2021 書單推薦 | 15 本高分 AI 書籍，通通免費讀

內容提要：目前，市面上的人工智能書籍並很多，做爲一名人工智能愛好者，該如何篩選書單？新年伊始，KDnuggets 整理了一份 AI 書單，請你們按需取用。

原創：HyperAI超神經

關鍵詞：AI 書單 機器學習 數據科學

---

專一於機器學習、大數據、分析學的頂級網站 KDnuggets，近期整理了一份書單，共 15 本書籍，涵蓋機器學習、NLP、數據科學等多個方向，書籍的做者也都是來自人工智能領域的頂尖學者、研究者。

不管你是剛開始接觸人工智能的初學者，仍是對相關技術已經有所掌握，清單中的這些書籍總有一款適合你。全部書籍均可免費在線閱讀，能夠說很是 nice 了。

簡介：這是一本實踐性很強的書籍，重點關注進行數據科學和使用 Python 實現機器學習模型。它很好地解釋了相關的理論，並根據須要引入了必要的數學運算，所以爲全篇奠基了良好的節奏。

閱讀地址：

https://people.smp.uq.edu.au/...

簡介：文本挖掘是一種從文本數據中，抽取有價值的信息和知識的計算機處理技術，也是天然語言處理的熱門話題。

本書主要介紹整潔數據的文本挖掘與分析，全部代碼都是基於 R 語言來編寫的，對於 R 語言新手來講很不錯。

全書一共分 9 個章節，介紹瞭如何使用基於 R 的整潔工具來進行文本分析。整潔數據具備簡單且新穎的結構，對其進行分析會更有效、更容易。

閱讀地址：

https://github.com/dgrtwo/tid...

簡介：本書由哈佛大學 Miguel Hernan、Jamie Robins 教授編著，對因果推理的概念和方法作了系統性闡述。該書在知乎等各大平臺一直呼聲很高，是衆多計量學者期待已久的書籍。

因果推理是一個複雜的、一應俱全的主題，但本書的做者盡其所能，將他們認爲最重要的基本方面濃縮到大約 300 頁的文字中。若是你對創建本身的概念基礎感興趣，這本書多是你的首選。

閱讀地址：

https://cdn1.sph.harvard.edu/...

簡介：這本書在第二章介紹了統計概念，從這一章開始，這些概念便相互依存，並引起了更高級的主題，如統計推斷，置信區間，假設檢驗，線性迴歸，機器學習等。

薦書者表示，這是他一直在等待的資源，以他一直想要的方式有效地學習 Julia 的數據科學，但願也對你的口味。

閱讀地址：

https://statisticswithjulia.o...

簡介：在許多當代書籍中，數據科學已簡化爲一系列編程工具，若是掌握了這些工具，它們有望爲你完成數據科學。

一直以來，其它書籍彷佛不多強調與代碼分離的基本概念和理論。本書是與此趨勢相反的一個很好的例子，毫無疑問，這本書將爲你提供紮實的基礎知識，爲你從事數據科學事業提供必要的理論知識。

閱讀地址：

本書連接

簡介：一旦重數學（math-heavy）理論可能帶來的衝擊消失，你會發現從偏方-方差權衡到線性迴歸、模型驗證策略、模型提高、內核方法、一直到預測問題等主題，都會獲得完全的處理。而這樣透徹處理的好處是，你的理解將比僅僅掌握抽象的直覺更深刻。

閱讀地址：

https://www.cs.huji.ac.il/~sh...

簡介：這本書從描述 NLP 緩緩展開，介紹瞭如何使用 Python 來執行一些 NLP 編程任務，以及如何訪問天然語言內容來處理，而後轉向更宏大的概念，包括概念(NLP)和編程(Python)。

很快，它就涉及到分類、文本分類、信息抽取以及其餘一般被認爲是經典天然語言處理的主題。

在經過這本書瞭解了 NLP 的基礎知識後，你就能夠繼續學習更現代和前沿的技術。

閱讀地址：

https://www.nltk.org/book/

簡介：本書的做者之一 Jeremy Howard，是大數據競賽平臺 Kaggle 的前主席和首席科學家。他本人仍是 Kaggle 的冠軍選手。他也是美國奇點大學（Singularity University）最年輕的教職工。

