lit

这里只有文学作品。为自学AI实践者准备的书籍。

这是我在数据科学家职业生涯中发现有用的技术书籍精选集。我主要是自学成才，不过我有心理学、语言学和实验科学的正式背景。我的职业生涯主要围绕NLP（特别是语音），并涉足ML、AI和工程领域的其他方向。

这些书籍按主题排序；每个标题下的书籍大致按照从入门/综合到技术/专业的顺序排列，一些"巨著"列在最后。

我无法保证所有这些书都是以合法方式获得的。

祝你玩得开心 😉

但是等等，camoverride，我完全是新手，甚至不知道从哪里开始！阅读这个以了解更多关于如何开始你的旅程的详细信息。

人工智能

NLTK书

链接

对自然语言处理领域所有主要主题的快速全面概览。这本书非常注重代码，主要依赖原生Python和同名的_NLTK_库，实际上主要作为学习库使用。你应该阅读这本书，一方面是因为它简单实用，另一方面是因为NLP领域的_每个人_似乎都在某个时候读过它。

语音与语言处理

链接

这是自然语言处理的圣经 - 它涵盖了每个主要主题，并对所有主题进行了深入探讨。写得很好，非常新。这本书注重形式和数学，采用学术风格的伪代码，章节中没有Python。如果你能完全理解这本书，你就能胜任NLP世界的任何工作。

深度学习书

链接

深度学习的圣经 - 它广泛涵盖了深度学习的所有主要主题，并对每个主题都有深入探讨。正式、数学化和学术化 - 有些地方这本书难以理解，而其他地方则读起来像一部好小说。如果你想将你的深度学习知识提升到下一个层次，你需要阅读这本书。另外：读它是因为其他人都读过它。

从零到深度学习

链接

这本书非常注重实践：很少有正式的数学但有大量的代码示例。这本书的目的_不是_给读者全面的深度学习知识；相反，它是为了给工程师提供概念框架和工具（keras、tensorflow等），以快速开始解决实际问题。这本书的作者抄袭了我创建的一个ML应用，所以我不觉得把他的书放到网上有什么愧疚。

统计学习要素

链接

对机器学习（包括深度学习）的强大、数学化概述。大多数AI从业者在某个时候都会遇到的一本书。

人工智能：现代方法

链接

人工智能的圣经：你在AI领域遇到的所有背景思想、理论和争论都会在这里呈现。这本书可能感觉有点过时，因为其中介绍的一些技术已经不再使用，但了解该领域的历史与成为理论家或黑客同样重要。

数据科学

机器学习实战

链接

对数据科学实践的扎实介绍。代码和理论的良好结合。这本书涵盖了入门级数据科学家应该熟悉的所有基础知识：描述性统计、建模、数据可视化、深度学习等。重点放在_sklearn_和_tensorflow_上。这是我读的第一本"数据科学家"书籍，足以让我在这个行业找到工作。

SQL手册

链接又一本厚重的O'Reilley教材。我用它学习SQL基础知识，现在还时不时翻阅来解答问题，但我发现SQL Zoo网站对于入门和上手SQL更有帮助，所以我建议先从那里开始，然后再转向这本书。

计算机科学

《编码》

链接

如果你像我一样是自学成才，你可能在掌握了编程/工程的有用部分的同时，对基础知识却知之甚少。然而，你可能和我一样，心里总有疑问："这些东西到底是如何运作的"——这本书会让你焦虑的心平静下来。从电力和电路的基础知识开始，这本书慢慢地、仔细地讲解了基本硬件部件、逻辑门和汇编语言，最后你终于会明白代码是如何__真正__工作的。