读书是一种信仰｜人工智能和大数据经典好书推荐（持续更新中）

摘要：内容提要： 本书旨在帮助读者理解数据挖掘方法的基础知识，并实现无需编写代码就能在自己的工作中实践这些方法。书中围绕分类、回归、关联分析、聚类、异常检测、文本挖掘、时间序列...

内容提要：

本书旨在帮助读者理解数据挖掘方法的基础知识，并实现无需编写代码就能在自己的工作中实践这些方法。书中围绕分类、回归、关联分析、聚类、异常检测、文本挖掘、时间序列预测、特征分析等数据挖掘问题，着重介绍了决策树、k近邻、人工神经网络、线性回归、k均值聚类等当今广泛使用的二十多种算法，针对每一种算法都先以通俗的语言解释其原理，再使用开源数据分析工具 RapidMiner加以实现。 本书适合在日常工作中大量接触数据的分析师、金融专家、市场营销人员、商务专业人士等阅读。

作者简介：

Vijay Kotu，Yahoo分析总监，负责线上业务的大数据与分析系统的实现，在预测分析领域有十余年工作经验。ACM会员，美国质量协会认证的六西格玛黑带。 Bala Deshpande，业界知名数据分析应用开发与咨询公司SimaFore创始人，20余年分析经验，精通各类分析技巧，经常在其博客上分享数据挖掘与预测分析方面的心得。

内容简介：

据估计，我们现在每两天产生的数据，相当于人类文明伊始至2003年所产生的数据的总和。而且，随着几乎所有的一切事物都被数字化，人们预计可用数据量将每两年翻一番。大数据能让企业制定更好的决策，从而提高效率、节约成本、增加收入。但是许多企业还没有认识到它的好处……即便认识到了，也许还不知道如何利用。

《企业的大数据战略》用通俗易懂的语言深度解析大数据的7大特征、8大事实、7大趋势，360度剖析大数据落地的18个行业，明确7种最重要的大数据岗位，分享30余个领先企业的成功经验，为大中小企业提供了构建大数据战略和关键大数据能力的清晰路线图。

《企业的大数据战略》也探讨了亚马逊、苹果、耐克、迪士尼、壳牌、沃尔玛、摩根士丹利、洲际酒店等知名企业利用大数据战略获益的做法，揭示了如何利用大数据的力量为企业服务。

[作者简介]

【荷】马克·冯·里吉门纳姆

全球顶尖大数据影响力人物之一，一站式大数据商店Datafloq创始人，荷兰Data Donderdag大数据论坛联合发起人，旨在通过连接全球大数据市场上的所有利益相关者，打造一个大数据生态系统。

既是洞悉趋势的大数据战略家，也是思想深刻的著名演说家，在大数据、区块链、物联网和颠覆性创新方面拥有丰富的经验，为大中小企业制定大数据战略提供建议。

内容提要：

本书介绍如何使用Java创建并实现机器学习算法，既有基础知识，又提供实战案例。主要内容包括：机器学习基本概念、原理，Weka、Mahout、Spark等常见机器学习库的用法，各类机器学习常见任务，包括分类、预测预报、购物篮分析、检测异常、行为识别、图像识别以及文本分析。最后还提供了相关Web资源、各种技术研讨会议以及机器学习挑战赛等进阶所需内容。 本书适合机器学习入门者，尤其是想使用Java机器学习库进行数据分析的读者。

作者介绍：

博士，人工智能与机器学习专家，现任Evolven公司（领先的IT运营分析公司，致力于配置管理业务）首席数据科学家，主攻机器学习、预测分析、模式挖掘与异常检测，旨在把数据转化为人类可理解的信息与可供实用的知识。

内容提要：

《文本上的算法 深入浅出自然语言处理》结合作者多年学习和从事自然语言处理相关工作的经验，力图用生动形象的方式深入浅出地介绍自然语言处理的理论、方法和技术。本书抛弃掉繁琐的证明，提取出算法的核心，帮助读者尽快地掌握自然语言处理所*备的知识和技能。 本书主要分两大部分。*一部分是理论篇，包含前3章内容，主要介绍一些基础的数学知识、*优化理论知识和一些机器学习的相关知识。*二部分是应用篇，包含第4章到第8章，分别针对计算性能、文本处理的术语、相似度计算、搜索引擎、推荐系统、自然语言处理和对话系统等主题展开介绍和讨论。 本书适合从事自然语言处理相关研究和工作的读者参考，尤其适合想要了解和掌握机器学习或者自然语言处理技术的读者阅读。

作者简介：

路彦雄，西安电子科技大学硕士毕业，从事自然语言处理和机器学习相关工作多年，具有丰富经验。曾任微信小微机器人技术负责人，现任微信整合搜索算法组组长。

内容提要：

“大数据”已连年入选IT领域的热点话题，人们每天都会通过互联网、移动设备等生产大量数据。如何从海量数据中洞悉出隐藏其后的见解是当今社会各领域人士极为关注的话题。本系列图书以“大数据分析师”应掌握的IT技术为主线，共分两卷，以7个模块（第 1卷含4个模块，第 2卷含3个模块）分别介绍大数据入门，分析和R编程入门，使用R进行数据分析，用R进行高 级分析，机器学习的概念，社交媒体、移动分析和可视化，大数据分析的行业应用等核心内容，全面且详尽地涵盖了大数据分析的各个领域。 本书为第 2卷，首先介绍机器学习的类型和方法，R上的图模型和贝叶斯网络、人工神经网络、使用PCA和因子分析降维法以及支持向量机，并讲解如何用R语言实现各种网络，然后介绍大数据解决方案工程、社交媒体分析和文本分析、移动分析和大数据可视化，**后通过几个实际案例讲解大数据分析在各行业中的应用。 本书适用于想成为大数据分析师的人员以及所有对大数据分析感兴趣的技术人员和决策者阅读。

