新闻中心

推荐几本人工智能方面的书入门级

1、《科学的极致——漫谈人工智能》这本书从人类灵魂的最深处探索人工智能，探讨了智能、意识和哥德尔定理等问题。它没有华丽的辞藻和学术权威的架子，但却在字里行间渗透出那股热爱科学、乐于探索的赤子之心。

2、《人工智能基础教程》，作者：朱福喜。《奇点临近》，作者：雷·库兹韦尔。《机器学习导论》，作者：张志华。《神经网络与机器学习》，作者：申富饶。《人工智能导论》，作者： 刘峡壁。《人工智能智能系统指南》，作者：耐格纳威斯基。《人工智能基础》，作者：高济。

3、笔者推荐4本科普书，对于大多数人来说，阅读难度不高，公式和理论少，内容有趣，能读得下去；信息较新鲜且全，要有一定阅读价值，能够有深入的思考当然更好。书单不长，只用做科普入门。

4、《深度学习》深度学习领御奠基性的经典畅销书，长期位居亚马逊AI和机器学习类图书榜首。《人工智能》智能革命时代先行者李开复解读AI如何重塑个人、商业与社会的未来图谱。《人工智能简史》全方位解读人工智能的起源、神经网络、遗传算法、深度学习、自然语言处理等知识，深度点评AI历史趋势。

5、走近2050——注意力、互联网与人工智能 我们将不得不面对这样的现实：我们的工作岗位将会越来越多地被机器所替代，那么这些丢掉工作的人们究竟能干什么？《走近2050》这本书给出了非常有意思的答案——这些人只需要做一件事，就是给机器付出大量的注意力——因为注意力恰恰是机器不断进化的最终动力。

有哪些在机器学习数据挖掘方面造诣颇深的中国高校教师?

冯磊能够如此年轻地成为一名高校教师，与他的学习经历有一定关系。 冯磊博士就读于世界名校新加坡南洋理工大学，这所高校是全球高校人工智能学术联盟创始成员，在人工智能方面有些较深的研究，在相关人才培养方面具备丰富的经验。 而冯磊在南洋理工大学攻读博士期间，主要研究方向就是机器学习、数据挖掘和人工智能。

孙松林 孙松林老师作为一个数字信号老师，他的课真的非常的有条理，无论何时都会在课前为我们提供一个整体的思路，同时孙老师与众不同的便是不仅仅停留在理论知识，更多的会提供我们这些知识点将在哪里进行应用，也让我们的对所学的知识点不再迷茫。非常值得我们一听。

造诣颇深：它指运用学问、文武、艺术等所达到的程度、境界、水平，只有道行而无修为者谈不上造诣。用于在某行业有一定成就的人，一般用在有名气的人身上。如：他是在历史学、考古学、古文字学、古器物学、文学、艺术等方面造诣颇深的学者。他在机器学习数据挖掘方面造诣颇深。

庄恩平 庄老师的《跨文化交际》这门课程也很有必要去蹭一蹭，老师博学多识，幽默风趣，富有经验和激情，面对各国的文化差异，课上通过老师组织有趣的表演来了解各种应对法则，拓宽了学生的国际视野。

从此便将青春交给了那一方三尺讲台。年年岁岁课相似，岁岁年年味不同，这是学生们对华师数学老师代晋军课堂最好的评价。由于信息技术的飞速发展，传统的手段在“千禧宝宝”面前显得有点老土。他抓住一切机会学习这些先进的技术，并且熟练掌握。

国内哪些高校老师在机器学习数据挖掘方面做的不错

我觉得这个是首推的。数据挖掘在国内好像没有国家重点实验室，但是有两个教育部重点实验室，分别是吉大和人大。如果你要去北京的高校，建议是中科院（自动化所和计算所），清华，北大，人大。北航和北邮的计算机都不是以数据挖掘为优势吧，呵呵。

数据分析牛人 （排名不分先后）沈浩老师中国传媒大学教授，这位老师给我深的印象就是比较喜欢旅游、爱摄影，除此之外更多的介绍还一下子想不起来。不过在博客分享了很多非常好的数据分析方法、数据可视化等。刘万祥ExcelPro刘万祥老师，《Excel图表之道》、《用地图说话》作者。

国内有数据分析和数据挖掘的牛人有：清华计算机系的唐杰、中国传媒大学教授沈浩、SAS公司首席咨询顾问张磊、刘万祥等。简单介绍几个：沈浩老师中国传媒大学教授，这位老师给我深的印象就是比较喜欢旅游、爱摄影，除此之外更多的介绍还一下子想不起来。不过在博客分享了很多非常好的数据分析方法、数据可视化等。

国内数据挖掘和机器学习其他方面对于学生的影响机器学习或统计学习（理论方法）：这些工作的重点是根据当前方法的不足或当前统计理论解释这些方法的假设。因此，这项研究导致了现有方法的补充或解释现有方法的理论的普遍化。

机器学习的书籍选择有哪一些呢?

很多人选择python作为工具是因为python语法简单，功能强大，而且像scikit-learn这样的机器学习类库众多。这本书详细地讲解了scikit-learn，并引导我们应用它来做数据分析。这本书的作者推崇在编写算法的同时进行可视化。因此，你不仅能学到如何编写算法，还能学会对数据进行可视化。

刚入门建议看机器学习导论，那本书很多知识讲的很浅显。

教材建议使用吉尔伯特·斯特朗 （Gilbert Strang） 的 《线性代数导论》（Introduction to Linear Algebra ）。吉尔伯特·斯特朗在麻省理工学院一直讲述线性代数，他的网上视频课程堪称经典。

机器学习精讲 机器学习原理算法与应用教程，精简机器学习入门手册，美亚机器学习深度学习畅销书，全彩印刷，扫描书中二维码可阅读补充内容，人工智能和机器学习领域众多知名专家推荐。

机器学习书籍选择?

如果你对大数据和机器学习感兴趣，那么我极力推荐这本书，但是这有一个前提，那就是你有一定的背景知识。Python机器学习 在我之前提到的书中，几乎没有限定语言的。而这本SebastianRaschka的450多页的书将打破这一记录。对于想学习机器学习的python开发人员来说，这本是最好的导论。

刚入门建议看机器学习导论，那本书很多知识讲的很浅显。

教材建议使用吉尔伯特斯特朗 （Gilbert Strang） 的 《线性代数导论》（Introduction to Linear Algebra ）。吉尔伯特斯特朗在麻省理工学院一直讲述线性代数，他的网上视频课程堪称经典。