编程语言 百科
cysgjj时间2024-10-13 15:10:52分类编程语言浏览66
人工智能的基础书籍有什么推荐？小白一枚，谢谢？
AlphaGo和柯洁九段的巅峰对决将在今日上演！围棋世界冠军柯洁九段将在未来5天之内挑战围棋人工智能AlphaGo。
关于这场“战争”，你想知道的都在下面……分割线
《人工智能》
李开复 王咏刚著
当史蒂夫·乔布斯、比尔·盖茨为毎个桌面、毎个家庭都拥有一台电脑的梦想而努力创业时，当杨致远、拉里·佩奇、谢尔盖·布林为整合全球信息、构建连接全人类的互联网世界而锐意创新时，他们是否能预见到人工智能将如此快地来到我们身边，并在21世纪早期就扮演如此重要的角色？
说到人工智能，大家都觉得它离我们比较遥远，但其实它已经在我们身边：在每个人的手机应用里，美图、淘宝等等这些应用，里边都有人工智能的参与。
人工智能还会影响每一个行业的发展。除此以外，李开复老师也在书中探讨了关于下一代的教育问题：在人工智能时代，如何让孩子继续发挥人类的优势，不被机器取代？
《人工智能的未来》
雷•库兹韦尔著
2. 人工智能智能系统指南（英文版·第2版） （澳）尼格内维特斯基（Negnevitsky,M.） 机械工业出版社
3.《人工智能：理论与实践》（美）迪安 等著，顾国昌 等译 电子工业出版社
4.《人工智能：复杂问题求解的结构和策略》（美）George F.Luger 著，史忠植，张银奎 等译 机械工业出版社
5.《游戏编程中的人工智能技术》（美）布克兰德 著，吴祖增，沙鹰 翻译 清华大学出版社
6.《人工智能游戏编程真言》（美）拉比（Rabin,S.） 主编，庄越挺，吴飞 译清华大学出版社
在机器学习上，首先要推荐的是两部国内作者的著作：李航博士所著的《统计学习方法》和周志华教授的《机器学习》。
希望对你有帮助
人工智能不仅会影响到各个行业和工作场所，而且会影响人类之间的互动的方式。随着人工智能旅程的继续，我们将日益看到它在日常生活中所发挥的先进性。
现在有许多的技术人员、科学家、企业家都在思考我们的AI的未来和对社会的影响，各种作者都已经探讨了这个话题。对于那些着迷于人工智能或想进入这个领域的人来说，阅读关于技术的发展及其潜力将会是一个很好的起点和出发点。
作为一名热爱读者和人工智能技术的追随者，这里有一些关于人工智能的话题的顶级书籍推荐。
近年来，人工智能的兴趣激增是由深度学习驱动的，在感性工作中获得了显著的成果。但是AI有悠久的历史，作者尼尔斯·尼尔森（Nils Nilsson）的“对人工智能的探索”（Nuest Nilsson）是一篇在许多重要进步领域和一些“死胡同”中发挥重要作用的人，对这段历史进行了详尽而全面的回顾。这本书以易于理解的方式描述了人工智能中的许多重要技术，讲述了他们发展的有趣故事以及他们背后的个性。总的来说，这是一个相对轻松、有趣的阅读，照亮了一个深刻而重要的话题。
***s://***.cambridge.org/core/books/the-quest-for-artificial-intelligence/32C727961B24223BBB1B3511F44F343E
佩德罗·多明戈斯的“主算法”是对人工智能的领域的总结***用论了一种哲学的方法。本书回顾了机器学习的一些关键子领域，以综合“主算法”。虽然作者的综合的大方向比较难懂，但是本书提供了对机器学习更广的角度的迷人介绍，这就是人工智能中从支持向量机到进化算法的最重要的神经网络技术。作为另一种简单易懂的阅读书籍的一种，以及最近出现的一些可用的AI书籍，“主算法”的乐观之处在于AI将以各种积极的方式改变世界，从改善卫生保健到应对气候变化等方面。
***s://***.basicbooks***/titles/pedro-domingos/the-master-algorithm/***80465065707/
实际点的话，大佬的书就不用看了，不会有技术细节的，预测未来的话谁都会，当做消遣倒是可以。
基础的机器学习部分推荐李航的《统计学习方法》[_a***_]吴恩达的斯坦福公开课（网易课堂里面有）
关于深度学习或者自然语言处理等，可以看coursera公开课，英文好的话可以直接到YouTube上面搜索观看，比较前沿。
深度前沿一点的书目前国内基本没有，或者就是比较落伍或者晦涩难懂，新出的书也不是什么专家写的，真正的仅有的专家都被创业公司或者大公司高薪聘走了，忙着创业或者攻克核心技术，根本没时间写书。
有兴趣的话，可以关注我的头条号 或者访问我的个人网站: ***.yangwenlong.org
我也不是专家，但是已经研究学习这块两年多了，很多基础理论和学习工程都总结在我的个人网站上，是我的个人学习笔记，供参考，望有用。
如何从概念上分清数据挖掘与数据分析？
***将数据挖掘定义为“在大型数据集中发现模式的过程，其中涉及机器学习，统计数据和数据库系统交叉处的方法”。数据挖掘在90年代和2000年代初期非常流行。一些消息来源说数据挖掘也被称为数据库知识发现（KDD），而另一些人则说它是KDD的阶段之一。但是，最重要的是数据挖掘将来自较大池的数据汇总在一起，并试图找到两个概念或项目之间的关联。例如，它可以找到杏仁与真菌或啤酒与尿布之间的相关性。数据挖掘中用于使数据有意义的更常见操作包括聚类，预测或描述性模型-预测，偏差，数据集之间的相关性，分类，回归和汇总。
数据分析是指“对数据进行提取，清理，转换，建模和可视化，以发现有意义和有用的信息，这些信息可有助于得出结论并做出决策，并可随着时间推移使结果更加精确。"数据分析涉及技术和非技术工具。数据分析有多个阶段，这些阶段可以反复进行以提高准确性并获得更好的结果。数据分析的阶段包括：了解业务目标，数据收集，数据清理，数据处理，通信，优化和重复。
数据挖掘，数据分析之间有七大区别：
1.从定义上说，数据挖掘是指在大量数据中发现模式，数据分析是指提取和组织数据以得出可用于做出明智决策的结论。
2.数据挖掘的覆盖范围包括机器学习，统计和数据库系统，数据分析包括数据挖掘，数据统计，计算机科学，非技术工具。
3.数据挖掘可称为数据库中的知识发现（KDD），数据挖掘是指指描述性，预测性分析，解释性分析等。
4.数据挖掘的慕斯是查找模式，数据分析是为了进行数据测试***设，业务决策。
5.工作人数上来讲，数据挖掘一个人就可以完成，数据分析需要一个较大的团队。
6.数据挖掘的输出结果是输出数据模式，数据分析的结果是经过验证的***设，深入了解数据。
7.数据挖掘的数据结构是是高度结构化的，数据分析的数据结结构化结构化和非结构化。
[免责声明]本文来源于网络，不代表本站立场，如转载内容涉及版权等问题，请联系邮箱:83115484@qq.com，我们会予以删除相关文章，保证您的权利。转载请注明出处：http://www.wnpsw.com/post/20740.html
