2018年最新人工智慧書單，總有一本你愛的丨文末送書

科技 08-15

為什麼大家都在學人工智慧？因為：「機會是留給有準備的人，但成功是留給已經行動的人。」總是被別人的高薪所吸引，卻缺乏行動力的你，桌上永遠還缺乏一本行動的入門書籍。

小編整理了非同步圖書 2018 年人工智慧領域的全新書單，涉及到 Python、深度學習、TensorFlow、Keras、R 語言，我們一起來看看是否有你喜愛的圖書呢？

《人工智慧（第2版）

》

[美]

史蒂芬·盧奇

（

Stephen Lucci

）著

美國經典入門教材，被譽為人工智慧領域百科全書。人工智慧領域近十年來最前沿教程，更加適合本科生使用。

本書基於人工智慧的理論基礎，向讀者展示全面、新穎、豐富多彩且易於理解的人工智慧知識體系。本書給出諸多的示例、應用程序、全彩圖片和人物軼事，以激發讀者的閱讀和學習興趣；還引入了機器人和機器學習的相關高級課程，包括神經網路、遺傳演算法、自然語言處理、規劃和複雜的棋盤博弈等。

《

深度學習與TensorFlow實戰

》

李建軍，王希銘，

潘勉 ,許碩貴，孔德興，張真誠，徐國卿

著

首先簡述了神經網路的發展歷史，介紹了 TensorFlow，書中以一個簡單的一元線性回歸房價預測模型演示了 TensorFlow 的工作機制；三是簡單例舉了幾個以 TensorFlow 為基礎的開源項目。介紹了深度神經網路的外延：機器學習。書中以機器學習的三個要素：任務（Task）、性能（Performance）、經驗（Experience）為核心，闡述了機器學習建立模型的原理。

《

深度學習原理與實踐

》

陳仲銘，彭凌西

著

本書系統全面、循序漸進地介紹了深度學習的各方面知識，包括技術經驗、使用技巧和實踐案例。本書詳細介紹了目前深度學習相關的常用網路模型（ANN、DNN、CNN、RNN），以及不同網路模型的演算法原理和核心思想。本書利用大量的實例代碼對網路模型進行了分析，這些案例能夠加深讀者對網路模型的認識。此外，本書還提供完整的進階內容和對應案例，讓讀者全面深入地了解深度學習的知識和技巧，達到學以致用的目的。

《Python 深度學習

》

[英] 尼格爾·劉易斯（N.D. Lewis）著

本書是使用 Python 進行深度學習實踐的一本初學指南。本書並未羅列大量的公式，而是通過一些實用的實際案例，以簡單直白的方式介紹深度神經網路的兩項任務——分類和回歸，解析深度學習模型中的一些核心問題，以期讓讀者對深度學習的全貌有一個清晰的認識。

《Keras深度學習實戰》

[義大利]安東尼奧·古利(Antonio Gulli), [印度]蘇伊特·帕爾(Sujit Pal）著

本書用當前流行的 Keras 框架實現了大量深度學習演算法，構建了眾多深度學習模型，並且介紹了深度學習在遊戲等實際場合中的應用，特別是本書還介紹了當前火熱的生成對抗網路（GAN）的應用。全書通俗易懂，強調實際案例，適合廣大的機器學習從業者和愛好者入門與實踐。

《

精通數據科學：從線性回歸到深度學習

》

唐亘著

數據科學入門到實戰，介紹數據科學常用的工具——Python、數學基礎及模型，討論數據科學的前沿領域——大數據和人工智慧，包括機器學習領域經典的模型、分散式機器學習、神經網路和深度學習等。

《深度學習實踐指南——基於R語言》

[英] N.D Lewis

著

本書由知名作者 N.D Lewis 撰寫，教讀者使用 R 語言進行深度學習的研究，並順利成長為一名頂級數據科學家。本書分 8 章，介紹了與深度學習相關的知識，包括多種不同的神經網路等。本書能夠帶讀者了解關於深度學習模塊及其工作原理，同時幫助讀者更快速第將所學知識轉化成實際的技能。

