2019年新春书单：最值得读的10本人工智能书籍

为什么大家都在学人工智能？因为：“机会是留给有准备的人，但成功是留给已经行动的人。”总是被别人的高薪所吸引，却缺乏行动力的你，桌上永远还缺乏一本行动的入门书籍。

小编整理了2019年人工智能领域的全新书单，一起来看看是否有你喜爱的图书呢？

1

《Python神经网络编程》

[英] 塔里克·拉希德（Tariq Rashid）著

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。

本书为美亚五星畅销书，备受关注。基于Python3.5，全彩印刷，如果只选一本神经网络图书，他是首选。

2

《OpenCV和Visual Studio图像识别应用开发》

望熙荣，望熙贵 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。

3

《Python 深度学习》

[英] 尼格尔·刘易斯（N.D. Lewis） 著

本书是使用Python 进行深度学习实践的一本初学指南。本书并未罗列大量的公式，而是通过一些实用的实际案例，以简单直白的方式介绍深度神经网络的两项任务——分类和回归，解析深度学习模型中的一些核心问题，以期让读者对深度学习的全貌有一个清晰的认识。

4

《生命3.0》

[美]迈克斯·泰格马克 著

短短几年间，人工智能已从影视作品走入寻常商业与生活中，随之而来的是人们对这项技术本身的反思和预想。

迈克斯·泰格马克这本书可以说是目前为止，关于人工智能的希望与隐忧、可能与不可能、该做什么与怎么做写得最严谨、清晰、扎实的一本书。身为物理学家，作者在书中不仅就人工智能发展前景做了精彩的推演，而且基于推演提出了极具建设性、可行性、说服力的行动步骤，让所有关于人工智能的争论有了更为聚焦的讨论议题，也有了清晰的路线图。作者本人也在积极推行他在书中提出的路线图，进展如何值得关注。如果你关心人工智能的发展前景，这本书值得认真阅读与思考。

5

《人工智能（第2版）》

[美] 史蒂芬·卢奇（Stephen Lucci） 著

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》之后最好的教材，更加适合本科生使用。被誉为人工智能领域百科全书。

本书基于人工智能的理论基础， 向读者展示全面、新颖、丰富多彩且易于理解的人工智能知识体系。本书给出诸多的示例、应用程序、全彩图片和人物轶事，以激发读者的阅读和学习兴趣；还引入了机器人和机器学习的相关高级课程，包括神经网络、遗传算法、自然语言处理、规划和复杂的棋盘博弈等。

6

《深度学习：智能时代的核心驱动力量》

[美]特伦斯谢诺夫斯基 著

人工智能的应用与落地场景越来越广泛，语音识别、AI医疗、自动驾驶、智能翻译等领域不断有产品相继落地，而这背后都是深度学习在发挥神奇的作用。深度学习是人工智能从概念到繁荣得以实现的主流技术。经过深度学习训练的计算机，不再被动按照指令运转，而是像自然进化的生命那样，开始自主地从经验中学习。

本书作者是人工智能、深度学习领域的大咖，亲历了深度学习从沉寂到突破的发展周期。作为深度学习领域的通识作品，本书通过3个部分全景展现了深度学习的发展、演变与应用，回溯了深度学习在过去60年间的发展脉络与人工智能的螺旋上升，并前瞻性地预测了智能时代的商业图景。

7

《精通数据科学：从线性回归到深度学习》

唐亘 著

数据科学入门到实战，介绍数据科学常用的工具——Python、数学基础及模型，讨论数据科学的前沿领域——大数据和人工智能，包括机器学习领域经典的模型、分布式机器学习、神经网络和深度学习等。

8

《TensorFlow机器学习项目实战》

[阿根廷]Rodolfo Bonnin 著

TensorFlow是Google所主导的机器学习框架，也是机器学习领域研究和应用的热门对象。

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。

9

《Keras深度学习实战》

[意大利]安东尼奥·古利(Antonio Gulli) [印度]苏伊特·帕尔(Sujit Pal）著

本书用当前流行的Keras框架实现了大量深度学习算法，构建了众多深度学习模型，并且介绍了深度学习在游戏等实际场合中的应用，特别是本书还介绍了当前火热的生成对抗网络（GAN）的应用。全书通俗易懂，强调实际案例，适合广大的机器学习从业者和爱好者入门与实践。

10

《今日简史》

[以色列]尤瓦尔·赫拉利 著

这是继《人类简史》、《未来简史》后的收官之作，作者在这本书中，把注意力从过去和未来，转移到当下——提出了影响人类命运的十大议题：当机器替代人类做了更多的工作，我们该给孩子什么样的教育以应对未来？当生物基因技术让我们得以克服疾病，生命延长，如何活得更有价值？当数据成为最重要的经济和社会资源，如何保证全社会的公平与正义？

这本书提出的问题非常具有现实意义，在我们困惑如何与飞速发展的新技术相处以及自处时，它对国家、企业和个人都有重要的参考价值。

这个春节，快捧一本好书读起来吧！