人工智能学习书单推荐
人工智能需要学习的东西非常多，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……
那么学习人工智能有哪些经典的专业必读书籍呢？
本文从机器学习、计算机视觉与图形学、自然语言处理三大方面，整理了10本必读专业书。
大家可以根据这份书单完备个人的AI学习路线！也欢迎大家在文末补充哟~
一、机器学习篇
Neural networks and learning machines
中文译名：神经网络与机器学习
作者：Simon Haykin
适合人群：初级到中级学者
推荐指数：★★★★★
主要内容：本书共15章，是关于神经网络的非常全面的、最新的论述，内容包括Rosenblatt感知器、回归模型、多层感知器、核方法和径向基函数网络、支持向量机、正则化理论、信息论学习模型等。
推荐理由：这本书从神经网络讲起，循序渐进，从感知机、多层感知机、径向基函数感知机，过渡到核方法和SVM，然后讨论学习算法与信息论和统计的关联关系，最后介绍动态系统的学习及其与递归神经网络的关系。
Deep Learning
作者：lan Goodfellow, Yuoshua Bengio, Aaron Couville
适合人群：初级到中级学者
推荐指数：★★★★★
主要内容：本书是深度学习领域奠基性的经典教材，包含三部分：一，介绍基本的数学工具和机器学习的概念，作为深度学习的预备知识；二，系统深入地讲解现今已成熟的深度学习方法和技术；三，讨论具有前瞻性的方向和想法，它们是深度学习未来的研究重点。本书适合各个相关专业的学生，以及不具有机器学习或统计背景的软件工程师，来快速补充深度学习知识并将其投入实际应用。
推荐理由：这本书侧重深度学习在2006年再次兴起、获得更大成功之后的新进展，尤其介绍了深度学习在自然语言处理、语音识别、计算机视觉、在线推荐等中的应用，而且包含了表达学习这一研究视角。
统计学方法
作者：李航
适合人群：初级到高级学者
推荐指数：★★★★★
主要内容：采用“总 - 分 - 总”的结构，在梳理了统计学习的基本概念后，系统而全面地介绍了统计学习中的 10 种主要方法，最后对这些算法做了总结与比较。这本书以数学公式为主，介绍每种方法时都给出了详尽的数学推导，几乎不含任何废话，因而对读者的数学背景也提出了较高的要求。
推荐理由：如果把这本书作为参考书，那将是非常好的一本，一方面算是比较权威吧，另一方面是简洁，用公式、逻辑说话，不做太多通俗的解释，比起PRML等书就简洁了很多，有着独特的魅力和市场需求。
机器学习
作者：周志华
适合人群：初级到中级学者
推荐指数：★★★★★
主要内容：《机器学习》覆盖的范围更广，具有更强的导论性质，有助于了解机器学习的全景。书中涵盖了机器学习中几乎所有算法类别的基本思想、适用范围、优缺点与主要实现方式，并穿插了大量通俗易懂的实例。
推荐理由：这本书出发点就是“启蒙”，非常朴实。倒不存在和另一些书去争高下，各有特长。机器学习和很多相关领域一样，不是公式堆砌，也不是故作高深，相反，用大白话讲到尽可能多的人懂，就是好的。可以看到，很多方法除开优雅的推演，直觉上也是合理且美的。重要的是把握一个方法的思考脉络。
Machine Learning
中文译名：机器学习
作者：Tom Mitchell
适合人群：初级到中级学者
推荐指数：★★★★★
主要内容：《机器学习》展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。《机器学习》综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题的背景、算法和其中的隐含假定。《机器学习》可作为计算机专业 本科生、研究生教材，也可作为相关领域研究人员、教师的参考书。
推荐理由：作者Mitchell以生动的语言阐述了机器学习的历史与算法，并提供了各算法的出处与延伸，写的深入浅出，堪称完美。
二、计算机视觉与图形学篇
计算机视觉： 计算理论与算法基础
作者：马颂德,张正友
适合人群：初级到中级
推荐指数：★★★★★
主要内容：计算机视觉从信息处理的层次研究视觉信息的认知过程，以及视觉信息处理的计算理论、表达与计算方法。本书系统地介绍了计算机视觉的重要理论与算法，包括图像特征提取、摄像机定标、立体视觉、运动视觉(或称序列图像分析)、由图像灰度恢复三维物体形状的方法、物体建模与识别方法以及距离图像分析方法等。
