人工智慧、機器學習及數學基礎經典著作24本PDF下載地址(個別無連結請購買)

經典著作24本PDF下載地址節選自《資訊社會的資料資源概論》科學章。該書約十章：自然、社會、人文、教育、宗教、藝術、技術、哲學、科學等資料資源素材持續收集中，歡迎提供線索或合作。秦隴紀陸續蒐集傾向於文字媒體諸如政府、媒體、醫學、體育、建築等資料，為《資訊社會的資料簡化概述》提供資料來源，對知識文字基於詞頻統計共現分析、時空序列分析等方法做溯源和簡化，以搭建知識庫等。可下載壓縮包。

文末附下載地址

01 人工智慧經典著作PDF下載地址 (1552字)

▌1 The Quest for Artificial Intelligence人工智慧的探索

史丹佛大學這本書回顧了人工智慧的歷史，從早期的18世紀先人的夢想，到如今眾多成功的人工智慧技術。

▌2 The Cambridge Handbook of Artificial Intelligence劍橋人工智慧手冊

適合非專業人士閱讀，本書覆蓋了基本原則，主要理論和主要研究領域，還有相關主題，比如人造生命。

▌3 Superintelligence: Paths, Dangers, Strategies超級智慧：路線圖、危險性與應對策略

作者Nick Bostom是牛津大學教授和教員。非常好的一本書；書中問：如果機器在智慧上超越人類會怎樣。Bostom使用了很棒的類比來說明了當通用人工智慧的心智比人類更強時會發生什麼。寫作這本書的過程中，地球上大猩猩和其它所有物種的命運都掌握在人類手中，因為人類的大腦能力更強。那麼帶有更強大智慧的人工智慧又將如何看待人類呢？它們會像我們看待大猩猩甚至螞蟻一樣看待我們嗎？它們會滅絕人類以拯救非人類的生物嗎？

▌4 The Emotion Machine:Commonsense Thinking,Artificial Intelligence,and the Future of the Human Mind情感機器：常識思維、人工智慧和人類思維的未來

這部讓人腦洞大開的圖書中，科技先鋒繼續了他極具創造力的研究，給我們呈現了一個全新的不可思議的人類大腦運轉模式；The Emotion Machine:Commonsense Thinking,Artificial Intelligence,and the Future of the Human Mind情感機器：常識思維、人工智慧和人類思維的未來

▌5 Artificial Intelligence:A New Synthesis人工智慧：一種新的綜合

從粒子反應入手，Nilsson逐漸向我們展示了人工智慧中最重要和最新的概念。

▌6 The Master Algorithm——How The Quest For The Ultimate Learning Machine Will Remake Our World終極演算法：機器學習和人工智慧如何重塑世界

演算法專家、機器學習先驅人物佩德羅•多明戈（Pedro Domingo）2015年發表The Master Algorithm: How The Quest For The Ultimate Learning Machine Will Remake Our World《終極演算法：機器學習和人工智慧如何重塑世界》，詳細介紹機器學習各種方法，將它們與大腦中的神經連線、邏輯和概率等進行了比較，作深入淺出的解釋，並描述機器學習如何重塑商業、政治、科學和戰爭。書名來自於最終可完美理解全世界及人們是如何運作或工作的虛構終極演算法（又譯主演算法），該書大綱介紹終極演算法是一種“能夠從資料中獲取所有知識的全能學習者”。

《終極演算法：機器學習和人工智慧如何重塑世界》描述了機器學習是如何改造商業、政治、科學和戰爭；詳細介紹了機器學習的各種方法，並通過將它們與大腦中的神經連線，用邏輯和概率等進行比較來解釋它們，揭祕機器學習的終極邏輯。其中所述機器學習五大學派，梳理出了能否一統江湖的深度學習學派。該書大膽設想了一個改變機器學習模式，最終會改變我們生活的“終極演算法”——Pedro Domingos說，如果這個演算法真的存在，那麼它應該可以獲得所有知識，無論過去、現在還是將來的。理論上，這種演算法可以僅通過Tycho Brach（一位天文學家）的觀測結果推匯出牛頓定律，而不需要了解之前的任何定律。

▌7 Augmented: Life in The Smart Lane智慧浪潮：增強時代來臨

Moven創始人兼執行長佈雷特•金（Brett King）撰寫的亞馬遜排行榜暢銷書Augmented: Life in The Smart Lane《智慧浪潮：增強時代來臨》，著眼於新“增強時代”，解釋了增強時代將如何顛覆社會現狀、引起社會混亂，並改變我們人類的行為方式。佈雷特·金採訪了媒體、醫療、社會學、消費者行為、商業等不同領域傑出專家，集思廣益並勾勒出未來世界在智慧化技術的影響下會出現怎樣的變化，以及我們如何去適應智慧世界生活。以故事和案例角度，通過整體社會學資訊，從真實科技而不是單純暢想科技的角度描繪這接下來20~30年世界的作者。該書還深入闡述了機器人將如何取代人類工作，舉出大量案例和豐富圖片向我們展示了一個智慧的未來，研究機器人將如何取代人類工作，以及人工智慧是否會將我們人類劃入到下等智慧。

King認為四大關鍵因素將決定我們今後幾年的生活方式：人工智慧，智慧基礎設施，醫療技術以及他所謂的嵌入式和分散式體驗。最後一個類別包括像Facebook這樣的公司進行了大量投資的虛擬技術，以及King所描述的“一切都能夠提供反饋”的“物聯網”概念。《智慧浪潮》是關於未來的書，但更重要的是，書中的故事暢想了未來二十年世界的變化將比過去二百五十更翻天覆地，你準備好適應這樣的生活了嗎？

02 機器學習經典著作PDF下載地址 (1680字)

