问有哪些关于机器学习和人工智能的好书，如克鲁格曼、威尔斯和格拉迪的“经济学要点”

EN

我脑海中浮现的两本书是：

1. 人工智能:一种现代方法
2. 深度学习书

它们都是从基础开始的，并在继续前进的过程中不断升级。

同样感谢你的推荐，我会看一看，因为我想在我的职业生涯中的某个时候跳到金融界：)

你想在人工智能和机器学习中学到什么？人工智能涵盖了许多实际应用，所以你的问题在这里可能有点模糊。我建议你学习机器本身，因为它是人工智能的一部分。

简单地说，机器学习的目标是双重的:推理和预测。推断:这里的目标是理解输入变量和输出变量之间的关系。如果我改变输入的值，输出值是如何变化的？预测:在这里，我们对数据的变化不太感兴趣，而只是想知道输出变量的值。

因此，一般来说，您应该对统计感兴趣，更具体地说是关于预测和推断。仅此而已，但这并不能帮助你决定买哪本书。

下面是清单(这是一个很受欢迎的)

图书

主算法

如果你想以轻松有趣的方式学习机器学习算法，如果下一本书让你头疼的话，那就好。当然值得一读。

统计学习及其在R中的应用

这本书是清单上最平易近人的一本。理解某些公式需要对数学有一定的理解，但在你深入数学之前，这篇课文仍然是用一种使概念清晰的方式写出来的。确保你和R一起做练习，这是一个很好的学习技巧，它将使理论更加具体。

这本书和下一本书在网上是免费的，但是如果你想要的话，你还可以在亚马逊上购买纸质版本。我把免费版链接给你了。

统计学习的要素

这辆车从ISLR停下来的地方捡起。它更重的数学和探索新的概念。你会发现与第一本书有些重叠，这将有助于巩固你在第一本书中学到的概念。

这三本书已经让你轻松地进入了这个领域。然而，如果你决定更加认真地学习，下面的书肯定会出现在你的阅读清单上：

模式识别与机器学习

深度学习

强化学习

我能给你的最好的建议就是把这些书从封面读到封面。不要一下子读得太多，休息一下，试着向自己解释你读到的东西。它通常在纸上是有意义的，但当你大声说出来的时候就不那么有意义了。不要把公式看作是可以跳过的东西。相反，要像乐高积木一样看待它们。每个符号都有一个在每本书开头的索引中定义的含义。试着解释公式中的每个符号，然后解释这些符号是如何相互作用的。一旦你理解了公式，试着思考当某些符号改变值时会发生什么。这样你就能很好地掌握公式了。在人工智能和ML领域有很多行话，它可能会变得势不可挡。通过真正理解某些算法是如何工作的，你将不再被花哨的名字所愚弄，而开始意识到有很多重复。

好好享受吧！

人工智能和机器学习是一个很大的领域。如果您想要最广泛的非平凡的介绍，您应该查看：

机器学习的概率视角。

它涵盖了从经典统计方法到图形模型和深入学习的所有内容。如果你对人工智能比机器学习更感兴趣，我认为你会喜欢学习强化学习。可能是由于最近对这一领域重新产生兴趣，第二版

强化学习:导论

刚出来。最初的版本非常好，这个新版本包含了一个非常有趣的关于应用程序的章节，包括AlphaGo和沃森( Jeopardy的名声)。

如果你真的不确定你想学什么，datasciencetexts.com包含一些相关的和先决条件的主题的简要描述，以及你可能感兴趣的推荐书籍。(披露:我帮助建造了它。)

阅读快乐！