暢銷榜上的機器學習、深度學習書單！

機器學習是一門多領域交叉學科，涉及機率論、統計學、逼近論、凸分析、算法複雜度等多門學科，專門研究計算機怎樣模擬或實現人類的學習行爲。機器學習是人工智能的核心，是使計算機具備智能的根本途徑。 近年來，機器學習領域受到愈來愈多的關注，相關的機器學習算法開始成爲熱點，知乎上同類問題一樣很多，如機器學習該怎麼入門？機器學習、數據挖掘 如何進階成爲大神？普通程序員如何向人工智能靠攏？學習人工智能該看什麼書？

今天小編整理了一些機器學習、深度學習、人工智能相關圖書，涉及到的關鍵詞以下：深度學習、TensorFlow、機器學習、python、算法、機率編程、貝葉斯。

深度學習是機器學習的一個分支，它可以使計算機經過層次概念來學習經驗和理解世界。由於計算機可以從經驗中獲取知識，因此不須要人類來形式化地定義計算機須要的全部知識。層次概念容許計算機經過構造簡單的概念來學習複雜的概念，而這些分層的圖結構將具備很深的層次。

1.《深度學習》

試讀 www.epubit.com.cn/book/detail…
購書item.jd.com/12128543.ht…
本書適合各種讀者閱讀，包括相關專業的大學生或研究生，以及不具備機器學習或統計背景、可是想要快速補充深度學習知識，以便在實際產品或平臺中應用的軟件工程師。

本書由全球知名的三位專家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰寫，是深度學習領域奠定性的經典圖書。

AI聖經！深度學習領域奠定性的經典暢銷書！長期位居美國亞馬遜AI和機器學習類圖書榜首！全部數據科學家和機器學習從業者的必讀圖書！特斯拉CEO埃隆•馬斯克等國內外衆多專家推薦！ 本書會介紹深度學習領域的許多主題。

2. 深度學習精要（基於R語言）

本書適合瞭解機器學習概念和R語言並想要使用R提供的包來探索深度學習應用的讀者學習參考。

本書結合R語言介紹深度學習軟件包H2O，幫助讀者理解深度學習的概念。本書從在R中設置可獲取的重要深度學習包開始，接着轉向創建神經網絡、預測和深度預測等模型，全部這些模型都由實際案例的輔助來實現。成功安裝了H2O軟件包後，你將學習預測算法。隨後本書會解釋諸如過擬合數據、異常數據以及深度預測模型等概念。最後，本書會介紹設計調參和優化模型的概念。 本書適合那些胸懷大志的數據科學家，他們精通R語言數據科學概念，並但願可使用R中的包進一步探索深度學習範式

本書重點介紹如何將R語言和深度學習模型或深度神經網絡結合起來，解決實際的應用需求。全書共6章，分別介紹了深度這習基礎知識、訓練預測模型、如何防止過擬合、識別異常數據、訓練深度預測模型以及調節和優化模型等內容。

TensorFlow是深度學習的最流行的框架之一，極適合新手入門。谷歌公司正致力於創建一個相關軟件和機器學習模型的開源生態系統，這是人工智能發展的技術風口。 

3. 《TensorFlow技術解析與實戰》

本書深刻淺出，理論聯繫實際，實戰案例新穎，適合對TensorFlow感興趣的各層次讀者閱讀。

機器學習深度學習領域參考書

包攬TensorFlow1.1的新特性

人臉識別 語音識別 圖像和語音相結合等熱點包羅萬象

李航 餘凱等人工智能領域專家傾力推薦

本書基於TensorFlow1.1版本，深刻TensorFlow基礎原理、設計理念、編程模型、源碼分析和模型構建、工業界應用、大規模數據訓練等。全書分爲基礎篇、實戰篇和提升篇三部分。 「基礎篇」 

•人工智能入門，學習深度學習的方法。 

• TensorFlow基礎原理、設計架構和編程模型。 

• 經常使用API、批標準化、模型的存儲與加載、隊列及線程、實現一個自定義OP。

• TensorBorad可視化的全面解析。 

• 源碼分析。 

• 神經網絡（CNN和RNN）的發展演化以及如何用TensorFlow實現這些網絡。 

• 第三方上層框架Keras和TFLearn的應用。 

「實戰篇」 

• 用TensorFlow實現第1個神經網絡。 

• 用TensorFlow實現CNN、RNN、LSTM和自動編碼器的各類示例。 

• TensorFlow在人臉識別、語音識別、智能機器人、語音和圖像相結合以及生成式對抗網絡（GAN）等領域的實際應用。 

「提升篇」 

• TensorFlow的分佈式原理、架構和模式。

• 移動端開發（Android、iOS和樹莓派）。

• TensorFlow的新特性，線性代數編程框架XLA、調試器Debugger、動態圖Fold、生產環境Serving。

 • TensorFlow和Kubernetes相結合。 

• TensorFlowOnSpark。 

• 硬件計算加速。

• 機器學習的評測體系。 

4. Python機器學習實踐指南

本書適合Python 程序員、數據分析人員、對算法感興趣的讀者、機器學習領域的從業 
人員及科研人員閱讀。

機器學習是近年來漸趨熱門的一個領域，同時Python 語言通過一段時間的發展也已逐漸成爲主流的編程語言之一。本書結合了機器學習和Python 語言兩個熱門的領域，經過利用兩種核心的機器學習算法來將Python 語言在數據分析方面的優點發揮到極致。 全書共有10 章。第1 章講解了Python 機器學習的生態系統，剩餘9 章介紹了衆多與機器學習相關的算法，包括各種分類算法、數據可視化技術、推薦引擎等，主要包括機器學習在公寓、機票、IPO 市場、新聞源、內容推廣、股票市場、圖像、聊天機器人和推薦引擎等方面的應用。