合著者 Sylvain 是法國巴黎高等師範學院的校友，並得到巴黎十一大學（法國奧賽）的數學碩士學位。他也是 fast.ai 的前任老師和研究科學家，致力於經過設計和改進容許模型在有限資源上進行快速訓練的技術來使深度學習更加容易。

這本書的不同凡響之處在於，它是「自上而下」來說解的。它經過真實的例子來說解一切。在構建這些示例時，會愈來愈深刻，會告訴讀者如何讓其項目愈來愈好。這意味着，讀者將在上下文中逐步學習他們所須要的全部理論基礎，從而瞭解其重要性，以及它如何工做。

做者表示，他們花了不少年的時間來創建工具和教學方法，使之前複雜的主題變得很是簡單。

閱讀地址：

http://50315d5e32ce03ba1773cc...

簡介：這本書在亞馬遜共 1200 多個評分，平均評分爲 4.6（滿分 5 分），這就說明了，大多數讀者都認爲該書頗有用。不少讀者認爲，這本書深刻淺出，以一種易於理解的方式進行了介紹，並帶動你去使用 Python 語言寫簡單項目的代碼中。

本書中說起到的知識點都很是淺顯易懂，十分適合入門學習。

閱讀地址：

http://do1.dr-chuck.com/pytho...

簡介：若是你對實際的 AutoML 知之甚少，那麼也沒必要擔憂。本書以紮實的主題介紹開始，並逐章明確列出了值得讀者期待的每一章，這在一本由獨立的章節組成的書中是很重要的。

以後，在本書的第一部分，你能夠直接閱讀有關當代 AutoML 的重要主題，並對此滿懷信心，由於這本書是在 2019 年被整理、編輯的。第一部分以後，將介紹用於實現這些 AutoML 概念的六種工具。

最後一部分是對 2015 年至 2018 年期間，存在了幾年的 AutoML 挑戰系列的分析，在這段時間裏，人們對機器學習的自動化方法的興趣，彷佛出現了爆炸式增加。

閱讀地址：

https://www.automl.org/wp-con...

簡介：這本《深度學習》應該不須要過多介紹，它由人工智能界的領軍人物 Ian Goodfellow，Yoshua Bengio 以及 Aaron Courville 合著。馬斯克曾經評價道：「《Deep Learning》由領域內三位專家合著，是該領域內惟一的綜合性書籍。」

本書的結構，第一部分介紹基本的數學工具和機器學習的概念，第二部分介紹最成熟的深度學習算法，而第三部分討論某些具備展望性的想法，它們被普遍地認爲是深度學習將來的研究重點。

閱讀地址：

https://www.deeplearningbook....

簡介：本書的獨特之處在於，做者採用了「經過實踐來學習」的理念，整本書都包含了可運行的代碼。做者試圖將教科書的優勢(清晰度和數學)，與實踐教程的優勢(實踐技能、參考代碼、實現技巧和直覺)結合起來。每一個章節經過多種形式，交織散文，數學，和一個自包含的實現，教你一個關鍵思想。

閱讀地址：

https://d2l.ai/

簡介：這本書的第一部分涵蓋了純粹的數學概念，徹底沒有涉及機器學習。第二部分將注意力轉向將這些新發現的數學技能應用於機器學習問題。

根據讀者的意願，能夠採起自上而下或自下而上的方法，來學習機器學習及其潛在的數學知識。

閱讀地址：

https://mml-book.github.io/bo...

簡介：本書是亞馬遜上的高分做品，做者是斯坦福大學的三位統計學教授。

做者對於如何傳達他們的專業知識，有一種本身的方法。他們的方法彷佛遵循了一種邏輯有序的方法，即讀者應該在何時學習什麼。然而，單獨的章節也是獨立的，因此拿起這本書，就能夠直接進入模型推理的章節，只要你已經理解了這本書以前的內容。

閱讀地址：

https://web.stanford.edu/~has...

簡介：本書做者是來自南加利福尼亞大學、斯坦福大學和華盛頓大學的四位教授，他們都有統計學背景。這本書比《The Elements of Statistical Learning（統計學習基礎）》更爲實用，它給出了一些使用 R 語言實現的案例。

閱讀地址：

https://statlearning.com/ISLR...

這些書籍不只口碑極高，並且英文原版書都價格不低，基本在 50-100 美圓不等。如今免費就可閱讀，讀到就是賺到呢~

資料來源：

https://www.kdnuggets.com/202...