|
如果这篇文章题目变成《最全书单》，那么这篇文章就会变得又臭又长，在这个年代，关于人工智能与大数据的书，没有10000本也有1000本，而这里列出的这25本，都是精选过的，不敢说每本都字字珠玑，但这个书单保证没有一本水书。废话不多说，赶紧上车，先放思维导图，我再一本本简单说说。 书单分成八部分，其中的数字代表我对这一系列的书的推荐程度。 先说经典书的部分： 《终极算法：机器学习和人工智能如何重塑世界 》 从这本书的名字，可以看出作者试图在机器学习的各个流派间进行整合，最终提出机器学习里的‘牛顿三定律’的理想。作者在这本书里面介绍了当前常用的算法的发展历程。 （下面的专业名次看不懂没关系，往后看）这些算法包括决策树，遗传算法，神经网络，朴素贝叶斯及贝叶斯网络，隐式马尔可夫链，K最近邻及支持向量机，作者还介绍了无监督学习的算法。 对上面的这些名词看不懂？看过书你就明白了。在这本书中，没有公式和代码，有的只是对机器学习中的算法本质一针见血般点破，有的只是依据这些算法而编出的日常生活中的小故事。一言以概之，如果你只有高中数学水平且无计算机背景，你也能够读懂这本科普书。如果你不想对控制着我们衣食住行的机器学习算法一无所知，那么这本书你一定要读。 人工智能之父马文·明斯基经典作品： 《情感机器+心智社会》 这两本书的作者被誉为AI之父，不是因为他发现了某一个特别牛逼的算法。而是因为其对人类的认知过程有着独特见解，从而能利用对人类认知的洞察来指导机器学习算法的研发。他在70年代写成的心智社会一书，令当前的AI研究者还会常读常新。这本书虽然价格有些高，但考虑到读一遍根本不指望能读懂，要读三遍才能有些领悟，算算阅读单价，其实不算高。拿这本书送朋友，也是多么有逼格的一件事啊。 这本书是AI之父集一生功力写成的集大成之作。如何让机器有感情，是在机器智能即将超越人之后的人工智能的下一个天花板。情感计算的概念，也随着Chatbot（聊天机器人）而火了起来。阅读这本书，会让你认识到情感不一定是人类的独有特征。情感也可以被表示为一连串的计算。而赋予机器情感，我们也能造成有直觉，有常识的机器。如果你想打破AI的潘多拉魔盒，这本书也是一本需要反复研读的大作。 《数学之美》 虽然这本书叫做数学之美，但其实由于作者吴军博士是谷歌的搜索专家，所以里面多半是自然语言处理领域的发展。对于这本书，溢美之词已经太多太多了。我这里想说的不是其将算法背后的原理讲述的有多么清晰，而是作者讲述了其和诸位自然语言处理领域的先驱的个人故事，里面描述了诸多学者的风骨以及其背后的道德力量。这是这本书少有被人提起，但却让令人记忆深刻的地方。 《人工智能的未来》 中文版已经绝版，在网上搜这本书，搜出的多半是雷库兹曼的原名为How to create a mind 的翻译版。这本2004年的书，作者是杰夫·霍金斯(Jeff Hawkins)，他是成功的计算机工程师和企业家，掌上型电脑PalmPilot、智能电话Treo等产品的发明人。书里提出的HTM模型，可能凭其单一的结构而第一次产生自我学习的“智能”，其理论的高瞻远瞩，启发了现今的深度学习浪潮。 《智能的本质 人工智能与机器人领域的64个大问题》 这本书中，作者从常识出发，对人工智能和机器人表达了很多“令人惊讶”而又让人深思的point。例如在陪伴老年人方面，迄今为止先进的机器人都比不上我们的狗。书中充满了哲学思辨，感觉作者属于乐观派中的悲观派，乐观的是认为不会出现终结者，悲观的是AI发展还是太慢。 这是近年来不可多得的好书。 同时作者担心的并不是机器智能的迅速提高，而是人类智力可能会下降，这才是最值得担忧的。 接着是人工智能对商业和我们生活的影响。这一系列的书很多，选出几本我读过的 《人工智能时代》 作者Kaplan是斯坦福大学顶尖AI专家。这本书的英文名直译过来是人不必遵守机器的规则。这是一个老人写的书，这种警世的书也需要由一个老人写出，作者见证了AI的低潮与复兴，见证了越来越大的贫富差距。他活到了替子女说话的年纪，但又没有丢掉幽默。这样智慧的老人，值得我们去倾听。 《与机器人共舞》 凯恩斯曾指出，科技将取代工作岗位，而非整体工作量。这些改变了我们工作方式、互动方式以及娱乐方式的创新，将给二十一世纪的社会带来翻天覆地的变化，这种影响几乎等同于20世纪初机械设备将农耕经济带向工业经济时，社会所经历的根本性变革。书的作者是曾获得普利策奖的资深记者，视角全面，分析特别深入。 接着说说大数据方面的书： 《爆发：大数据时代预见未来的新思维》 作者是全球复杂网络权威Barabasi所作，一本超越《黑天鹅》的惊世之作。