《

機器學習實踐指南——基於R語言

》

[英] 尼格爾·劉易斯（N.D. Lewis）著

本書通過對 R 語言的講解，幫助讀者構建機器學習的模型，同時了解一系列與數據科學相關的理論，以及如何利用 R 語言開展研究。本書對讀者的技術背景不做任何要求，專為那些希望構建使用的數據模型的讀者，以及想要掌握高效的數據處理工具的讀者提供了全面的介紹。

《機器學習經典演算法剖析——基於OpenCV》

趙春江著

本書就是出於此目的，對正態貝葉斯分類器、K 近鄰演算法、支持向量機、決策樹、AdaBoost、梯度提升樹、隨機森林、極端隨機樹、期望極大值、神經網路這十大經典的機器學習演算法先進行具體的原理分析，然後給出 OpenCV 的相關源碼的逐句解釋，最後完成一個基於 OpenCV 的應用實例。

《圖像局部特徵檢測和描述》

趙春江

著

本書以 OpenCV 2.4.9 為研究工具，對其所實現的所有最新的特徵檢測和描述演算法——K-R、Canny、Harris、Shi-Tomasi、FAST、MSER、MSCR、SIFT、SURF、BRISK、BRIEF、ORB、FREAK、CenSurE 等進行了詳細講解，不僅分析了它們的原理和實現方法，還進行了詳細的源碼解析，並且給出了具體的程序實現範例，充分體現了理論與實踐相結合的特點。

《

OpenCV和Visual Studio圖像識別應用開發

》

望熙榮，望熙貴著

OpenCV 是可以在多平台下運行、並提供了多語言介面的一個庫，實現了圖像處理和計算機視覺方面的很多通用演算法。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、硬體設備結合使用等眾多方面的功能，最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，並且想要學習 OpenCV 的應用和編程的讀者閱讀和參考。

《文本上的演算法——深入淺出自然語言處理》

路彥雄著

本書結合作者多年學習和從事自然語言處理相關工作的經驗，力圖用生動形象的方式深入淺出地介紹自然語言處理的理論、方法和技術。本書拋棄掉繁瑣的證明，提取出演算法的核心，幫助讀者儘快地掌握自然語言處理所必備的知識和技能。

《

TensorFlow機器學習項目實戰

》

【阿根廷】Rodolfo Bonnin 著

TensorFlow 是 Google 所主導的機器學習框架，也是機器學習領域研究和應用的熱門對象。本書主要介紹如何使用 TensorFlow 庫實現各種各樣的模型，旨在降低學習門檻，並為讀者解決問題提供詳細的方法和指導。全書共 10 章，分別介紹了 TensorFlow 基礎知識、聚類、線性回歸、邏輯回歸、不同的神經網路、規模化運行模型以及庫的應用技巧。本書適合想要學習和了解 TensorFlow 和機器學習的讀者閱讀參考。如果讀者具備一定的 C++ 和 Python 的經驗，將能夠更加輕鬆地閱讀和學習本書。

《Python神經網路編程》

[英] 塔里克·拉希德（Tariq Rashid）

著

本書用輕鬆的筆觸，一步一步揭示了神經網路的數學思想，並介紹如何使用 Python 編程語言開發神經網路。本書將帶領您進行一場妙趣橫生卻又有條不紊的旅行——從一個非常簡單的想法開始，逐步理解神經網路的工作機制。您無需任何超出中學範圍的數學知識，並且本書還給出易於理解的微積分簡介。本書為美亞五星暢銷書，備受關注。基於 Python3.5，全彩印刷，如果只選一本神經網路圖書，他是首選。

送書福利

點擊下圖小程序參與抽獎，本次選出 10 位幸運用戶送出《Keras 深度學習實戰》一本。