5. Python機器學習——預測分析核心算法

本書主要針對想提升機器學習技能的Python 開發人員，幫助他們解決某一特定的項 
目或是提高相關的技能。

在學習和研究機器學習的時候，面臨使人眼花繚亂的算法，機器學習新手每每會不知 所措。本書從算法和Python 語言實現的角度，幫助讀者認識機器學習。 本書專一於兩類核心的「算法族」，即懲罰線性迴歸和集成方法，並經過代碼實例來 展現所討論的算法的使用原則。全書共分爲7 章，詳細討論了預測模型的兩類核心算法、預測模型的構建、懲罰線性迴歸和集成方法的具體應用和實現。

機器學習關注於預測，其核心是一種基於數學和算法的技術，要掌握該技術，須要對數學及統計概念有深刻理解，可以熟練使用R 語言或者其餘編程語言。 本書經過集中介紹兩類能夠進行有效預測的機器學習算法，展現瞭如何使用Python 編程語言完成機器學習任務，從而下降機器學習難度，使機器學習可以被更普遍的人羣掌握。 做者利用多年的機器學習經驗帶領讀者設計、構建並實現本身的機器學習方案。本書儘量地用簡單的術語來介紹算法，避免複雜的數學推導，同時提供了示例代碼幫助讀者迅速上手。讀者會很快深刻了解模型構建背後的原理，不論簡單問題仍是複雜問題，讀者均可以學會如何找到問題的解決算法。書中詳細的示例，給出了具體的可修改的代碼，展現了機器學習機理，涵蓋了線性迴歸和集成方法，幫助理解使用機器學習方法的基本流程。 

天然語言處理（NLP）屬於人工智能與計算機語言學的交叉領域，處理的是計算機與人類語言之間的交互問題。隨着人機交互需求的日益增加，計算機具有處理當前主要天然語言的能力已經成爲了一個必然趨勢，NLTK 庫是當前天然語言處理（NLP）領域最爲流行、使用最爲普遍的庫之一, 同時Python語言通過一段時間的發展也已逐漸成爲主流的編程語言之一。 

6.NLTK基礎教程——用NLTK和Python庫構建機器學習應用

本書適合 NLP 和機器學習領域的愛好者、對文本處理感興趣的讀者、想要快速學習NLTK的資深Python程序員以及機器學習領域的研究人員閱讀。

本書主要介紹如何經過NLTK庫與一些Python庫的結合從而實現複雜的NLP任務和機器學習應用。全書共分爲10章。第1章對NLP進行了簡單介紹。第2章、第3章和第4章主要介紹一些通用的預處理技術、專屬於NLP領域的預處理技術以及命名實體識別技術等。第5章以後的內容側重於介紹如何構建一些NLP應用，涉及文本分類、數據科學和數據處理、社交媒體挖掘和大規模文本挖掘等方面。 

7. 實用機器學習

本書適合須要應用機器學習算法解決實際問題的工程技術人員閱讀，也可做爲相關專業高年級本科生或研究生的入門教材或課外讀物。

●做者在學術界和工業界工做多年，書中介紹的都是很是實用的算法。 

●本書涵蓋實際中經常使用的各類算法，包括迴歸、分類、推薦系統、排序等，可以引導讀者從原始數據出發到造成最終的解決方案。

●經過R語言來引導讀者使用算法，使讀者可以簡單上手，獲得算法的第1手使用經驗。 機器學習是一個熱門而又高深的話題。多年來，符號學習、統計學習、深度學習等一系列高高在上的名詞使得大衆對機器學習敬而遠之，大數據時代，機器學習的普遍成功應用再次引爆了大衆對機器學習的關注。 機器學習可以解決什麼樣的問題？如何使用機器學習解決實際問題？應該怎樣選擇算法？本書從實踐出發回答這些問題。書中首先經過實際應用場景引出機器學習中的幾類典型問題，而後着重介紹解決各種問題的實用算法，並利用R語言和相關的軟件包來引導讀者實際使用這些算法。 

●不懂機器學習？沒有關係。本書不只介紹了機器學習的基本概念和算法原理，還提供了完整的程序代碼，助讀者輕鬆上手、快速入門。 

●數學基礎不夠？沒有關係。本書一方面突出了對概念和原理的理解，儘量淡化了對數學背景的要求；另外一方面也介紹了須要具有的數學知識，便於讀者查閱。 

●不會使用R語言？沒有關係。本書介紹了R語言的基本知識及經常使用R軟件包，兩位做者更是親手繪製了全書90%以上的插圖，手把手教讀者用R語言分析數據和展示結果。 掌握本書介紹的算法和對應的R軟件包後，讀者能夠順利地針對新問題、新數據選擇和使用機器學習算法，在實踐中得到更大收穫。 

