GAITC 2019全球人工智能技術大會推薦書單

2019 全球人工智能技術大會（2019 GAITC）以“前端引領、深度透視、加速融合”為使命，立足當下，放眼未來，致力于搭建一個全球共通、共建、共享的中國平臺。歷經三屆精心打磨，GAITC已成為智能科技創新與產業融合的世界盛會。

5月25日至26日，以“交叉、融合、相生、共贏”為主題的2019 GAITC將在南京全新亮相。

大會匯聚兩院院士、行業專家學者、全球知名AI企業代表與技術領軍者，將為現場數千名觀眾和全球網友呈現一系列重磅、新穎、前沿的研究及實踐成果，以國際化視角全景式勾勒人工智能發展藍圖，洞見未來趨勢，錨定產業方向。

此次會議，為場內及場外的朋友們定制一份人工智能書單，請您收下。

#最新上架

###動手學深度學習

人工智能機器學習深度學習領域重磅教程圖書

美亞科學家作品

手學深度學習的全新模式，原理與實戰緊密結合

目前市面上有關深度學習介紹的書籍大多可分兩類，一類側重方法介紹，另一類側重實踐和深度學習工具的介紹。本書同時覆蓋方法和實踐。本書不僅從數學的角度闡述深度學習的技術與應用，還包含可運行的代碼，為讀者展示如何在實際中解決問題。為了給讀者提供一種交互式的學習體驗，本書不但提供免費的教學視頻和討論區，而且提供可運行的Jupyter記事本文件，充分利用Jupyter記事本能將文字、代碼、公式和圖像統一起來的優勢。這樣不僅直接將數學公式對應成實際代碼，而且可以修改代碼、觀察結果并及時獲取經驗，從而帶給讀者全新的、交互式的深度學習的學習體驗。

###深入淺出人工神經網絡

本書作為描述和講解人工神經網絡技術原理的入門圖書，旨在讓讀者在最短的時間內對這些原理知識有一個清晰明了的認識和理解。機器學習是人工智能領域的一個子領域，人工神經網絡或深度學習又是機器學習領域的一個子領域。深度學習是深度神經網絡采用的學習方法，深度神經網絡是深度學習方法的基礎架構。目前，人工神經網絡和深度學習這兩個術語幾乎成了同義詞，常常混用，并且在只提其一時，實則二者皆指。

#人工智能書單

１、深度學習

譯者：趙申劍, 黎彧君, 李凱, 符天凡

AI圣經，deeplearning中文版，2018年圖靈獎獲獎者作品，業內人稱“花書”

人工智能機器學習深度學習領域奠基性經典暢銷書

長期位居美國ya馬遜AI和機器學習類圖書榜首！

所有數據科學家和機器學習從業者的bi讀圖書！

特斯拉CEO埃隆·馬斯克等國內外眾多專家推jian！

本書囊括了數學及相關概念的背景知識，包括線性代數、概率論、信息論、數值優化以及機器學習中的相關內容。同時，它還介紹了工業界中實踐者用到的深度學習技術，包括深度前饋網絡、正則化、優化算法、卷積網絡、序列建模和實踐方法等，并且調研了諸如自然語言處理、語音識別、計算機視覺、在線推薦系統、生物信息學以及視頻游戲方面的應用。最后，本書還提供了一些研究方向，涵蓋的理論主題包括線性因子模型、自編碼器、表示學習、結構化概率模型、蒙特卡羅方法、配分函數、近似推斷以及深度生成模型。

２、人工智能（第2版）

[美] 史蒂芬·盧奇（Stephen Lucci），丹尼·科佩克（Danny Kopec） 著

人工智能百科全書

易于上手的人工智能自學指南

涵蓋機器學習 深度學習 自然語言處理 神經網絡 計算機博弈等各種知識 圖文詳細 講解細致 配備豐富的教學資源和學習素材

美國經典教材，在美亞上，被評價為自Russell & Norvig的《人工智能：一種現代方法》之后更好的教材，更加適合本科生使用。

本書提供了豐富的教學配套資源，適合作為高等院校人工智能相關專業的教材，也適合對人工智能相關領域感興趣的讀者閱讀和參考。

３、Python 神經網絡編程

人工智能深度學習機器學習領域又一重磅力作

自己動手用Python編寫神經網絡

美亞排名前茅榮獲眾多好評 全彩印刷 圖表豐富

本書將帶領您進行一場妙趣橫生卻又有條不紊的旅行——從一個非常簡單的想法開始，逐步理解神經網絡的工作機制。您無需任何超出中學范圍的數學知識，并且本書還給出易于理解的微積分簡介。本書的目標是讓盡可能多的普通讀者理解神經網絡。讀者將學習使用Python開發自己的神經網絡，訓練它識別手寫數字，甚至可以與專業的神經網絡相媲美。