作者认为人类正处在一个聚合点上，在这里数据、科学以及技术都联合起来共同对抗那个最大的谜题——人类的未来。作者指出人类日常行为模式并不是随机的，而是具有“爆发性”的。爆发揭开了人类行为中令人惊讶的深层次秩序，使得人类变得比预期中更容易预测得多。爆发模式的揭示，其影响力与20世纪初期的物理学或者基因革命的影响力不相上下。 《智慧社会：大数据与社会物理学》 书的作者是MIT人类动力学实验室主任。书里面提出了一种量化的办法，来定向测度沟通对行为的影响，即想法流的传播规律。量化的考察沟通对创新的影响。作者用可控双盲实验去验证诸如社会网络的大小与想法的多样性有正相关关系；社会网络的互动密度与效率显著相关等习以为常的观点，使得全书的科学非常强。 《大数据思维与决策》
书的作者是计量经济学家，里面展示了社会科学的全面数字化。没有数字就没有真相。作者指出统计是一个非常强大的研究社会问题的手段，可以应用在你想要的任何领域。社会学科的专家，将越来越依靠大数据模型做出判断，直觉和数据统计呈现出互补趋势。而在善于利用大数据的商家面前，消费者将变得越发无计可施。 《白话大数据与机器学习》
一本通俗易懂的书，拥有高中数学基础即可看懂，同时结合大量案例与漫画，将高度抽象的数学、算法与应用，与现实生活中的事件和案例一一作了关联，将源自生活的抽象还原出来，帮助你理解后，又带领你将这些抽象的规律与算法应用于实践。 《大数据：从概念到运营》
很多人只是谈论大数据，却不知道该怎么将大数据应用到具体工作中去，这本书的作者在大数据领域拥有超过20年的从业经历，曾担任雅虎公司广告分析总裁，在数据存储、商业智能和数据分析利用方面有着独特的见解。书一共有十三个章节，作者将大数据在实际运用中的方方面面通过具体的案例进行了分析。侧重于大数据的实际运用方面而不是理论上都探讨。大量的案例使得书中观点鲜活有力。 《Python 金融大数据分析》
大数据的应用最广的领域，无疑是数据驱动的金融行业。作为该领域的入门书，这本书介绍了python语言在金融数据可视化，金融衍生品定价，金融时间序列数据处理，蒙特卡罗方法等话题上的具体应用，是一本简单易懂的入门书。 接下来的书关于数学，这是所有数据科学的基本功。 《妙趣横生的统计学》
一本统计学入门书，涉及很多高中课程中的内容，例如我们是不是比父母更聪明？开车打电话与酒驾一样危险吗？坐飞机和开车，哪个更安全？钻石越重，价格就越高吗？四年级的学生可以用统计学做什么？这本书的目标是日常生活所需要的统计思想、正确分析数据的基本路径。 《用数学的语言看世界》
本书是理论物理学家大栗博司先生写给女儿的数学读本，全书以用“数学语言”解读自然为线索，用生动故事和比喻重新讲解了数学的核心原理与体系，是数学入门，重新理解数学的科普佳作。该作者写的书都很不错，这里只推荐其中最好懂的一本。 《贝叶斯思维：统计建模的Python学习法》
前面都是科普书，这次来本教科书。这本是根据作者在美国大学讲授相关课程的讲义所编撰而成的。结合生活中的案例+代码实现+分析，让你了解贝叶斯思维的威力，帮助你在生活中各个方面获得清晰的思维。通过阅读，作者潜移默化的帮助读者形成建模决策的方法论，建模误差和数值误差如何取舍，如何为具体问题建立数学模型，怎么抓住问题中的主要矛盾（模型中的关键参数），再一步一步的优化或者验证模型的有效性或者局限性。 《程序员的数学》
编程的基础是计算机科学，而计算机科学的基础是数学。本书面向程序员介绍了编程中常用的数学知识，借以培养初级程序员的数学思维。你无需精通编程，也无需精通数学，只需具备四则运算和乘方等基础知识，就可以阅读这本书。一套书分成三部分，涵盖线性代数概率论和基本的代数。 接下来的书和复杂系统有关： 《复杂》
如果之前你对复杂性科学还没有太多了解，那这本书可以成为你复杂性科学的第一本书。 蚁群在没有中央控制的情况下为何会表现出如此精密的复杂行为？数以亿计的神经元是如何产生出像意识这样极度复杂的事物？ 是什么在引导免疫系统、互联网、全球经济和人类基因组等自组织结构？ 理解复杂系统需要有全新的方法，需要超越传统的科学还原论，并重新划定学科的疆域。 《Thinking complexity》
要认识一门学科，你不止需要了解概念，还要亲自动手，get your hand dirty。 这本书以python为基础，演示了多种复杂系统的模型，让在计算机诞生之前难以验证的理论得以模拟，并逐步建立了复杂演绎基础之上的新认知模式。Python语言虽简单易懂，但书中的很多代码、练习有时间还得需要仔细研究琢磨。书内容短小，但是信息量特别大，关键看你是走马观花的读，还是一行行代码地进行实践了，你的收获是不一样的。