本書圍繞實際數據分析的流程展開，着重介紹數據探索、數據預處理和經常使用的機器學習算法模型。本書從解決實際問題的角度出發，介紹迴歸算法、分類算法、推薦算法、排序算法和集成學習算法。在介紹每種機器學習算法模型時，書中不但闡述基本原理，並且討論模型的評價與選擇。爲方便讀者學習各類算法，本書介紹了R語言中相應的軟件包並給出了示例程序。 本書的一大特點就是貼近工程實踐。首先，本書僅側重介紹當前工業界經常使用的機器學習算法，而不追求知識內容的覆蓋面；其次，本書在介紹每類機器學習算法時，力求通俗易懂地闡述算法思想，而不追求理論的深度，讓讀者藉助代碼得到直觀的體驗。

8. 機器學習Web應用

本書適合有志於成爲或剛剛成爲數據科學家的讀者學習，也適合對機器學習、Web數據挖掘等技術實踐感興趣的讀者參考閱讀。

Python是一門通用型編程語言，也是一門相對容易學習的語言。所以，數據科學家在爲中小規模的數據集製做原型、實現可視化和分析數據時，常常選擇使用Python。 本書填補了機器學習和Web開發之間的鴻溝。本書重點講解在Web應用中實現預測分析功能的難點，重點介紹Python語言及相關框架、工具和庫，展現瞭如何搭建機器學習系統。你將從本書學到機器學習的核心概念，學習如何將數據部署到用Django框架開發的Web應用；還將學到如何挖掘Web、文檔和服務器端數據以及如何搭建推薦引擎。 隨後，你將進一步探索功能強大的Django框架，學習搭建一個簡單、具有現代感的影評情感分析應用，它但是用機器學習算法驅動的！ 本書是寫給正努力成爲數據科學家的讀者以及新晉的數據科學家的。讀者應該具有一些機器學習經驗。若是你對開發智能（具有預測功能的）Web應用感興趣，或正在從事相關開發工做，本書很是適合你。掌握必定的Django知識，學習本書將會更加輕鬆。

9. 機器學習實踐應用

本書適合任何有必定數據功底和編程基礎的讀者閱讀。經過閱讀本書，讀者不只能夠了解機器學習的理論基礎，也能夠參照一些典型的應用案例拓展本身的專業技能。同時，本書也適合計算機相關專業的學生以及對人工智能和機器學習感興趣的讀者閱讀。

這是一本可貴的面向機器學習愛好者的入門級教程，本書涉及機器學習的基礎理論和深度學習等相關內容，內容深刻淺出。更加難能難得的是，本書基於阿里雲機器學習平臺，針對7個具體的業務場景，搭建了完整的解決方案，給讀者帶來第1手的實戰演練經驗。 機器學習算法正在逐漸滲透到數據化運營的各個方面，算法和業務數據相結合能夠大幅度地提升業務效率、下降成本。本書以算法的業務應用做爲切入點，包含大量的案例說明，很是適合讀者快速入門。

本書經過對機器學習的背景知識、算法流程、相關工具、實踐案例以及知識圖譜等內容的講解，全面介紹了機器學習的理論基礎和實踐應用。書中涉及機器學習領域的多個典型算法，並詳細給出了機器學習的算法流程。 本書適合任何有必定數據功底和編程基礎的讀者閱讀。經過閱讀本書，讀者不只能夠了解機器學習的理論基礎，也能夠參照一些典型的應用案例拓展本身的專業技能。

10. 機器學習項目開發實戰

編輯推薦

本書向讀者展現了，如何利用簡單的算法和技術，從數據中學習，構建更聰明的.NET應用，以解決現實世界中更普遍的問題。讀者將在熟悉的Visual Studio環境中編碼各個項目，使用.NET環境中適合於機器學習的F#語言開發機器學習項目。若是你對F#還很陌生，本書將教會你入門所需的知識。若是你已經熟悉了F#，本書將是你在機器學習領域實踐該語言的新的機會。

在一系列使人着迷的項目中，讀者將學到：

從頭開始構建一個光學字符識別（OCR）系統

編寫一個經過例子學習的垃圾郵件過濾器

使用F#強大的類型提供程序與外部資源接口（在本書中是來自R語言的數據分析工具）

將數據轉換爲信息量更大的特徵，並用它們做出精準的預測

在不知道目標的狀況下找出數據中的模式

用迴歸模型預測數值

內容簡介

本書經過一系列有趣的實例，由淺入深地介紹了機器學習這一煊赫一時的新領域，而且詳細介紹了適合機器學習開發的Microsoft F#語言和函數式編程，引領讀者深刻了解機器學習的基本概念、核心思想和經常使用算法。書中的例子既通俗易懂，同時又十分實用，能夠做爲許多開發問題的起點。經過對本書的閱讀，讀者無須接觸枯燥的數學知識，即可快速上手，爲往後的開發工做打下堅實的基礎。本書適合對機器學習感興趣的.NET開發人員閱讀，也適合其餘讀者做爲機器學習的入門參考書。