４、PyTorch深度學習

譯者：王海玲, 劉江峰

使用PyTorch開發神經網絡的實用指南

深度學習框架PyTorch入門教程，涵蓋機器學習、神經網絡、計算機視覺應用等知識，提供本書彩圖和源代碼下載

本書對當今前沿的深度學習庫PyTorch進行了講解。憑借其易學習性、高效性以及與Python開發的天然親近性，PyTorch獲得了深度學習研究人員以及數據科學家們的關注。本書從PyTorch的安裝講起，然后介紹了為現代深度學習提供驅動力的多個基礎模塊，還介紹了使用CNN、RNN、LSTM以及其他網絡模型解決問題的方法。本書對多個先進的深度學習架構的概念（比如ResNet、DenseNet、Inception和Seq2Seq）進行了闡述，但沒有深挖其背后的數學細節。與GPU計算相關的知識、使用PyTorch訓練模型的方法，以及用來生成文本和圖像的復雜神經網絡（如生成網絡），也在本書中有所涵蓋。

５、Python機器學習

[印] 阿布舍克·維賈亞瓦吉亞（Abhishek Vijayvargia） 著，宋格格 譯

Python機器學習實戰教程

人工智能圖書，Python程序員進階圖書

涵蓋數據可視化、無監督學習、神經網絡和深度學習、推薦系統等常見知識

《Python機器學習》通過數學解釋和編程示例描述了機器學習中的概念，每一章的內容都從技術的基本原理和基于真實數據集的工作實例開始，在提出應用算法建議的同時，指出了每種技術的優缺點。 《Python機器學習》提供了大量的Python代碼示例。Python已成為主流編程語言之一，它免費且開源，并得到了開放社區的支持，其中包含大量的庫供讀者直接使用。

６、Python機器學習 預測分析核心算法

[美] Michael Bowles（鮑爾斯） 著，沙嬴，李鵬 譯

人工智能深度學習參考書目

掌握算法和Python編程

用Python分析數據 預測結果的簡單高效的方式

本書通過集中介紹兩類可以進行有效預測的機器學習算法，展示了如何使用Python 編程語言完成機器學習任務，從而降低機器學習難度，使機器學習能夠被更廣泛的人群掌握。

７、貝葉斯方法 概率編程與貝葉斯推斷

[加] Cameron Davidson-Pilon（卡梅隆·戴維森-皮隆） 著，辛愿，鐘黎，歐陽婷 譯

機器學習 人工智能 數據分析從業者的技能基礎

國際杰出機器學習專家余凱博士 騰訊專家研究員岳亞丁博士推薦

下一個十年，掌握貝葉斯方——就像今天掌握C、C++、Python一樣重要

８、精通數據科學：從線性回歸到深度學習

數據科學入門到實戰

基于Python建模 詳解從統計分析學到人工智能機器學習 深度學習 神經網絡編程中用到的算法及模型

本書全面講解了數據科學的相關知識，從統計分析學到機器學習、深度學習中用到的算法及模型，借鑒經濟學視角給出模型的相關解釋，深入探討模型的可用性，并結合大量的實際案例和代碼幫助讀者學以致用，將具體的應用場景和現有的模型相結合，從而更好地發現模型的潛在應用場景。

９、深度強化學習原理與實踐

本書構建了一個完整的深度強化學習理論和實踐體系：從馬爾可夫決策過程開始，根據價值函數、策略函數求解貝爾曼方程，到利用深度學習模擬價值網絡和策略網絡。書中詳細介紹了深度強化學習相關算法，如Rainbow、Ape-X算法等，并闡述了相關算法的具體實現方式和代表性應用（如AlphaGo）。此外，本書還深度剖析了強化學習各算法之間的聯系，有助于讀者舉一反三。

10、神經網絡算法與實現——基于Java語言

譯者：范東來, 封強

本書通過9章內容，并結合Java編程語言，由淺入深地介紹了神經網絡算法的應用。書中涉及神經網絡的構建、神經網絡的結構、神經網絡的學習、感知機、自組織映射等核心概念，并將天氣預測、疾病診斷、客戶特征聚類、模式識別、神經網絡優化與自適應等經典案例囊括其中。本書在附錄中詳細地指導讀者進行開發環境的配置，幫助讀者更加順利地進行程序開發。

本文轉載自異步社區

高性能計算

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。