推荐些 AI 学习的书籍和资料

坠落天堂的恶魔 2017-12-22

展开全文

今天看到王坚博士的一个主题演讲，他说「不要担心 AI 毁灭人类，要相信人们能够设计出一个好的架构让 AI 好好为人类工作」。霍金和马斯克为什么会担心 AI 会毁灭人类，是因为他们不相信人们能够设计出一个好的架构让 AI 好好为人类工作，因为代码是会出问题的，这就要看有没有一个好的架构能够包容代码，并具备 AI 的能力。

谁来设计这样的架构和实现 AI 的能力呢？肯定是 AI 工程师和科学家。

12月中，吴恩达成立了 landing.ai，开始进入 AI + 产业阶段。「人工智能将会改变制造业的面貌」，这一动作让人们对 AI 的关注度在2017年的末尾又一次升温。国家政策的支持、资本的涌入、各种类型的企业纷纷涉足人工智能领域。无论是热点也好，趋势也罢，人工智能和相关的行业应用正变成 IT 从业者无法忽视的一个门槛，目前这部分人才缺口是巨大的。

根据 LinkedIn 的数据，截至2017年，全球人工智能领域技术人才数量超过190万人，其中美国相关人才总数超过85万人，高居榜首；而中国的相关人才总数超过5万人，位居全球第七。

简直了。

巨大的人才缺口就意味着无数的潜在机会。以机器学习方向的算法工程师为例，该职位月薪大多在几万元，年薪百万者也不在少数。在 AI 行业，新人入行薪资远高于互联网其他技术人员。当然，与之匹配的是相关的技能。在这波AI热潮下，要不要踏入或转型成为人工智能工程师，应该是很多人关心的问题。

与之前的云计算、移动互联网相比，成为 AI 工程师，门槛相对较高，而且需要在现有技能树的基础上再有较长时间的积累才行。对大部分技术栈的理解和编程能力就不用说了，你还需要重拾数学，并且对机器学习的基础有一定了解。

另外，学习是一回事，能够找到和业务结合的契机，同样不可或缺。

梳理一下相关的基础：

基础一：数学基础

1、线性代数和微积分基础
2、统计学相关基础
3、相关线性分析

基础二：编程基础

掌握相关的编程语言，比如 C++ / Python / Go / Java 等，目前 Python 是机器学习深度学习领域最主流的编程语言，热的发烫。

基础三：机器学习的基础

对基础概念的理解，比如拟合、关联规则（Apriori、FP-Growth）、回归（Linear Regression、Logistics Regression）、决策树（ID3、C4.5、CART、GBDT、RandomForest）、SVM（各种核函数）、特征工程（Feature Engineering）、可用性评估、数据变换、降维……等等。

想要入门，先得解决这三个拦路虎。我们可以通过订阅极客时间的两个 AI 专栏，阅读参考书目，学习线上资源、关注牛人博客等方式获得。下面向大家推荐几本相关图书：

《智能时代：大数据与智能革命重新定义未来》

本书的作者是我们熟知的吴军老师。吴军具备深厚的技术、管理、科技和人文背景知识，他的每一本书我都读过。在《智能时代》里，吴军老师从数据讲起，内容延展到机器智能、思维的革命、商业和技术，并预测和描绘了未来的智能化产业，高屋建瓴的探讨了人工智能的现状、面临的困境、解决问题的方式，洞察未来。

《深度学习》

这本书由 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 共同撰写，极客时间的专栏作者 Airbnb 女博士安姐推荐过。她在感恩节期间用了三天时间读了三分之一，评价很高：

这本书的好处是不只告诉你怎么做，是什么，而是从理论出发去介绍各种方法的局限性，再回到实际应用，告诉你如何避免这些局限。书中用到了很多大学时的数学知识，比如拉格朗日、泛函分析、核变换什么的。道理还是那些道理，但是如果大学时没学明白，这本书看起来还会有点吃力。
不过这本书是从最底层的理论知识来介绍的，一旦看明白了，就有种融汇贯通的感觉，看起来就不想停。

这本书我也有，也是读了三天，不过没有读完书的三分之一，而是把前言读完了（围笑）。

很多人推荐过这本书，说是「AI圣经」也不为过，算是深度学习领域奠基的经典教材。

《Python 机器学习实践指南》

这本书结合了机器学习和 Python 语言两个热门领域。入门 AI，Python 语言算是不二选择。Python 最近红得发紫，一会进入信息考试大纲，一会被微软用来取代 VBA，机器学习的各种框架都配备了标准的 Python 环境。

读书还不够的话，可以去看线上课程，比如：

Machine Learning Course - CS 156

加州理工的 Yaser Abu-Mostafa 教授出品的机器学习网络课程，非常系统地讲解了机器学习背后的原理和主要的技术。讲解深入浅出，不仅介绍机器学习技术，还让你理解它们背后的思想，为什么要提出这项技术，机器学习的一些通用性问题的解决方法（比如用正则化方法解决过拟合）。课程是免费资源，Youtube上直接可以搜到。