2018年最新人工智能書單，總有一本你愛的

為什么大家都在學人工智能？因為：“機會是留給有準備的人，但成功是留給已經(jīng)行動的人?！笨偸潜粍e人的高薪所吸引，卻缺乏行動力的你，桌上永遠還缺乏一本行動的入門書籍。

小編整理了異步圖書2018年人工智能領域的全新書單，涉及到Python、深度學習、TensorFlow、Keras、R語言，我們一起來看看是否有你喜愛的圖書呢？

《人工智能（第2版）》

[美]?史蒂芬·盧奇（Stephen Lucci） 著

美國經(jīng)典教材，在美亞上，被評價為自Russell & Norvig的《人工智能：一種現(xiàn)代方法》之后最好的教材，更加適合本科生使用。被譽為人工智能領域百科全書。

本書基于人工智能的理論基礎， 向讀者展示全面、新穎、豐富多彩且易于理解的人工智能知識體系。本書給出諸多的示例、應用程序、全彩圖片和人物軼事，以激發(fā)讀者的閱讀和學習興趣；還引入了機器人和機器學習的相關高級課程，包括神經(jīng)網(wǎng)絡、遺傳算法、自然語言處理、規(guī)劃和復雜的棋盤博弈等。

《深度學習與TensorFlow實戰(zhàn)》

李建軍，王希銘，?潘勉 ,許碩貴，孔德興，張真誠，徐國卿?著

首先簡述了神經(jīng)網(wǎng)絡的發(fā)展歷史，介紹了TensorFlow，書中以一個簡單的一元線性回歸房價預測模型演示了TensorFlow的工作機制； 三是簡單例舉了幾個以TensorFlow為基礎的開源項目。介紹了深度神經(jīng)網(wǎng)絡的外延：機器學習。 書中以機器學習的三個要素：任務（Task）、性能（Performance）、經(jīng)驗（Experience）為核心，闡述了機器學習建立模型的原理。

《深度學習原理與實踐》

陳仲銘，彭凌西?著

本書系統(tǒng)全面、循序漸進地介紹了深度學習的各方面知識，包括技術(shù)經(jīng)驗、使用技巧和實踐案例。本書詳細介紹了目前深度學習相關的常用網(wǎng)絡模型（ANN、DNN、CNN、RNN），以及不同網(wǎng)絡模型的算法原理和核心思想。本書利用大量的實例代碼對網(wǎng)絡模型進行了分析，這些案例能夠加深讀者對網(wǎng)絡模型的認識。此外，本書還提供完整的進階內(nèi)容和對應案例，讓讀者全面深入地了解深度學習的知識和技巧，達到學以致用的目的。

《Python 深度學習》

[英] 尼格爾·劉易斯（N.D. Lewis）?著

本書是使用Python 進行深度學習實踐的一本初學指南。本書并未羅列大量的公式，而是通過一些實用的實際案例，以簡單直白的方式介紹深度神經(jīng)網(wǎng)絡的兩項任務——分類和回歸，解析深度學習模型中的一些核心問題，以期讓讀者對深度學習的全貌有一個清晰的認識。

《Keras深度學習實戰(zhàn)》

[意大利]安東尼奧·古利(Antonio Gulli), [印度]蘇伊特·帕爾(Sujit Pal）著

本書用當前流行的Keras框架實現(xiàn)了大量深度學習算法，構(gòu)建了眾多深度學習模型，并且介紹了深度學習在游戲等實際場合中的應用，特別是本書還介紹了當前火熱的生成對抗網(wǎng)絡（GAN）的應用。全書通俗易懂，強調(diào)實際案例，適合廣大的機器學習從業(yè)者和愛好者入門與實踐。

《精通數(shù)據(jù)科學：從線性回歸到深度學習》

唐亙??著

數(shù)據(jù)科學入門到實戰(zhàn)，介紹數(shù)據(jù)科學常用的工具——Python、數(shù)學基礎及模型，討論數(shù)據(jù)科學的前沿領域——大數(shù)據(jù)和人工智能，包括機器學習領域經(jīng)典的模型、分布式機器學習、神經(jīng)網(wǎng)絡和深度學習等。

