2021 书单推荐 | 15 本高分 AI 书籍，通通免费读

内容提要：目前，市面上的人工智能书籍并很多，做为一名人工智能爱好者，该如何筛选书单？新年伊始，KDnuggets 整理了一份 AI 书单，请你们按需取用。

原创：HyperAI超神经

关键词：AI 书单 机器学习 数据科学

---

专一于机器学习、大数据、分析学的顶级网站 KDnuggets，近期整理了一份书单，共 15 本书籍，涵盖机器学习、NLP、数据科学等多个方向，书籍的做者也都是来自人工智能领域的顶尖学者、研究者。

不管你是刚开始接触人工智能的初学者，仍是对相关技术已经有所掌握，清单中的这些书籍总有一款适合你。全部书籍均可免费在线阅读，能够说很是 nice 了。

简介：这是一本实践性很强的书籍，重点关注进行数据科学和使用 Python 实现机器学习模型。它很好地解释了相关的理论，并根据须要引入了必要的数学运算，所以为全篇奠基了良好的节奏。

阅读地址：

https://people.smp.uq.edu.au/...

简介：文本挖掘是一种从文本数据中，抽取有价值的信息和知识的计算机处理技术，也是天然语言处理的热门话题。

本书主要介绍整洁数据的文本挖掘与分析，全部代码都是基于 R 语言来编写的，对于 R 语言新手来讲很不错。

全书一共分 9 个章节，介绍了如何使用基于 R 的整洁工具来进行文本分析。整洁数据具备简单且新颖的结构，对其进行分析会更有效、更容易。

阅读地址：

https://github.com/dgrtwo/tid...

简介：本书由哈佛大学 Miguel Hernan、Jamie Robins 教授编著，对因果推理的概念和方法作了系统性阐述。该书在知乎等各大平台一直呼声很高，是众多计量学者期待已久的书籍。

因果推理是一个复杂的、一应俱全的主题，但本书的做者尽其所能，将他们认为最重要的基本方面浓缩到大约 300 页的文字中。若是你对创建本身的概念基础感兴趣，这本书多是你的首选。

阅读地址：

https://cdn1.sph.harvard.edu/...

简介：这本书在第二章介绍了统计概念，从这一章开始，这些概念便相互依存，并引起了更高级的主题，如统计推断，置信区间，假设检验，线性回归，机器学习等。

荐书者表示，这是他一直在等待的资源，以他一直想要的方式有效地学习 Julia 的数据科学，但愿也对你的口味。

阅读地址：

https://statisticswithjulia.o...

简介：在许多当代书籍中，数据科学已简化为一系列编程工具，若是掌握了这些工具，它们有望为你完成数据科学。

一直以来，其它书籍彷佛不多强调与代码分离的基本概念和理论。本书是与此趋势相反的一个很好的例子，毫无疑问，这本书将为你提供扎实的基础知识，为你从事数据科学事业提供必要的理论知识。

阅读地址：

本书连接

简介：一旦重数学（math-heavy）理论可能带来的冲击消失，你会发现从偏方-方差权衡到线性回归、模型验证策略、模型提高、内核方法、一直到预测问题等主题，都会获得完全的处理。而这样透彻处理的好处是，你的理解将比仅仅掌握抽象的直觉更深刻。

阅读地址：

https://www.cs.huji.ac.il/~sh...

简介：这本书从描述 NLP 缓缓展开，介绍了如何使用 Python 来执行一些 NLP 编程任务，以及如何访问天然语言内容来处理，而后转向更宏大的概念，包括概念(NLP)和编程(Python)。

很快，它就涉及到分类、文本分类、信息抽取以及其余一般被认为是经典天然语言处理的主题。

在经过这本书了解了 NLP 的基础知识后，你就能够继续学习更现代和前沿的技术。

阅读地址：

https://www.nltk.org/book/

简介：本书的做者之一 Jeremy Howard，是大数据竞赛平台 Kaggle 的前主席和首席科学家。他本人仍是 Kaggle 的冠军选手。他也是美国奇点大学（Singularity University）最年轻的教职工。

