重磅！首届人工智能本科专业研讨会举办，这个学校已招收第一批本科生

国务院印发了《新一代人工智能发展规划》，要求“完善人工智能领域学科布局，设立人工智能专业”。

教育部印发了《高等学校人工智能创新行动计划》，要求“对照国家和区域产业需求布点人工智能相关专业，加大人工智能领域人才培养力度”。

今年7月，由北京航空航天大学主办了首届“人工智能本科专业研讨会”， 来自清华大学、南京大学、西安交通大学、中国科学技术大学、复旦大学、浙江大学等全国26所一流大学的人工智能专业负责人参加会议。

南京大学黎铭教授介绍了南京大学人工智能学院的人才培养方案。南京大学长期从事机器学习与数据挖掘研究，形成了一支在人工智能领域具有国际影响力的团队。2018年5月成立了人工智能学院，学院基于“夯实基础、深化专业、复合知识、加强实践”的培养思路，已于2018年开始以“计算机科学与技术（人工智能方向）”招收第一批本科生。

关于如何进行人工智能专业设置和建设？人工智能是典型的交叉学科，其研究有三大学派。

第一是符号主义，认为人工智能源于数理逻辑，其专家系统等研究方向在八十年代把人工智能推向高潮；

第二是连接主义，认为人工智能源于仿生学，特别是对人脑模型的研究，当前很热的深度学习属于这一学派；

第三是行为主义，认为人工智能源于控制论，采用感知-动作模式的行走机器人是这一学派的典型代表。

本科专业设置人工智能专业，这也预示了未来人工智能要发展，需要人才和学术建设应该是毫无争议的问题。因此转行入门人工智能需要优先布局，才能抓住风口。

接下来为小伙伴们送上小编精心挑选的人工智能书单。

入门经典篇

《人工智能（第2版）》

[美] 史蒂芬·卢奇（Stephen Lucci） 著

美国经典入门教材，被誉为人工智能领域百科全书。人工智能领域近十年来最前沿教程，更加适合本科生使用。

本书基于人工智能的理论基础， 向读者展示全面、新颖、丰富多彩且易于理解的人工智能知识体系。本书给出诸多的示例、应用程序、全彩图片和人物轶事，以激发读者的阅读和学习兴趣；还引入了机器人和机器学习的相关高级课程，包括神经网络、遗传算法、自然语言处理、规划和复杂的棋盘博弈等。

《深度学习》

【美】Ian Goodfellow（伊恩·古德费洛）著

AI圣经！深度学习领域奠基性的经典畅销书！长期位居美亚AI和机器学习类图书榜首！所有数据科学家和机器学习从业者的bi读图书！特斯拉CEO埃隆·马斯克等国内外众多专家推荐！

深度学习是机器学习的一个分支，它能够使计算机通过层次概念来学习经验和理解世界。因为计算机能够从经验中获取知识，所以不需要人类来形式化地定义计算机需要的所有知识。层次概念允许计算机通过构造简单的概念来学习复杂的概念，而这些分层的图结构将具有很深的层次。本书会介绍深度学习领域的许多主题。

《Python神经网络编程》

[英] 塔里克·拉希德（Tariq Rashid）著

本书用轻松的笔触，一步一步揭示了神经网络的数学思想，并介绍如何使用Python编程语言开发神经网络。本书将带领您进行一场妙趣横生却又有条不紊的旅行——从一个非常简单的想法开始，逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识，并且本书还给出易于理解的微积分简介。

本书为美亚五星畅销书，备受关注。基于Python3.5，全彩印刷，如果只选一本神经网络图书，他是首选。

深度学习篇

《深度学习与TensorFlow实战》

李建军，王希铭， 潘勉 ,许硕贵，孔德兴，张真诚，徐国卿 著

首先简述了神经网络的发展历史，介绍了TensorFlow，书中以一个简单的一元线性回归房价预测模型演示了TensorFlow的工作机制； 三是简单例举了几个以TensorFlow为基础的开源项目。介绍了深度神经网络的外延：机器学习。 书中以机器学习的三个要素：任务（Task）、性能（Performance）、经验（Experience）为核心，阐述了机器学习建立模型的原理。