《深度學習實踐指南——基于R語言》

[英] N.D Lewis?著

《機器學習實踐指南——基于R語言》

[英] 尼格爾·劉易斯（N.D. Lewis）著

本書通過對R語言的講解，幫助讀者構(gòu)建機器學習的模型，同時了解一系列與數(shù)據(jù)科學相關的理論，以及如何利用R語言開展研究。本書對讀者的技術(shù)背景不做任何要求，專為那些希望構(gòu)建使用的數(shù)據(jù)模型的讀者，以及想要掌握高效的數(shù)據(jù)處理工具的讀者提供了全面的介紹。

《機器學習經(jīng)典算法剖析——基于OpenCV》

趙春江 著

本書就是出于此目的，對正態(tài)貝葉斯分類器、K近鄰算法、支持向量機、決策樹、AdaBoost、梯度提升樹、隨機森林、極端隨機樹、期望極大值、神經(jīng)網(wǎng)絡這十大經(jīng)典的機器學習算法先進行具體的原理分析，然后給出OpenCV的相關源碼的逐句解釋，最后完成一個基于OpenCV的應用實例。

《圖像局部特征檢測和描述》

趙春江??著

本書以OpenCV 2.4.9為研究工具，對其所實現(xiàn)的所有最新的特征檢測和描述算法——K-R、Canny、Harris、Shi-Tomasi、FAST、MSER、MSCR、SIFT、SURF、BRISK、BRIEF、ORB、FREAK、CenSurE等進行了詳細講解，不僅分析了它們的原理和實現(xiàn)方法，還進行了詳細的源碼解析，并且給出了具體的程序?qū)崿F(xiàn)范例，充分體現(xiàn)了理論與實踐相結(jié)合的特點。

《OpenCV和Visual Studio圖像識別應用開發(fā)》

望熙榮，望熙貴?著

OpenCV是可以在多平臺下運行、并提供了多語言接口的一個庫，實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法。

本書是介紹OpenCV結(jié)合Visual Studio進行圖像識別和處理的編程指南。全書共11章，介紹了OpenCV和Visual Studio的安裝設置，以及Core、HighGUI、ImgProc、Calib3d、Feature2d、Video、Objdetect、ML、Contrib等模塊，涉及文字處理、照片處理、圖像識別、OpenGL整合、硬件設備結(jié)合使用等眾多方面的功能，最后還給出了綜合應用的實例。

本書適合對于圖像識別和處理技術(shù)感興趣，并且想要學習OpenCV的應用和編程的讀者閱讀和參考。

《文本上的算法——深入淺出自然語言處理?》

路彥雄 著

《TensorFlow機器學習項目實戰(zhàn)》

【阿根廷】Rodolfo Bonnin?著

TensorFlow是Google所主導的機器學習框架，也是機器學習領域研究和應用的熱門對象。

本書主要介紹如何使用TensorFlow庫實現(xiàn)各種各樣的模型，旨在降低學習門檻，并為讀者解決問題提供詳細的方法和指導。全書共10章，分別介紹了TensorFlow基礎知識、聚類、線性回歸、邏輯回歸、不同的神經(jīng)網(wǎng)絡、規(guī)?；\行模型以及庫的應用技巧。

本書適合想要學習和了解 TensorFlow 和機器學習的讀者閱讀參考。如果讀者具備一定的C++和Python的經(jīng)驗，將能夠更加輕松地閱讀和學習本書。

《Python神經(jīng)網(wǎng)絡編程》

[英] 塔里克·拉希德（Tariq Rashid）著

本書用輕松的筆觸，一步一步揭示了神經(jīng)網(wǎng)絡的數(shù)學思想，并介紹如何使用Python編程語言開發(fā)神經(jīng)網(wǎng)絡。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(jīng)網(wǎng)絡的工作機制。您無需任何超出中學范圍的數(shù)學知識，并且本書還給出易于理解的微積分簡介。

本書為美亞五星暢銷書，備受關注?；赑ython3.5，全彩印刷，如果只選一本神經(jīng)網(wǎng)絡圖書，他是首選。

本文轉(zhuǎn)載自異步社區(qū)

智能數(shù)據(jù) 高性能計算

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔相應法律責任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權(quán)內(nèi)容。