内容提要：目前，市面上的人工智能书籍并不少，作为一名人工智能爱好者，该如何筛选书单？新年伊始，KDnuggets 整顿了一份 AI 书单，请大家按需取用。
原创：HyperAI 超神经
关键词：AI 书单 机器学习 数据迷信
专一于机器学习、大数据、剖析学的顶级网站 KDnuggets，近期整顿了一份书单，共 15 本书籍，涵盖机器学习、NLP、数据迷信等多个方向，书籍的作者也都是来自人工智能畛域的顶尖学者、研究者。
无论你是刚开始接触人工智能的初学者，还是对相干技术曾经有所把握，清单中的这些书籍总有一款适宜你。所有书籍都可收费在线浏览，能够说十分 nice 了。
简介：这是一本实践性很强的书籍，重点关注进行数据迷信和应用 Python 实现机器学习模型。它很好地解释了相干的实践，并依据须要引入了必要的数学运算，因而为全篇奠定了良好的节奏。
浏览地址：
https://people.smp.uq.edu.au/…
简介：文本开掘是一种从文本数据中，抽取有价值的信息和常识的计算机解决技术，也是自然语言解决的热门话题。
本书次要介绍整洁数据的文本开掘与剖析，所有代码都是基于 R 语言来编写的，对于 R 语言老手来说很不错。
全书一共分 9 个章节，介绍了如何应用基于 R 的整洁工具来进行文本剖析。整洁数据具备简略且新鲜的构造，对其进行剖析会更无效、更容易。
浏览地址：
https://github.com/dgrtwo/tid…
简介：本书由哈佛大学 Miguel Hernan、Jamie Robins 传授编著，对因果推理的概念和办法做了系统性论述。该书在知乎等各大平台始终呼声很高，是泛滥计量学者期待已久的书籍。
因果推理是一个简单的、无所不包的主题，但本书的作者尽其所能，将他们认为最重要的根本方面稀释到大概 300 页的文字中。如果你对建设本人的概念根底感兴趣，这本书可能是你的首选。
浏览地址：
https://cdn1.sph.harvard.edu/…
简介：这本书在第二章介绍了统计概念，从这一章开始，这些概念便相互依存，并引发了更高级的主题，如统计推断，置信区间，假设检验，线性回归，机器学习等。
荐书者示意，这是他始终在期待的资源，以他始终想要的形式无效地学习 Julia 的数据迷信，心愿也对你的口味。
浏览地址：
https://statisticswithjulia.o…
简介：在许多当代书籍中，数据迷信已简化为一系列编程工具，如果把握了这些工具，它们无望为你实现数据迷信。
始终以来，其它书籍仿佛很少强调与代码拆散的基本概念和实践。本书是与此趋势相同的一个很好的例子，毫无疑问，这本书将为你提供扎实的基础知识，为你从事数据科学事业提供必要的理论知识。
浏览地址：
本书链接
简介：一旦重数学（math-heavy）实践可能带来的冲击隐没，你会发现从偏方 - 方差衡量到线性回归、模型验证策略、模型晋升、内核办法、始终到预测问题等主题，都会失去彻底的解决。而这样透彻解决的益处是，你的了解将比仅仅把握形象的直觉更深刻。
浏览地址：
https://www.cs.huji.ac.il/~sh…
简介：这本书从形容 NLP 缓缓开展，介绍了如何应用 Python 来执行一些 NLP 编程工作，以及如何拜访自然语言内容来解决，而后转向更巨大的概念，包含概念 (NLP) 和编程(Python)。
很快，它就波及到分类、文本分类、信息抽取以及其余通常被认为是经典自然语言解决的主题。
在通过这本书理解了 NLP 的基础知识后，你就能够持续学习更古代和前沿的技术。
浏览地址：
https://www.nltk.org/book/
简介：本书的作者之一 Jeremy Howard，是大数据比赛平台 Kaggle 的前主席和首席科学家。他自己还是 Kaggle 的冠军选手。他也是美国奇点大学（Singularity University）最年老的教职工。
合著者 Sylvain 是法国巴黎低等师范学院的校友，并取得巴黎十一大学（法国奥赛）的数学硕士学位。他也是 fast.ai 的后任老师和钻研科学家，致力于通过设计和改良容许模型在无限资源上进行疾速训练的技术来使深度学习更加容易。