《深度学习原理与实践》

陈仲铭，彭凌西 著

本书系统全面、循序渐进地介绍了深度学习的各方面知识，包括技术经验、使用技巧和实践案例。本书详细介绍了目前深度学习相关的常用网络模型，以及不同网络模型的算法原理和核心思想。本书利用大量的实例代码对网络模型进行了分析，这些案例能够加深读者对网络模型的认识。

此外，本书还提供完整的进阶内容和对应案例，让读者全面深入地了解深度学习的知识和技巧，达到学以致用的目的。

《Python 深度学习》

[英] 尼格尔·刘易斯（N.D. Lewis） 著

本书是使用Python进行深度学习实践的一本初学指南。本书并未罗列大量的公式，而是通过一些实用的实际案例，以简单直白的方式介绍深度神经网络的两项任务——分类和回归，解析深度学习模型中的一些核心问题，以期让读者对深度学习的全貌有一个清晰的认识。

《Keras深度学习实战》

[意大利]安东尼奥·古利(Antonio Gulli) 著

本书用当前流行的Keras框架实现了大量深度学习算法，构建了众多深度学习模型，并且介绍了深度学习在游戏等实际场合中的应用，特别是本书还介绍了当前火热的生成对抗网络（GAN）的应用。全书通俗易懂，强调实际案例，适合广大的机器学习从业者和爱好者入门与实践。

《精通数据科学：从线性回归到深度学习》

唐亘  著

数据科学入门到实战，介绍数据科学常用的工具——Python、数学基础及模型，讨论数据科学的前沿领域——大数据和人工智能，包括机器学习领域经典的模型、分布式机器学习、神经网络和深度学习等。

《TensorFlow技术解析与实战》

李嘉璇 著

TensorFlow 是谷歌公司开发的深度学习框架，也是目前深度学习的主流框架之一。本书从深度学习的基础讲起，深入TensorFlow框架原理、模型构建、源代码分析和网络实现等各个方面。全书分为基础篇、实战篇和提高篇三部分。

领导“谷歌大脑”的工程师Jeff Dean发来寄语，李航、余凯等人工智能领域专家倾力推荐，包揽TensorFlow 1.1的新特性，技术内容全面，实战案例丰富，视野广阔，人脸识别、语音识别、图像和语音相结合等热点一应俱全，非常适合对深度学习和TensorFlow感兴趣的读者阅读。

《TensorFlow机器学习项目实战》

【阿根廷】Rodolfo Bonnin 著

TensorFlow是Google所主导的机器学习框架，也是机器学习领域研究和应用的热门对象。

本书主要介绍如何使用TensorFlow库实现各种各样的模型，旨在降低学习门槛，并为读者解决问题提供详细的方法和指导。全书共10章，分别介绍了TensorFlow基础知识、聚类、线性回归、逻辑回归、不同的神经网络、规模化运行模型以及库的应用技巧。

本书适合想要学习和了解 TensorFlow 和机器学习的读者阅读参考。如果读者具备一定的C++和Python的经验，将能够更加轻松地阅读和学习本书。

机器学习篇

《机器学习Web应用》

【意】Andrea Isoni（爱索尼克）著

本书讲解如何用Python语言、Django框架开发一款Web商业应用，以及如何用一些现成的库和工具（sklearn、scipy、nltk和Django等）处理和分析应用所生成或使用的数据。本书不仅涉及机器学习的核心概念，还介绍了如何将数据部署到用Django框架开发的Web应用，包括Web、文档和服务器端数据的挖掘和推荐引擎的搭建方法。

本书适合有志于成为或刚刚成为数据科学家的读者学习，也适合对机器学习、Web数据挖掘等技术实践感兴趣的读者参考阅读。

《Python机器学习——预测分析核心算法》

【美】Michael Bowles（鲍尔斯） 著

在学习和研究机器学习的时候，面临令人眼花缭乱的算法，机器学习新手往往会不知 所措。本书从算法和Python 语言实现的角度，帮助读者认识机器学习。

本书专注于两类核心的“算法族”，即惩罚线性回归和集成方法，并通过代码实例来 展示所讨论的算法的使用原则。全书共分为7 章，详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。 本书主要针对想提高机器学习技能的Python 开发人员，帮助他们解决某一特定的项 目或是提升相关的技能。