11.機器學習與數據科學

數據科學家提供bibei工具和技巧 使用R統計環境，快速上手實踐

編輯推薦

從業者使用的工具是決定他的工做可否成功的重要因素之一。本書爲數據科學家提供了一些在統計學習領域會用到的工具和技巧，爲他們在數據科學領域的長期職業生涯提供了所需的一套基本工具。針對處理重要的數據科學問題的高級技能，本書也給出了學習的建議。 本書包括如下內容： 機器學習概述 監督機器學習 數據鏈接 非監督機器學習 數據處理 模型評估 探索性數據分析 本書選用R統計環境。R在全世界範圍內應用愈來愈普遍，不少數據科學家只使用R就能進行項目工做。本書的全部代碼示例都是用R語言寫的。除此以外，書中還使用了不少流行的R包和數據集。 

內容簡介

當前，機器學習和數據科學都是很重要和熱門的相關學科，須要深刻地研究學習才能精通。 本書試圖指導讀者掌握如何完成涉及機器學習的數據科學項目。本書將爲數據科學家提供一些在統計學習領域會用到的工具和技巧，涉及數據鏈接、數據處理、探索性數據分析、監督機器學習、非監督機器學習和模型評估。本書選用的是R統計環境，書中全部代碼示例都是用R語言編寫的，涉及衆多流行的R包和數據集。 本書適合數據科學家、數據分析師、軟件開發者以及須要瞭解數據科學和機器學習方法的科研人員閱讀參考。

12. Microsoft Azure機器學習和預測分析

瞭解新的微軟Azure Machine Learning服務 掌握高效構建和部署預測模型的實用技能

本書是數據科學和機器學習領域的實用教程，專一於構建和部署預測模型，力圖幫助你學習如何使用新的微軟Azure Machine Learning快速構建和部署複雜的預測模型。 本書全面介紹2015年發佈的微軟Azure Machine Learning服務，包含構建推薦器、傾向模型以及流失和預見性維護模型的實用指南。本書使用面向任務的描述和具體的端到端示例，確保讀者可以快速上手。本書講述了Azure Machine Learning的各個方面，從數據入口到應用機器學習、評估模型以及把它們部署成Web服務。 

書中新增如下精彩內容 ● Cortana分析套件；

 ● Python整合；

 ● 數據準備和特徵選擇；

 ● 使用Power BI的數據可視化； 

● 推薦引擎； 

● 在Azure市場上銷售你的模型。

 經過閱讀本書，你將可以 

● 系統地瞭解數據科學及其zui佳實踐； 

● 瞭解新的微軟Azure Machine Learning服務，掌握高效構建和部署預測模型的實用技能，例如， 如何解決傾向建模、流失分析、產品推薦和使用Power BI進行可視化等典型預測分析問題； 

● 在Azure市場上銷售你的預測模型的實用指南。 

 本書專門介紹了有關機器學習的內容，全書共分3部分：第1部分是數據科學和Microsoft Azure Machine Learning導論，介紹了數據科學和Microsoft Azure Machine Learning的基本知識以及須要用到的語言的基本知識；第二部分是統計學和機器學習算法，系統地講解了統計學和機器學習的相關算法；第三部分是實用應用程序，這一部分介紹了新的微軟Azure機器學習服務，講解如何高效構建和部署預測模型，還講解了如何解決傾向建模、產品推薦等實用技能。

13. 神經網絡算法與實現——基於Java語言

用Java代碼釋放神經網絡無窮力量 深刻淺出掌握神經網絡與深度學習 機器學習從業者閱讀書目

編輯推薦

神經網絡已成爲從大量原始的，看似無關的數據中提取有用知識的強大技術。 Java語言是用於實現神經網絡的zui合適的工具之一，也是現階段很是流行的編程語言之一，包含多種有助於開發的API和包，具備「一次編寫，隨處運行」的可移植性。 本書完整地演示了使用Java開發神經網絡的過程，既有很是基礎的實例也有高級實例。首先，你將學習神經網絡的基礎知識、感知機及其特徵。 而後，你將使用學到的概念來實現自組織映射網絡。 此外，你還會了解一些應用，如天氣預報、疾病診斷、客戶特徵分析和光學字符識別（OCR）等。 zui後，你將學習實時優化和自適應神經網絡的方法。 首先，你將學習神經網絡的基礎知識和它們的學習過程。 而後咱們關注感知機及其特徵。 接下來，您將使用您學到的概念實現自組織映射。 此外，您將瞭解一些應用，如天氣預報，疾病診斷，客戶特徵分析和光學字符識別（OCR）。 zui後，您將學習優化和適應實時神經網絡的方法。 本書全部的示例都提供了說明性的源代碼，這些源代碼綜合了面向對象編程（OOP）概念和神經網絡特性，以幫助你更好的學習。 經過閱讀本書，你講可以： 掌握神經網絡的知識及其用途； 運用常見實例開發神經網絡； 探索和編碼zui普遍使用的學習算法，讓你的神經網絡能夠從大多數類型的數據中學習 知識； 發現神經網絡的無監督學習過程的力量，提取隱藏在數據背後的內在知識； 應用實際示例（如天氣預測和模式識別）中生成的代碼； 瞭解如何選擇zui合適的學習參數，以確保應用更高效； 選擇數據集，將數據集切分爲訓練集、測試集和驗證集，並探索驗證策略； 瞭解如何改善和優化神經網絡。 