这本书的不同凡响之处在于，它是「自上而下」来解说的。它通过实在的例子来解说所有。在构建这些示例时，会越来越深刻，会通知读者如何让其我的项目越来越好。这意味着，读者将在上下文中逐渐学习他们所须要的所有实践根底，从而理解其重要性，以及它如何工作。
作者示意，他们花了很多年的工夫来建设工具和教学方法，使以前简单的主题变得非常简单。
浏览地址：
http://50315d5e32ce03ba1773cc…
简介：这本书在亚马逊共 1200 多个评分，均匀评分为 4.6（满分 5 分），这就阐明了，大多数读者都认为该书很有用。很多读者认为，这本书深入浅出，以一种易于了解的形式进行了介绍，并带动你去应用 Python 语言写简略我的项目的代码中。
本书中提及到的知识点都十分浅显易懂，非常适宜入门学习。
浏览地址：
http://do1.dr-chuck.com/pytho…
简介：如果你对理论的 AutoML 知之甚少，那么也不用放心。本书以扎实的主题介绍开始，并逐章明确列出了值得读者期待的每一章，这在一本由独立的章节组成的书中是很重要的。
之后，在本书的第一局部，你能够间接浏览无关当代 AutoML 的重要主题，并对此满怀信心，因为这本书是在 2019 年被整顿、编辑的。第一局部之后，将介绍用于实现这些 AutoML 概念的六种工具。
最初一部分是对 2015 年至 2018 年期间，存在了几年的 AutoML 挑战系列的剖析，在这段时间里，人们对机器学习的自动化办法的趣味，仿佛呈现了爆炸式增长。
浏览地址：
https://www.automl.org/wp-con…
简介：这本《深度学习》应该不须要过多介绍，它由人工智能界的领军人物 Ian Goodfellow，Yoshua Bengio 以及 Aaron Courville 合著。马斯克已经评估道：「《Deep Learning》由畛域内三位专家合著，是该畛域内惟一的综合性书籍。」
本书的构造，第一局部介绍根本的数学工具和机器学习的概念，第二局部介绍最成熟的深度学习算法，而第三局部探讨某些具备瞻望性的想法，它们被宽泛地认为是深度学习将来的钻研重点。
浏览地址：
https://www.deeplearningbook….
简介：本书的独特之处在于，作者采纳了「通过实际来学习」的理念，整本书都蕴含了可运行的代码。作者试图将教科书的长处 (清晰度和数学)，与实际教程的长处(实际技能、参考代码、实现技巧和直觉) 联合起来。每个章节通过多种形式，交错散文，数学，和一个自蕴含的实现，教你一个要害思维。
浏览地址：
https://d2l.ai/
简介：这本书的第一局部涵盖了纯正的数学概念，齐全没有波及机器学习。第二局部将注意力转向将这些新发现的数学技能利用于机器学习问题。
依据读者的志愿，能够采取自上而下或自下而上的办法，来学习机器学习及其潜在的数学知识。
浏览地址：
https://mml-book.github.io/bo…
简介：本书是亚马逊上的高分作品，作者是斯坦福大学的三位统计学传授。
作者对于如何传播他们的专业知识，有一种本人的办法。他们的办法仿佛遵循了一种逻辑有序的办法，即读者应该在什么时候学习什么。然而，独自的章节也是独立的，所以拿起这本书，就能够间接进入模型推理的章节，只有你曾经了解了这本书之前的内容。
浏览地址：
https://web.stanford.edu/~has…
简介：本书作者是来自南加利福尼亚大学、斯坦福大学和华盛顿大学的四位传授，他们都有统计学背景。这本书比《The Elements of Statistical Learning（统计学习根底）》更为实用，它给出了一些应用 R 语言实现的案例。
浏览地址：
https://statlearning.com/ISLR…
这些书籍不仅口碑极高，而且英文原版书都价格不低，根本在 50-100 美元不等。当初收费就可浏览，读到就是赚到呢~
材料起源：
https://www.kdnuggets.com/202…