推荐理由：本书主要涵盖了计算机视觉领域早期视觉的问题，对相关问题的研究背景和实现方法做了详细阐述。可作为高年级本科生或研究生的教材或参考书，也可供自动驾驶，AR/VR，无人机，地理测绘等领域研究人员和技术人员参考。
Pattern recognition and machine learning
作者：Christopher Bishop
适合人群：初级到中级学者
推荐指数：★★★★★
主要内容：本书是第一本从贝叶斯的角度讲述模式识别，用图模型的方式描述离散概率分布的书籍。内容包括：线性回归模型、线性分类模型、神经网络、核方法、稀疏核方法、图模型、混合模型与期望最大化算法、近似推理、采样方法、连续隐变量模型等。
推荐理由：本书主要讲述应用于模式识别问题的机器学习方法，也包括视觉识别问题，适合作为高年级本科生及研究生的教材，也是计算机视觉领域研究人员及从业人员学习机器学习的参考书。
Computer Graphics: Principles and Practice
中文译名：计算机图形学原理及实践
作者：John F. Hughes, Andries van Dam, Morgan McGuire, David F. Sklar, James D. Foley, Steven K. Feiner , Kurt Akeley
适合人群：初级到中级学者
推荐指数：★★★★★
主要内容：本书是计算机图形学领域的著作，系统全面地介绍了计算机图形学领域的关键概念、算法、技术和应用。本书先介绍了如何创建二维和三维图像，接下来介绍了更为广泛的话题，包括图像表示和操纵、图像和信号处理、图像的缩放、纹理和纹理映射、交互技术、曲线分割、曲面分割、形状的隐式表示、网格、光、材料和散射、颜色、光传输、概率和蒙特卡洛集成、动画、空间数据结构、现代图形学硬件等内容。
推荐理由：本书为四位图形学界大师的经典著作。作为计算机图形学入门基础最佳教程，该书内容涵盖非常广泛，从最基础的rasterization algorithm到现代GPU设计及并行计算应有尽有。这本书之所以有名一方面是因为其全面地介绍了计算机图形学的基本概念和经典算法，另一方面也来自于这本书的历史地位。该书第一版出版于1982年，可以说这本教材见证了计算机图形学界的发展，当然，本书也多次改版增添了大量内容以适应计算机图形学的飞速发展。从任何一个角度看，本书都是值得学习的经典入门书目。
三、自然语言处理篇
Foundations of Statistical Natural Language Processing
中文译名：统计自然语言处理基础
作者：Christopher Manning and Hinrich Schütze
适合人群：初级到中级学者
推荐指数：★★★★★
主要内容：本书涵盖的内容十分广泛，分为四个部分，共16章，包括了构建自然语言处理软件工具将用到的几乎所有理论和算法。全书的论述过程由浅入深，从数学基础到精确的理论算法，从简单的词法分析到复杂的语法分析，适合不同水平的读者群的需求。同时，《统计自然语言处理基础：国外计算机科学教材系列》将理论与实践紧密联系在一起，在介绍理论知识的基础上给出了自然语言处理技术的高层应用（如信息检索等）。
推荐理由：经典的统计自然语言处理的入门教材。内容涉及统计自然语言处理用到的数学基础，词法到语法分析，以及自然语言处理的基本任务（比如文本分类、聚类，统计机器翻译，以及信息检索）。本教材成书较早（1999年），但是自然语言处理领域的基本概念和任务没有太大的变化，仍然适用于初学者快速了解自然语言处理相关的概念和任务。
统计自然语言处理（第2版）
作者：宗成庆
适合人群：初级到中级学者
推荐指数：★★★★☆
主要内容：本书介绍了统计自然语言处理的基本概念、理论方法和最新研究进展，内容包括形式语言与自动机及其在自然语言处理中的应用、语言模型、隐马尔可夫模型、语料库技术、汉语自动分词与词性标注、句法分析、词义消歧、篇章分析、统计机器翻译、语音翻译、文本分类、信息检索与问答系统、自动文摘和信息抽取、口语信息处理与人机对话系统等。
推荐理由：本书既有对基础知识和理论模型的介绍，也有对相关问题的研究背景、实现方法和技术现状的详细阐述。可作为高等院校计算机、信息技术等相关专业的高年级本科生或研究生的教材或参考书，也可供从事自然语言处理、数据挖掘和人工智能等研究的相关人员参考。
查看15道真题和解析