內容簡介

人工神經網絡是由衆多鏈接權值可調的神經元鏈接而成，具備大規模並行處理、分佈式信息存儲、良好的自組織自學習能力等特色，可以完成模式識別、機器學習以及預測趨勢等任務。 本書經過9章內容，並結合Java編程語言，由淺入深地介紹了神經網絡算法的應用。書中涉及神經網絡的構建、神經網絡的結構、神經網絡的學習、感知機、自組織映射等核心概念，並將天氣預測、疾病診斷、客戶特徵聚類、模式識別、神經網絡優化與自適應等經典案例囊括其中。本書在附錄中詳細地指導讀者進行開發環境的配置，幫助讀者更加順利地進行程序開發。 本書很是適合對神經網絡技術感興趣的開發人員和業餘讀者閱讀，讀者無需具有Java編程知識，也無需提早了解神經網絡的相關概念。本書將從零開始爲讀者進行由淺入深地講解。

做者簡介

Fábio M. Soares擁有帕拉聯邦大學（Universidade Federal do Pará，UFPA）的計算機應用專業碩士學位，目前是該所大學的在讀博士生。他從2004年開始就一直在設計神經網絡解決方案，在電信、化學過程建模等多個領域開發了神經網絡技術的應用，他的研究主題涉及數據驅動建模的監督學習。 他也是一名個體經營者，爲巴西北部的一些中小型公司提供IT基礎設施管理和數據庫管理等服務。在過去，他曾爲大公司工做，如Albras（世界上zui重要的鋁冶煉廠之一）和Eletronorte（巴西的一個大型電源供應商）。他也有當講師的經歷，曾在亞馬遜聯邦農業大學（Federal Rural University）和卡斯塔尼亞爾的一個學院授課，兩所學校都在帕拉州，所教的學科涉及編程和人工智能。 他出版了許多做品，其中許多都有英文版，全部做品都是關於針對某些問題的人工智能技術。他在衆多權v會議上發表了一系列學術文章，如TMS（礦物金屬和材料學會）、輕金屬學會和智能數據工程、自動學習學會等學術會議。他還爲Intech寫過兩章內容。 Alan M.F. Souza是來自亞馬遜高級研究所（Instituto de Estudos Superiores da Amaz?nia，IESAM）的計算機工程師。他擁有軟件項目管理的研究生學位以及帕拉聯邦大學（Universidade Federal do Pará，UFPA）的工業過程（計算機應用）碩士學位。自2009年以來，他一直從事神經網絡方面的工做，並從2006年開始與巴西的IT公司合做進行Java、PHP、SQL和其餘編程語言的開發。他熱衷於編程和計算智能。目前，他是亞馬遜大學（Universidade da Amaz?nia，UNAMA）的教授和帕拉聯邦大學的在讀博士生。

14. 本身動手寫神經網絡

編輯推薦

AlphaGo打敗李世石，標誌着新一輪人工智能的浪潮已經來襲。 而你是否已經作好迎接新的人工智能技術的準備？ 《本身動手寫神經網絡》將帶你一探做爲AlphaGo基石的人工神經網絡。 《本身動手寫神經網絡》不侷限於紙上談兵，咱們用代碼詮釋一切。 《本身動手寫神經網絡》可能改變你對人工智能的態度。 深刻講解人工神經網絡的工做原理，而且可以動手實踐人工神經網絡 書力求通俗易懂，使用盡量簡單的語言描述人工神經網絡的原理與理論。 《本身動手寫神經網絡》力求以具體實現與應用爲導向，除了理論介紹外，每一章節的應用和實踐都有具體的實現詳解。 全書使用Java做爲主要語言，與Matlab等語言不一樣的是：Java語言是目前企業級軟件開發zui爲流行的語言，所以，使用Java實現的神經網絡具有更強的系統集成能力與實踐能力。因爲Java語言自己通俗易懂，在基本語法上與C/C 相似，所以，本書一樣適合沒有Java基礎的程序員。 

內容簡介

《本身動手寫神經網絡》講解通俗易懂，使用簡單的語言描述人工神經網絡的原理，併力求以具體實現與應用爲導向，除了理論介紹外，每一章節的應用和實踐都有具體的實例實現，讓讀者達到學以至用。《本身動手寫神經網絡》分爲11章，主要內容爲：簡單的人工神經網絡模型和理論應用；介紹了一個基於Java的人工神經網絡框架Neuroph；介紹了基於Neuroph開發一個簡單的人工神經網絡系統—感知機；介紹了ADALINE網絡以及使用Neuroph實現ADALINE神經網絡；介紹了BP神經網絡的基本原理和具體實現；介紹了BP神經網絡的具體實踐應用；介紹了Hopfield網絡的原理、實踐和應用；介紹了雙向聯想網絡BAM的原理、實踐和應用；介紹了競爭學習網絡，特別是SOM網絡以及相關算法與實現；介紹了PCA方法以及與PCA方法等價的PCA神經網絡。 《本身動手寫神經網絡》適合如下類型的讀者：對神經網絡感興趣，指望能夠初步瞭解神經網絡原理的讀者；有必定編程經驗，指望學習和掌握神經網絡的程序員；指望對神經網絡進行實際應用的工程人員；任何一名神經網絡愛好者。