▌1 Machine Learning機器學習

首推1997年首版的經典著作，被引用無數次，介紹了計算機演算法如何讓機器不斷自我提升。本書涵蓋機器學習領域，這是一種演算法研究，允許計算機程式通過經驗自動改進。書中介紹了構成機器學習核心的關鍵演算法和理論，很多學習風格，討論理論問題，諸如：學習表現（learning performance）如何隨訓練範例表徵的數目而變化？哪種學習演算法最適合於不同型別的學習任務？DLC：計算機演算法。作者Tom M. Mitchell是CMU電腦科學系教授。這本書有意寫給機器學習方向高年級本科課程和入門水平研究生課程，無需有人工智慧背景知識，應該是你踏入人工智慧領域要讀的入門書。雖然難以覆蓋機器學習中的最新進展，但對於基本理論和核心演算法的論述依然鞭辟入裡，畢竟經典理論經得起時間的考驗。這本書側重於廣度，並不涉及大量複雜的數學推導，是比較理想的入門書籍。作者曾在自己的主頁上說本書要出新版，並補充了一些章節的內容，也許近兩年可以期待新版本的出現。

▌2 Elements of Statistical Learning統計學習基礎

強調的是各種學習方法的內涵和外延，相比於具體的推演，通過方法的來龍去脈來理解其應用場景和發展方向恐怕更加重要。不用大量複雜數學公式來嚇唬人（專於演算法推導的書除外），是一本經典著作。Trevor Hastie等人所著，2016年第二版，沒有中譯，只有影印本。

▌3 Pattern Recognition and Machine Learning模式識別與機器學習

將機器學習看成一個整體，不管於基於頻率的方法還是貝葉斯方法，不管是迴歸模型還是分類模型，都只是一個問題的不同側面。作者開啟上帝視角，將機器學習林林總總都納入一張巨網之中，多數讀者跟不上他高屋建瓴的思路。這本煌煌鉅著Christopher Bishop所著2007年出版，無中譯本。

▌4 Deep Learning深度學習

這本線上書是最新的，並在持續更新，深入地涵蓋了廣泛的主題(到目前為止包括序列到序列學習）。知名深度學習大咖Yoshua Bengio，Ian Goodfrior和Aaron Courville把關於深度學習的免費書(和草稿)放在一起，國內已有翻譯。

▌5 Deep Learning.Methods and Applications深度學習方法與應用

這本書目的是提供一個各種訊號和資訊處理任務的深度學習方法及其應用的概述。按照如下三個標準選擇應用領域：1)作者的專長或知識；2)已通過成功使用深度學習技術(如語音識別)而改變的應用領域。(3)有可能受到深度學習顯著影響的應用領域，以及獲得集中研究努力的應用領域，包括通過多工深度學習來實現的自然語言與文字處理、資訊檢索（information retrieval）和多模式資訊處理等。最後在第12章中總結前幾章中提出的內容，並討論了未來的挑戰和方向。

▌6 Information Theory, Inference and Learning Algorithms資訊理論、推理與學習演算法

作者David J C MacKay是一位全才型的科學家，2003年成書，中譯本《資訊理論，推理與學習演算法》。這本書也並非機器學習的專著，而是將多個相關學科熔於一爐，內容涉獵相當廣泛。相比於前皮膚著臉的教科書，閱讀本書的感覺就像在和作者聊天，他會在談笑間丟擲各種各樣的問題讓你思考。廣泛的主題使本書的閱讀體驗並不輕鬆，但可以作為擴充套件視野的一個調節。

▌7 Neural Networks and Deep Learning神經網路與深度學習

神經網路和深度學習是目前解決影像識別、語音識別和自然語言處理等諸多問題的最佳方案。這本書將教你神經網路與深度學習背後的核心概念。免費線上書，作者Michael Nielsen邁克爾·尼爾森是一個科學家，作家和程式設計師；是Y Combinator Research研究員，也是“Distil蒸餾”雜誌指導委員，並偶爾為“ Quanta Magazine定量雜誌”撰寫專欄文章。

▌8 Machine Learning:A Probabilistic Perspective機器學習的概率視角

這本小書對機器學習給出了詳盡的介紹，並從概率視角做了闡述。

▌9 李航博士《統計學習方法》和周志華教授《機器學習》

首推兩部國內機器學習著作：李航博士所著《統計學習方法》勝在深度，周志華教授《機器學習》勝在廣度。在具備廣度的前提下，可以根據《機器學習》中提供的豐富參考文獻繼續深挖。

《統計學習方法》採用“總-分-總”結構，梳理統計學習基本概念後，系統全面地介紹統計學習中10種主要方法，最後對這些演算法做了總結與比較。這本書以數學公式為主，介紹每種方法時都給出了詳盡的數學推導，幾乎不含任何廢話，因而對讀者的數學背景也提出了較高的要求。

《機器學習》覆蓋範圍更廣，具有更強的導論性質，有助於瞭解機器學習全景。書中涵蓋了機器學習中幾乎所有演算法類別的基本思想、適用範圍、優缺點與主要實現方式，穿插大量通俗易懂的例項。

03 數學基礎經典著作PDF下載地址 (116字)

▌1 Introduction to Linear Algebra線性代數導論

▌2 Linear Algebra and its Applications線性代數及其應用

▌3 A First Course in Probability（8th edition）概率論第一課(第八版)

▌4 Probability Theory: The Logic of Science概率論：科學的邏輯

▌5 Statistical Inference統計推斷

▌6 Convex Optimization凸規劃

▌7 Elements of Information Theory資訊理論基礎

人工智慧、機器學習及數學基礎經典著作24本PDF下載地址(個別無連結請購買)

http://www.aibbt.com/a/13778.html

人工智慧、機器學習及數學基礎經典著作24本PDF下載地址