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

Python将大量遥感数据的值缩放指定倍数的方法(推荐)

《Python将大量遥感数据的值缩放指定倍数的方法(推荐)》本文介绍基于Python中的gdal模块,批量读取大量多波段遥感影像文件,分别对各波段数据加以数值处理,并将所得处理后数据保存为新的遥感影像... 本文介绍基于python中的gdal模块,批量读取大量多波段遥感影像文件,分别对各波段数据加以数值处

Golang的CSP模型简介(最新推荐)

《Golang的CSP模型简介(最新推荐)》Golang采用了CSP(CommunicatingSequentialProcesses,通信顺序进程)并发模型,通过goroutine和channe... 目录前言一、介绍1. 什么是 CSP 模型2. Goroutine3. Channel4. Channe

五大特性引领创新! 深度操作系统 deepin 25 Preview预览版发布

《五大特性引领创新!深度操作系统deepin25Preview预览版发布》今日,深度操作系统正式推出deepin25Preview版本,该版本集成了五大核心特性:磐石系统、全新DDE、Tr... 深度操作系统今日发布了 deepin 25 Preview,新版本囊括五大特性:磐石系统、全新 DDE、Tree

Node.js 中 http 模块的深度剖析与实战应用小结

《Node.js中http模块的深度剖析与实战应用小结》本文详细介绍了Node.js中的http模块,从创建HTTP服务器、处理请求与响应,到获取请求参数,每个环节都通过代码示例进行解析,旨在帮... 目录Node.js 中 http 模块的深度剖析与实战应用一、引言二、创建 HTTP 服务器:基石搭建(一

Spring Boot 中整合 MyBatis-Plus详细步骤(最新推荐)

《SpringBoot中整合MyBatis-Plus详细步骤(最新推荐)》本文详细介绍了如何在SpringBoot项目中整合MyBatis-Plus,包括整合步骤、基本CRUD操作、分页查询、批... 目录一、整合步骤1. 创建 Spring Boot 项目2. 配置项目依赖3. 配置数据源4. 创建实体类

Java子线程无法获取Attributes的解决方法(最新推荐)

《Java子线程无法获取Attributes的解决方法(最新推荐)》在Java多线程编程中,子线程无法直接获取主线程设置的Attributes是一个常见问题,本文探讨了这一问题的原因,并提供了两种解决... 目录一、问题原因二、解决方案1. 直接传递数据2. 使用ThreadLocal(适用于线程独立数据)

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