习；
• 难度：★★★★★
• 推荐指数：★★★★

《Machine Learning：A Probabilistic Perspective》

• 作者：Kevin P·Murphy
• 介绍：大名鼎鼎的MLAPP，对机器学习各方面都有介绍，书籍有配套代码；
• 难度：★★★★★
• 推荐指数：★★★★

《Learning From Data》

• 作者：Yaser S. Abu-Mostafa、Malik Magdon-Ismail和Hsuan-Tien Lin
• 介绍：机器学习基石配套教材；
• 难度：★★★
• 推荐指数：★★★★

《Reinforcement Learning》

• 作者：Richard S. Sutton和Andrew G. Barto
• 介绍：强化学习入门教材；
• 难度：★★★★
• 推荐指数：★★★

《Information Theory, Inference and Learning Algorithms》

• 作者：David J. C. MacKay
• 介绍：信息论教材，内容非常全面；
• 难度：★★★★
• 推荐指数：★★★★

《百面机器学习》

• 作者：诸葛越和葫芦娃
• 介绍：Hulu公司总结的机器学习面试知识点；
• 难度：★★★
• 推荐指数：★★★★