15. OpenCV和Visual Studio圖像識別應用開發

無人駕駛人臉識別基礎技術 用OpenCV實現圖像處理應用 計算機視覺編程實戰手冊

編輯推薦

你是否對智能機器人、無人駕駛、人臉識別等技術感興趣呢？其實，這些技術都離不開圖像識別。圖像識別技術除了包括靜態文本的OCR掃描，還包括動態識別技術，如環境空間探測、動態物體追蹤、視頻比對分析等，這些技術能夠在智能感應家電、自動化設備、家庭安保系統等各類環境中應用。 本書從基本原理入手，經過充分的實例來介紹各類圖像處理應用的開發。程序代碼使用Visual Studio並結合C/C 語言，幫助讀者掌握真正的應用場景和開發技能。 本書適合對於圖像識別和處理技術感興趣而且想要學習OpenCV的應用和編程的讀者閱讀和參考。 

內容簡介

OpenCV是能夠在多平臺下運行、並提供了多語言接口的一個庫，實現了圖像處理和計算機視覺方面的不少通用算法。 本書是介紹OpenCV結合Visual Studio進行圖像識別和處理的編程指南。全書共11章，介紹了OpenCV和Visual Studio的安裝設置，以及Core、HighGUI、ImgProc、Calib3d、Feature2d、Video、Objdetect、ML、Contrib等模塊，涉及文字處理、照片處理、圖像識別、OpenGL整合、硬件設備結合使用等衆多方面的功能，後還給出了綜合應用的實例。 本書適合對於圖像識別和處理技術感興趣，而且想要學習OpenCV的應用和編程的讀者閱讀和參考。

16精通Python天然語言處理

用Python開發使人驚訝的NLP項目 天然語言處理任務 掌握利用Python設計和構建給予NLP的應用的實踐

編輯推薦

天然語言處理（NLP）是有關計算語言學與人工智能的研究領域之一。NLP主要關注人機交互，它提供了計算機和人類之間的無縫交互，使得計算機在機器學習的幫助下理解人類語言。 本書詳細介紹如何使用Python執行各類天然語言處理（NLP）任務，並幫助讀者掌握利用Python設計和構建基於NLP的應用的zui佳實踐。本書引導讀者應用機器學習工具來開發各類各樣的模型。對於訓練數據的建立和主要NLP應用的實現，例如命名實體識別、問答系統、語篇分析、詞義消歧、信息檢索、情感分析、文本摘要以及指代消解等，本書都進行了清晰的介紹。本書有助於讀者使用NLTK建立NLP項目併成爲相關領域的專家。 經過閱讀本書，你將可以: ● 實現字符串匹配算法以及標準化技術； ● 實現統計語言建模技術； ● 深入理解詞幹提取器、詞形還原器、形態分析器以及形態生成器的開發； ● 開發搜索引擎並實現詞性標註和統計建模（包含n-gram方法）等相關概念； ● 熟悉諸如樹型庫建設、CFG建設、CYK以及Earley線圖解析算法等相關概念； ● 開發基於NER的系統並理解和應用情感分析的相關概念； ● 理解並實現信息檢索和文本摘要等相關概念； ● 開發語篇分析系統以及基於指代消解的系統。 

內容簡介

天然語言處理是計算語言學和人工智能之中與人機交互相關的領域之一。 本書是學習天然語言處理的一本綜合學習指南，介紹瞭如何用Python實現各類NLP任務，以幫助讀者建立基於真實生活應用的項目。全書共10章，分別涉及字符串操做、統計語言建模、形態學、詞性標註、語法解析、語義分析、情感分析、信息檢索、語篇分析和NLP系統評估等主題。 本書適合熟悉Python語言並對天然語言處理開發有必定了解和興趣的讀者閱讀參考。

17. Python天然語言處理

Python天然語言處理方面的權威之做

快速瞭解一些概念及基本工做原理的必讀

提供豐富英文語料庫和代碼，方便練習

從輸入法聯想提示（predictive text）、email過濾到自動文本彙總、機器翻譯，大量的語言相關的技術都離不開天然語言處理的支持，而這本書提供了天然語言處理的入門指南。經過本書，你將學到如何編寫能處理大量非結構化文本的Python程序。你能夠訪問具備豐富標註的、涵蓋了語言學各類數據結構的數據集，並且你將學習分析書面文檔的內容以及結構的主要算法。