《Python机器学习实践指南》

【美】Alexander T. Combs 著

机器学习是近年来渐趋热门的一个领域，同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。

本书结合了机器学习和Python 语言两个热门的领域，通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到极致。 全书共有10 章。第1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。 本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。

《NLTK基础教程——用NLTK和Python库构建机器学习应用》

[印度] Nitin Hardeniya 著

NLTK 库是当前自然语言处理（NLP）领域最为流行、使用最为广泛的库之一, 同时Python语言也已逐渐成为主流的编程语言之一。

本书主要介绍如何通过NLTK库与一些Python库的结合从而实现复杂的NLP任务和机器学习应用。全书共分为10章。第1章对NLP进行了简单介绍。第2章、第3章和第4章主要介绍一些通用的预处理技术、专属于NLP领域的预处理技术以及命名实体识别技术等。第5章之后的内容侧重于介绍如何构建一些NLP应用，涉及文本分类、数据科学和数据处理、社交媒体挖掘和大规模文本挖掘等方面。

本书适合 NLP 和机器学习领域的爱好者、对文本处理感兴趣的读者、想要快速学习NLTK的资深Python程序员以及机器学习领域的研究人员阅读。

图像识别篇

《机器学习经典算法剖析——基于OpenCV》

赵春江 著

本书就是出于此目的，对正态贝叶斯分类器、K近邻算法、支持向量机、决策树、AdaBoost、梯度提升树、随机森林、极端随机树、期望极大值、神经网络这十大经典的机器学习算法先进行具体的原理分析，然后给出OpenCV的相关源码的逐句解释，最后完成一个基于OpenCV的应用实例。

《图像局部特征检测和描述》

赵春江  著

本书以OpenCV 2.4.9为研究工具，对其所实现的所有最新的特征检测和描述算法——K-R、Canny、Harris、Shi-Tomasi、FAST、MSER、MSCR、SIFT、SURF、BRISK、BRIEF、ORB、FREAK、CenSurE等进行了详细讲解，不仅分析了它们的原理和实现方法，还进行了详细的源码解析，并且给出了具体的程序实现范例，充分体现了理论与实践相结合的特点。

《数字图像处理与机器视觉》

张铮, 徐超, 任淑霞, 韩海玲 著

《数字图像处理与机器视觉——Visual C++与Matlab实现(第2版)》将理论知识、科学研究和工程实践有机结合起来。

《数字图像处理与机器视觉——Visual C++与Matlab实现(第2版)》结构紧凑，内容深入浅出，讲解图文并茂，适合于计算机、通信和自动化等相关专业的本科生、研究生，以及工作在图像处理和识别领域一线的广大工程技术人员阅读参考。

《OpenCV和Visual Studio图像识别应用开发》

望熙荣，望熙贵 著

OpenCV是可以在多平台下运行、并提供了多语言接口的一个库，实现了图像处理和计算机视觉方面的很多通用算法。

本书是介绍OpenCV结合Visual Studio进行图像识别和处理的编程指南。全书共11章，介绍了OpenCV和Visual Studio的安装设置，以及Core、HighGUI、ImgProc、Calib3d、Feature2d、Video、Objdetect、ML、Contrib等模块，涉及文字处理、照片处理、图像识别、OpenGL整合、硬件设备结合使用等众多方面的功能，最后还给出了综合应用的实例。

本书适合对于图像识别和处理技术感兴趣，并且想要学习OpenCV的应用和编程的读者阅读和参考。

《人脸识别原理及算法——动态人脸识别系统研究 》

熊志勇, 沈理, 刘翼光 著

本书系统总结了人脸识别研究领域，填补国内有关该领域图书的空白，很好地总结了近年人脸识别算法研究成果，并提供了具体算法实现和研究结果，为该领域研究人员提供很好的借鉴。

算法篇

《趣学算法》

陈小玉 著

本书内容按照算法策略分为7章。第1章从算法之美、简单小问题、趣味故事引入算法概念、时间复杂度、空间复杂度的概念和计算方法，以及算法设计的爆炸性增量问题，使读者体验算法的奥妙。第2～7章介绍经典算法的设计策略、实战演练、算法分析及优化拓展，分别讲解贪心算法、分治算法、动态规划、回溯法、分支限界法、线性规划和网络流。