合著者 Sylvain 是法国巴黎高等师范学院的校友，并得到巴黎十一大学（法国奥赛）的数学硕士学位。他也是 fast.ai 的前任老师和研究科学家，致力于经过设计和改进容许模型在有限资源上进行快速训练的技术来使深度学习更加容易。

这本书的不同凡响之处在于，它是「自上而下」来说解的。它经过真实的例子来说解一切。在构建这些示例时，会愈来愈深刻，会告诉读者如何让其项目愈来愈好。这意味着，读者将在上下文中逐步学习他们所须要的全部理论基础，从而了解其重要性，以及它如何工做。

做者表示，他们花了不少年的时间来创建工具和教学方法，使之前复杂的主题变得很是简单。

阅读地址：

http://50315d5e32ce03ba1773cc...

简介：这本书在亚马逊共 1200 多个评分，平均评分为 4.6（满分 5 分），这就说明了，大多数读者都认为该书颇有用。不少读者认为，这本书深刻浅出，以一种易于理解的方式进行了介绍，并带动你去使用 Python 语言写简单项目的代码中。

本书中说起到的知识点都很是浅显易懂，十分适合入门学习。

阅读地址：

http://do1.dr-chuck.com/pytho...

简介：若是你对实际的 AutoML 知之甚少，那么也没必要担忧。本书以扎实的主题介绍开始，并逐章明确列出了值得读者期待的每一章，这在一本由独立的章节组成的书中是很重要的。

以后，在本书的第一部分，你能够直接阅读有关当代 AutoML 的重要主题，并对此满怀信心，由于这本书是在 2019 年被整理、编辑的。第一部分以后，将介绍用于实现这些 AutoML 概念的六种工具。

最后一部分是对 2015 年至 2018 年期间，存在了几年的 AutoML 挑战系列的分析，在这段时间里，人们对机器学习的自动化方法的兴趣，彷佛出现了爆炸式增加。

阅读地址：

https://www.automl.org/wp-con...

简介：这本《深度学习》应该不须要过多介绍，它由人工智能界的领军人物 Ian Goodfellow，Yoshua Bengio 以及 Aaron Courville 合著。马斯克曾经评价道：「《Deep Learning》由领域内三位专家合著，是该领域内惟一的综合性书籍。」

本书的结构，第一部分介绍基本的数学工具和机器学习的概念，第二部分介绍最成熟的深度学习算法，而第三部分讨论某些具备展望性的想法，它们被普遍地认为是深度学习将来的研究重点。

阅读地址：

https://www.deeplearningbook....

简介：本书的独特之处在于，做者采用了「经过实践来学习」的理念，整本书都包含了可运行的代码。做者试图将教科书的优势(清晰度和数学)，与实践教程的优势(实践技能、参考代码、实现技巧和直觉)结合起来。每一个章节经过多种形式，交织散文，数学，和一个自包含的实现，教你一个关键思想。

阅读地址：

https://d2l.ai/

简介：这本书的第一部分涵盖了纯粹的数学概念，彻底没有涉及机器学习。第二部分将注意力转向将这些新发现的数学技能应用于机器学习问题。

根据读者的意愿，能够采起自上而下或自下而上的方法，来学习机器学习及其潜在的数学知识。

阅读地址：

https://mml-book.github.io/bo...

简介：本书是亚马逊上的高分做品，做者是斯坦福大学的三位统计学教授。

做者对于如何传达他们的专业知识，有一种本身的方法。他们的方法彷佛遵循了一种逻辑有序的方法，即读者应该在何时学习什么。然而，单独的章节也是独立的，因此拿起这本书，就能够直接进入模型推理的章节，只要你已经理解了这本书以前的内容。

阅读地址：

https://web.stanford.edu/~has...

简介：本书做者是来自南加利福尼亚大学、斯坦福大学和华盛顿大学的四位教授，他们都有统计学背景。这本书比《The Elements of Statistical Learning（统计学习基础）》更为实用，它给出了一些使用 R 语言实现的案例。

阅读地址：

https://statlearning.com/ISLR...

这些书籍不只口碑极高，并且英文原版书都价格不低，基本在 50-100 美圆不等。如今免费就可阅读，读到就是赚到呢~

资料来源：

https://www.kdnuggets.com/202...