經過大量的例子和練習，本書將幫助你：

從非結構化文本中提取信息，不管是猜想主題仍是識別「命名實體」；

分析文本的語言學結構，包括語法和語義分析；

訪問流行的語言學數據集，包括WordNet和treebanks；

整合從語言學到人工智能等多個領域的技術。

經過使用Python程序設計語言和天然語言工具包（NTLK）的開源庫，本書將幫助你增長天然語言處理的實際經驗。若是你對開發Web應用、分析多語言的新聞源或編制瀕危語言感興趣，或者只是想要從程序員的視角看人類語言如何運做，你將發現本書不只有趣並且極其有用。

內容簡介

天然語言處理(Natural Language Processing，NLP)是計算機科學領域與人工智能領域中的一個重要方向。它研究可以實現人與計算機之間用天然語言進行有效通訊的各類理論和方法，涉及全部用計算機對天然語言進行的操做。

《Python天然語言處理》是天然語言處理領域的一本實用入門指南，旨在幫助讀者學習如何編寫程序來分析書面語言。《Python天然語言處理》基於Python編程語言以及一個名爲NLTK的天然語言工具包的開源庫，但並不要求讀者有Python編程的經驗。全書共11章，按照難易程度順序編排。第1章到第3章介紹了語言處理的基礎，講述如何使用小的Python程序分析感興趣的文本信息。第4章討論結構化程序設計，以鞏固前面幾章中介紹的編程要點。第5章到第7章介紹語言處理的基本原理，包括標註、分類和信息提取等。第8章到第10章介紹了句子解析、句法結構識別和句意表達方法。第11章介紹瞭如何有效管理語言數據。後記部分簡要討論了NLP領域的過去和將來。

《Python天然語言處理》的實踐性很強，包括上百個實際可用的例子和分級練習。《Python天然語言處理》可供讀者用於自學，也能夠做爲天然語言處理或計算語言學課程的教科書，還能夠做爲人工智能、文本挖掘、語料庫語言學等課程的補充讀物。

18.貝葉斯方法：機率編程與貝葉斯推斷

機器學習 人工智能 數據分析從業者的技能基礎 國際傑出機器學習專家餘凱博士 騰訊專家研究員嶽亞丁博士推薦 下一個十年 掌握貝葉斯方法 就像今天掌握C C++ Python同樣重要 全綵印刷

編輯推薦

•國際傑出機器學習專家、地平線機器人技術創始人和CEO、前百度研究院執行院長餘凱博士，騰訊專家研究員嶽亞丁博士推薦、審校 •內容涉及Python語言庫PyMC，以及相關的工具，包括NumPy\SciPy\Matplotlib，無需複雜的數學分析，經過實例、從編程的角度介紹貝葉斯分析方法，大多數程序員均可以入門並掌握。 本書的內容特點： •學習貝葉斯思惟方式 •理解計算機如何進行貝葉斯推斷 •利用PyMC Python庫進行編程來實現貝葉斯分析 •利用PyMC建模以及調試 •測試模型的擬合優度 •打開馬爾科夫鏈蒙特卡洛算法的黑盒子，看看它如何工做 •利用大數定律的力量 •掌握聚類、收斂、自相關、細化等關鍵概念 •根據目標和預期的結果，利用損失函數來推斷缺陷 •選擇合理的先驗，並理解其如何隨着樣本量的大小而變化 •克服「研發與開發」的困境：判斷是否已經足夠好了 •利用貝葉斯推斷改良A B測試 •在可用數據量小的狀況下，解決數據科學的問題 

內容簡介

《貝葉斯方法 機率編程與貝葉斯推斷》基於PyMC語言以及一系列經常使用的Python數據分析框架，如NumPy、SciPy和Matplotlib，經過幾率編程的方式，講解了貝葉斯推斷的原理和實現方法。該方法經常能夠在避免引入大量數學分析的前提下，有效地解決問題。書中使用的案例每每是工做中遇到的實際問題，有趣而且實用。做者的闡述也儘可能避免冗長的數學分析，而讓讀者能夠動手解決一個個的具體問題。經過對本書的學習，讀者能夠對貝葉斯思惟、機率編程有較爲深刻的瞭解，爲未來從事機器學習、數據分析相關的工做打下基礎。本書適用於機器學習、貝葉斯推斷、機率編程等相關領域的從業者和愛好者，也適合普通開發人員瞭解貝葉斯統計而使用。

19. 貝葉斯思惟：統計建模的Python學習法

機器學習 人工智能 數據分析從業者大數據時代的技能基礎 Think Stats和Think Python圖書做者重磅出擊 數據分析師 數據工程師 數據科學家案頭常備

編輯推薦

貝葉斯方法正在變得愈來愈常見與重要，可是卻沒有太多能夠借鑑的資料來幫助初學者。基於Allen Downey在大學講授的本科課程，本書的計算方法能幫助你得到一個良好的開端。

　　使用已有的編程技巧學習和理解貝葉斯統計

　　處理估計、預測、決策分析、假設的證據、假設檢驗等問題

　　從簡單的例子開始，包括硬幣問題、M&Ms豆問題、《龍與地下城》勇士投骰子問題、彩彈遊戲和冰球比賽問題

　　學習計算方法，解決諸如SAT分數含義、模擬腎腫瘤和人體微生物建模問題 

內容簡介

這本書幫助那些但願用數學工具解決實際問題的人們，僅有的要求可能就是懂一點機率知識和程序設計。而貝葉斯方法是一種常見的利用機率學知識去解決不肯定性問題的數學方法，對於一個計算機專業的人士，應當熟悉其應用在諸如機器翻譯，語音識別，垃圾郵件檢測等常見的計算機問題領域。

