人工智能书籍，你必读哪些？

一、哪些书籍是人工智能领域的必读之选？

人工智能领域有很多值得一读的好书🎊。我要推荐一本冷门但非常不错的书，叫做《统计机器学习导论》（Introduction to Statistical Machine Learning）, 这本书是日本的杉山将大哥写的，非常不错。相比其他书，这本书更易读，可以先看这本再读《esl》,《prml》, 还有《sutton》的《强化学习导论》（Introduction to Reinforcement Learning）。这本书写得非常好，读完了可以说算是入门了。光读理论是不够的，还要看看那本《四脚蛇书》（Hands-On Machine Learning with Scikit-Learn and TensorFlow），让你对机器学习框架有更深入的了解🔝。只会机器学习理论和一些简单的数据集是不够的，还需要了解一些基础架构对吧？所以你需要读一下关于基础架构的书，比如《设计数据密集型应用》（Designing Data-Intensive Applications）。

二、你想要从事什么方向的AI工作呢？

如果你想从事推荐系统方向的工作，我推荐王喆老师的《深度学习推荐系统》(Deep Learning for Recommender Systems)，这本书非常不错，读起来真的很过瘾。还有一个方向是搜索系统，你可以看一下Manning的《信息检索导论》（Introduction to Information Retrieval）和刘铁岩老师的《学习排序》（Learning to Rank）✨。另外，铁岩老师的《分布式机器学习》也非常值得一读，毕竟你也需要了解一下参数服务器的玩法。如果你对自然语言处理感兴趣，我推荐一本简单入门的书，《Python自然语言处理》（Natural Language Processing with Python），还有一门公开课的讲义，来自哥伦比亚大学，你可以把讲义打印下来，基本上就入门了。当然，学习cs224N也是必须的，记得打印讲义和幻灯片。如果你对AI和CV（计算机视觉）方向感兴趣，我建议你打印一下CS231N的讲义，顺便也可以打印一下相关论文。目前我没有读过很多CV方面的书，所以就不多说了。还有一本书叫做《终极算法》，有人推荐过，我觉得一般般，读起来不够过瘾。不过有一本绿皮书《算法之美》我觉得很不错，可以买来消遣一下。还有一本叫《统计学习方法》的书，李航老师写的，第二版放在床头，经常翻一翻，比如推推SVM、GBDT这些👏。

三、如何更好地学习人工智能？

其实我并不推荐一上来就读很厚的书，根本看不下去。有些人一上来就推荐《人工智能，一种现代化方法》，这典型的知乎风格。入门的话，可以先学几门公开课，比如吴恩达的课程，不错的。别好高骛远，慢慢来。像Bayesian Inference这样的东西，在入门阶段还不需要太深入，可以看看Koller的《PGM》大厚书，但是得看看自己是否能消化得了。读着读着，会发现自己数学水平可能有些跟不上。Boyd的《凸优化》可以看看，这样你学习机器学习理论和数值优化会更顺利，不会碰到瓶颈。MIT的Strang老师的线性代数也可以重新温习一下。如果你对采样等方面感兴趣，了解一下MCMC这类东西是必须的，还可以学习一下随机过程，有一位叫Yida Xu的老师在网上讲得不错，当然前面提到的书里也有涉及到👏。想到哪儿就写到哪儿了，有些乱，大家凑合看吧。记得使用搜索引擎，找国外的PDF，在学校或淘宝打印最省钱。很多书读起来都很慢，不要期望一下子就读懂，慢慢来，时不时翻翻书就可以了。即使没有天才般的灵感和创新的点子，我相信在人工智能/机器学习/深度学习领域，你也绝对不会被淘汰。别人都说机器学习门槛很低，但是真的低吗？其实并不是的，有很多东西需要学，不要指望一下子什么都会。写得有点乱，有什么想到的我再和大家分享。