这本书是复杂性研究入门参考好书。另外这本书还可以用作Python编程与算法的大学中级课程教材。既是你对python和算法一无所知，其前三章的内容也可以让你能够接着看下去。 下面的书将说说人类最担心的强AI的出现。 《Life 3.0》
世界两个顶级学术期刊'nature' 和“Science” 上每周都会推荐一些新出的科学主题的科普书，而一本书若是能被这俩家杂志同时推荐，则更是难得。今年8月25号出版《life 3.0》正是这样一本书，这本书的副标题是：在人工智能的时代作为人意味着什么，作者不是专职搞计算机的，而是本行物理的普林斯顿教授。 《超级智能》
很多人提到强人工智能，说起的第一本书就是这个。作者尼克‧波斯特洛姆是全球著名思想家，牛津大学人类未来研究院的院长，哲学家和超人类主义学家。这本书中，作者谈到了超级智能的优势所带来的风险，也谈到了人类如何解决这种风险。作者认为他的这本书提到的问题将是我们人类所面临的最大风险。 《如何思考会思考的机器》
关于强AI，一定需要大众的讨论，而这本书是由世界上最聪明的头脑共同写成。包括全球大数据权威阿莱克斯·彭特兰、世界顶级语言学家史蒂芬·平克、生物地理学家贾雷德·戴蒙德、互联网思想家凯文·凯利、《全球概览》的创始人斯图尔特·布兰德等Edge 网站出品，必属精品。 《我们最后的发明》
这本书是一个纪录片导演的末世预言，核心观点是超级人工智能极有可能毁灭人类，然后细致地批判了库兹韦尔等乐观派。书的好处是好玩、有趣、思路清奇、剑出偏锋，但从知识的角度来说，它其实并不是那么“科学”、不那么“理性” 接着来说最火的深度学习： 《机器学习之路》
这本书从内容方面本书共包含两部分：机器学习篇和深度学习篇。这本书避过数学推导等复杂的理论推衍，介绍了模型背后的一些简单直观的理解，以及如何上手使用。适合有一些编程和自学能力，但数学等基础理论能力不足的人。 《深度学习与R语言》
说起深度学习，你可能想到的都是python为基础的语言，其实作为一种开源的数据建模语言，R也是可以做深度学习的。书介绍了深度学习基础知识后，着重介绍两种不那么流行的网络结构：受限玻耳兹曼机和深度置信网络，并通过生物信息和自然语言处理领域的实际例子来说明深度学习的优势和局限。 最后说说AI的历史： 《贤二机器僧漫游人工智能》
书中的漫画超有趣。贤二机器僧这样一个传统佛法与现代科技相结合的产物表明，科技本身没有对错、好坏，它是中性的，但人的心却可善可恶。佛教徒应该拥抱科学，而不应该排斥科学，善于运用科技手段和成果，成就更多利于他人的事业。 《硅谷之谜》
作为浪潮之巅的续集，当读完了这本书，我想说的是硅谷的历史是不可复制的，AI的发展是伴随着大公司的成败而起的。我们已经站在了AI发展的最前沿和风口，不能只照搬前人的经验了。要做的是透彻明白工业时代和后工业时代的本质，用一种全新的基于信息论、控制论、系统论的思维方式来从下而上的去想问题。 从Alpha—GO到无人驾驶，人工智能AI结合大数据发挥出惊人功效的场景越来越多。对于入门人工智能这个问题，不少同学跃跃欲试，其实人工智能的核心就是机器学习（Machine Learning）和深度学习。而它们的基础，就是编程（Python/c++等）和数学（高等数学/线性代数/概率论等）。 另外，AI是逻辑算法的执行，底层架构是大数据。所以人工智能如何变厉害？就要喂它“吃”大数据。大数据就像人工智能的食物，跟人类一样，吃进去的食物愈新鲜、愈干净，人工智能就愈健康。 如果你想投入 AI 的怀抱，但却苦于不知如何下手。而当你准备自学机器学习和深度学习时，又被外面那些贵的要命的培训课程吓得不行。 在这里，除了我推荐的25本书，你还可以观看我们的限时免费课程《75讲入门人工智能、Python和大数据》，我们不送低质量的课程，这些课是由以色列理工大学机器学习在读博士、拥有多年经验的AI大拿许铁和数据方面的专家、加州大学博士陈晓理讲授。 我们将一步步教你如何从基础小白进军AI。由于课程开发精力有限，本次课程我们只招收500名学员，而且完全免费，免去大几千几万的培训费。如果你按照我们的课程步骤一步步扎实学习的话，相信你最终一定在人工智能方面小有成就，学完找到这类工作也会容易得多，而且薪水不会低。 课程报名方式如下：
|
|
|