　　但是本書實際上會遠遠擴大你的視野，即便不是一個計算機專業的人士，你也能夠看到在戰爭環境下（二戰德軍坦克問題），法律問題上（腎腫瘤的假設驗證），體育博彩領域（隊和加人隊NFL比賽問題）貝葉斯方法的威力。怎麼從有限的信息判斷德軍裝甲部隊的規模，你所支持的球隊有多大可能贏得冠軍，在《龍與地下城》勇士中，你應當對遊戲角色屬性的*值有什麼樣的指望，甚至在普通的彩彈射擊遊戲中，擁有一些貝葉斯思惟也能幫助到你提升遊戲水平。

除此之外，本書在共計15章的篇幅中討論了怎樣解決十幾個現實生活中的實際問題。在這些問題的解決過程當中，做者還潛移默化的幫助讀者造成了建模決策的方法論，建模偏差和數值偏差怎麼取捨，怎樣爲具體問題創建數學模型，如何抓住問題中的主要矛盾（模型中的關鍵參數），再一步一步的優化或者驗證模型的有效性或者侷限性。在這個意義上，這本書又是一本關於數學建模的成功樣本。

20機率編程實戰

人工智能領域的先驅、美國加州大學伯克利分校教授Stuart Russell做序推薦！一本難以想象的Scala機率編程實戰書籍！

編輯推薦

機率推理是機器學習的核心方法之一，本書旨在向程序員，特別是Scala開發人員揭開機率建模的神祕面紗，以幫助程序員們高效地使用機率編程系統。 藉助機率編程系統，經過應用特定的算法，你的程序能夠肯定不一樣結論的機率。這意味着你能夠預測將來事件，如銷售趨勢、計算機系統故障、試驗結果和其餘許多重要的關注點。 

本書的主要內容 ● 機率建模入門 ● 用Figaro 編寫機率程序 ● 構建貝葉斯網絡 ● 預測產品生命週期 ● 決策算法 本書使用的Figaro機率編程語言是Scala庫，這使得機率編程模型更容易與Java虛擬機應用集成。同時，Figaro具有了目前機率編程系統中很是普遍的表現特徵和推理算法。Figaro仍是一個開源GitHub項目，全新版本號爲3.3。

內容簡介

機率推理是不肯定性條件下作出決策的重要方法，在許多領域都已經獲得了普遍的應用。機率編程充分結合了機率推理模型和現代計算機編程語言，使這一方法的實施更加簡便，現已在許多領域（包括煊赫一時的機器學習）中嶄露頭角，各類機率編程系統也如雨後春筍般出現。 本書的做者Avi Pfeffer正是主流機率編程系統Figaro的首席開發者，他以詳盡的實例、清晰易懂的解說引領讀者進入這一過去使人望而生畏的領域。通讀本書，能夠發現機率編程並不是「瘋狂科學家」們的專利，無需艱深的數學知識，就能夠構思出解決許多實際問題的機率模型，進而利用現代機率編程系統的強大功能解題。 本書既能夠做爲機率編程的入門讀物，也能夠幫助已經有必定基礎的讀者熟悉Figaro這一律率編程利器。

21. 趣學算法

50 多個實例循展現算法的設計、實現、複雜性分析及優化過程 培養算法思惟 帶您感覺算法之美

編輯推薦

本書從算法之美娓娓道來，沒有高深的原理，也沒有枯燥的公式，經過趣味故事引出算法問題，包含50多個實例及完美圖解，結合學生提問，分析算法本質，並給出代碼實現的詳細過程和運行結果。 

本書的特點和價值： （1）實例豐富，通俗易懂 （2）完美圖解，簡單有趣 （3）深刻淺出，透析本質 （4）實戰演練，按部就班 （5）網絡資源，技術支持 

內容簡介

本書內容按照算法策略分爲7章。第1章從算法之美、簡單小問題、趣味故事引入算法概念、時間複雜度、空間複雜度的概念和計算方法，以及算法設計的爆炸性增量問題，使讀者體驗算法的奧妙。第2～7章介紹經典算法的設計策略、實戰演練、算法分析及優化拓展，分別講解貪心算法、分治算法、動態規劃、回溯法、分支限界法、線性規劃和網絡流。每一種算法都有4～10個實例，共50個大型實例，包括經典的構造實例和實際應用實例，按照問題分析、算法設計、完美圖解、僞代碼詳解、實戰演練、算法解析及優化拓展的流程，講解清楚且通俗易懂。附錄介紹常見的數據結構及算法改進用到的相關知識，包括sort函數、優先隊列、鄰接表、並查集、四邊不等式、排列樹、貝爾曼規則、增廣路複雜性計算、zui大流zui小割定理等內容。 本書可做爲程序員的學習用書，也適合從未有過編程經驗但又對算法有強烈興趣的初學者使用，同時也可做爲高等院校計算機、數學及相關專業的師生用書和培訓學校的教材。