每一种算法都有4～10个实例，共50个大型实例，包括经典的构造实例和实际应用实例，按照问题分析、算法设计、完美图解、伪代码详解、实战演练、算法解析及优化拓展的流程，讲解清楚且通俗易懂。附录介绍常见的数据结构及算法改进用到的相关知识，包括sort函数、优先队列、邻接表、并查集、四边不等式、排列树、贝尔曼规则、增广路复杂性计算、最大流最小割定理等内容。

本书可作为程序员的学习用书，也适合从未有过编程经验但又对算法有强烈兴趣的初学者使用，同时也可作为高等院校计算机、数学及相关专业的师生用书和培训学校的教材。

《Python算法教程》

[挪威]赫特兰（Magnus Lie Hetland） 著

本书用Python语言来讲解算法的分析和设计，主要关注经典的算法，帮助读者理解基本算法问题和解决问题打下很好的基础。

本书用Python语言来讲解算法的分析和设计。本书主要关注经典的算法，但同时会为读者理解基本算法问题和解决问题打下很好的基础。

本书概念和知识点讲解清晰，语言简洁。本书适合对Python算法感兴趣的初中级用户阅读和自学，也适合高等院校的计算机系学生作为参考教材来阅读。

《文本上的算法——深入浅出自然语言处理 》

路彦雄 著

《算法谜题》

【美】Anany Levitin 著

算法是计算机科学领域最重要的基石之一。算法谜题，就是能够直接或间接地采用算法来加以解决的谜题。求解算法谜题是培养和锻炼算法思维能力一种最有效和最有乐趣的途径。

本书是一本经典算法谜题的合集。本书包括了一些古已有之的谜题，数学和计算机科学有一部分知识就发源于此。本书中还有一些较新的谜题，其中有一部分谜题被用作知名IT企业的面试题。全书可分为4个部分，分别是概览、谜题、提示和答案。概览介绍了算法设计的通用策略和算法分析的技术，还附带有不少的实例。谜题部分将谜题按照简单、中等难度和较难三个层级分别列出。提示部分依次给出谜题提示，帮助读者找到正确的解题方向，同时仍然为读者留下了独立求解的空间。答案部分则给出了谜题的详细解答。

《编程之法：面试和算法心得》

July 著

书中的每道编程题目都给出了多种思路、多种解法，不断优化、逐层递进。第1章至第6章分别阐述字符串、数组、树、查找、动态规划、海量数据处理等相关的编程面试题和算法，第7章介绍机器学习的两个算法—K近邻和SVM。书中的每一道题都是面试的高频题目，反复出现在近5年各大公司的笔试和面试中，对面试备考有着极强的参考价值。

神经网络篇

《自己动手写神经网络》

葛一鸣 著

本书讲解通俗易懂，使用简单的语言描述人工神经网络的原理，并力求以具体实现与应用为导向，除了理论介绍外，每一章节的应用和实践都有具体的实例实现，让读者达到学以致用。

本书适合以下类型的读者：对神经网络感兴趣，期望可以初步了解神经网络原理的读者；有一定编程经验，期望学习和掌握神经网络的程序员；期望对神经网络进行实际应用的工程人员；任何一名神经网络爱好者。

《神经网络算法与实现——基于Java语言》

Alan M.F. Souza（艾伦）著

神经网络已成为从大量原始的，看似无关的数据中提取有用知识的强大技术。 Java语言是用于实现神经网络的最合适的工具之一，也是现阶段非常流行的编程语言之一，包含多种有助于开发的API和包，具有“一次编写，随处运行”的可移植性。

本书完整地演示了使用Java开发神经网络的过程，既有非常基础的实例也有高级实例。首先，你将学习神经网络的基础知识、感知机及其特征。 然后，你将使用学到的概念来实现自组织映射网络。 此外，你还会了解一些应用，如天气预报、疾病诊断、客户特征分析和光学字符识别（OCR）等。 最后，你将学习实时优化和自适应神经网络的方法。

本文转载自异步社区。

原文链接

https://www.epubit.com/articleDetails?id=Nbe815a91-e512-4266-bab7-eac00a4c952c

算法 前端开发

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。