人工智能、深度学习、机器学习书目推荐

2024-03-07 08:28

本文主要是介绍人工智能、深度学习、机器学习书目推荐,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

AI入门书籍

人工智能基础

《Python神经网络编程》[英]塔里克·拉希德(TariqRashid)中国工信部出版社入门强推,非常清晰的描述基于神经网络的人工智能基本原理,入门必看书目
《统计学习方法》李航清华大学出版社人工智能必备数学基础,需要一定的数学知识(一般来说高数足以)
《机器学习》又名”西瓜书“周志华清华大学出版社入门人工智能的必备书籍,机器学习是人工智能的基础,机器学习的学习有两种途径,一种是吴恩达的视频,一种是周教授的西瓜书
《深度学习》又名”花书“[美] 伊恩·古德费洛 / [加] 约书亚·本吉奥 / [加] 亚伦·库维尔人民邮电出版社人工智能进阶版读书,人工智能领域”圣经“,涵盖当今所有人工智能的基本原理,包括图像、语音、大模型、多模态等等,人工智能专业人士桌前必备书籍之一
《神经网络与机器学习》[加] Simon Haykin机械工业出版社我没看过,网上推荐的,从目录来看,也是从机器学习角度来描述人工智能的进阶书籍

工具和实践类书籍

动手学深度学习(PyTorch版)阿斯顿·张(Aston Zhang) / 李沐(Mu Li) / [美] 扎卡里·C. 立顿(Zachary C. Lipton) / [德] 亚历山大·J. 斯莫拉(Alexander J. Smola)人民邮电出版社非常详细的工具书,从环境搭建、到第一行代码再到完成的project,就算事先没有理论基础,也可照着本书一步步理解一步步做,是零基础必备工具书之一
Python深度学习:基于PyTorch吴茂贵 / 郁明敏 / 杨本法 / 李涛 / 张粤磊机械工业出版社也算比较基础的一本书,从Numpy开始讲深度学习里面的数据结构,介绍了深度学习领域中常见的比如可视化操作,后面介绍了各种神经网络,是一本可以随时查阅的代码工具书
深入浅出PyTorch――从模型到源码张校捷电子工业出版社功能和上一本差不多,可以互相补充
机器学习实战 (原书第2版)[法] Aurélien Géron机械工业出版社全书一般再讲机器学习,一般在讲机器学习,对两者都有学习需求的,可以参考
TensorFlow技术解析与实战李嘉璇人民邮电出版社基于TensorFlow的深度学习工具书,亮点在于包括了一些移动端Web应用的构建,有需要应用部署层面的可以参考

具体分支入门书籍

图像处理

数字图像处理[美]冈萨雷斯电子工业出版社图像处理相关必读书、专业教材、必备桌前书、涵盖基本图像处理的原理,是做图像相关的同学必不可少的书籍
Python图像处理实战[印度] 桑迪潘·戴伊人民邮电出版社实践类书籍,从Python 角度来教你码代码,实用性书籍
深度学习技术 : 图像处理入门[中]杨培文 / [中]胡博强清华大学出版社从机器学习、图像处理的基本概念入手,逐步阐述深度学习图像处理技术的基本原理以及简单的实现。亮点是最后通过一个实战案例,介绍如何将模型放入 iOS 程序,制作相应的人工智能手机App

编译、优化、并行

GPU高性能编程CUDA实战Jason Sanders / Edward Kandrot机械工业出版社CUDA 工具书
CUDA 编程:基础与实践樊哲勇清华大学出版社CUDA 工具书
CUDA并行程序设计:GPU编程指南(美)Shane Cook机械工业出版社CUDA 工具书
CUDA C编程权威指南程润伟 / Max Grossman / Ty McKercher机械工业出版社CUDA 工具书

AI 入门必修课

  1. 吴恩达机器学习:https://www.bilibili.com/video/BV16C4y197St/?spm_id_from=333.337.search-card.all.click&vd_source=11907f71afa488b0522716ec50ac2435
  2. 斯坦福李飞飞 计算机视觉: https://www.bilibili.com/video/BV1tW421A72B/?spm_id_from=333.337.search-card.all.click&vd_source=11907f71afa488b0522716ec50ac2435
  3. 清华大学 大模型基础:https://www.bilibili.com/video/BV1UG411p7zv/?p=1&vd_source=11907f71afa488b0522716ec50ac2435

深度学习必修技能

  • Linux基础 (基本指令、shell)
  • docker基础
  • CUDA 基础
  • Cmake
  • C/C++ Python Pytorch Tensorflow

这篇关于人工智能、深度学习、机器学习书目推荐的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/782918

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学