作者简介：

国际知名IT培训机构中的多名大牛讲师，通过对技术、IT市场需求以及当今就业培训方面的全球行业标准进行了广泛并严格的调研之后，开发而成。作者们的这些计划的构思目标是，成为理想的就业能力培训项目，为那些有志于在国际IT行业取得事业成功的人提供服务。

内容提要：

本书主要目标是处理很多深度学习应用的热点问题并向读者披露解决方案的细节。主要内容分为7章：*1章介绍深度学习基础知识，*2章介绍大规模数据的分布式深度学习，第3章介绍卷积神经网络，第4章介绍循环神经网络，第5章介绍受限玻尔兹曼机，第6章介绍自动编码器，第7章介绍如何用Hadoop玩转深度学习。

作者简介：

Dipayan Dev 多年大数据开发经验，擅长非关系型数据库技术和Hadoop框架，曾在IEEE和Springer的期刊上多次发表相关研究论文。现任印度PromptCloud公司软件工程师。

内容简介

作为计算机科学的一个分支，人工智能主要研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统，涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向。

本书包括引言、基础知识、基于知识的系统、高级专题以及现在和未来五部分内容。第一部分从人工智能的定义讲起，就人工智能的早期历史、思维和智能的内涵、图灵测试、启发法、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示和产生式系统等基础知识。第三部分介绍并探究了人工智能领域的成功案例，如DENDRAL、MYCIN、EMYCIN等经典的专家系统，振动故障诊断、自动牙科识别等新的专家系统，以及受到自然启发的搜索等。第四部分介绍了自然语言处理和自动规划等高级专题。第五部分对人工智能的历史和现状进行了梳理，回顾了几十年来人工智能所取得的诸多成就，并对其未来进行了展望。

本书系统、全面地涵盖了人工智能的相关知识，既简明扼要地介绍了这一学科的基础知识，也对自然语言处理、自动规划、神经网络等内容进行了拓展，更辅以实例，可以帮助读者扎扎实实打好基础。本书特色鲜明、内容易读易学，适合人工智能相关领域和对该领域感兴趣的读者阅读，也适合高校计算机专业的教师和学生参考。

配套资料

● 本书附录D“应用程序和数据”提到的应用程序示例、用于神经网络训练的练习数据和若干高级计算问题概览。

● 本书附录E“部分练习的答案”的英文版PDF和图解。

● 本书中的全部彩图文件。

● 本书的Prolog示例源代码。

● 供教师使用的教学PPT。

为使用本书作为教材的教师提供的教学资源：

● 教学PPT。

● 教师指导手册（电子版，包括本书配套习题的完整解答）。

请通过contact@epubit.com.cn联系申请。

作者简介

史蒂芬·卢奇（Stephen Lucci）

拥有纽约市立大学的博士学位，目前在纽约市立大学教授计算机科学课程。他曾在高性能计算领域发表了多篇论文，并且是NASA 发起的MU-SPIN 项目的学术带头人。MU-SPIN 项目旨在为NASA 培养下一代顶尖的科学家和工程师。

丹尼·科佩克（Danny Kopec）

拥有爱丁堡大学博士学位，目前在纽约市立大学布鲁克林学院和纽约市立大学研究生中心任教。他发表过多篇论文，并出版过几本书，还是一位国际象棋大师。

内容提要：

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度等多门学科，专门研究计算机怎样模拟或实现人类的学习行为。机器学习是人工智能的核心，是使计算机具有智能的根本途径。 本书通过对机器学习的背景知识、算法流程、相关工具、实践案例以及知识图谱等内容的讲解，全面介绍了机器学习的理论基础和实践应用。书中涉及机器学习领域的多个典型算法，并详细给出了机器学习的算法流程。 本书适合任何有一定数据功底和编程基础的读者阅读。通过阅读本书，读者不仅可以了解机器学习的理论基础，也可以参照一些典型的应用案例拓展自己的专业技能。同时，本书也适合计算机相关专业的学生以及对人工智能和机器学习感兴趣的读者阅读。

作者介绍：

李博，花名“傲海”。目前任阿里云数据产品经理，主要负责机器学习平台的产品 化建设以及对外业务应用。本科、硕士毕业于北京邮电大学，曾就职于索尼和华为 （实习），从事数据相关产品的开发。作为CSDN博客专家、云栖社区博客专 家，长期分享IT技术相关文章，内容涉及机器学习算法、Android应用及源码 开发等领域。一直活跃于开发者社区，主导开发了多个GitHub百星开源项目，还 开发并上线了多款手机App。

编辑推荐：

人工智能，触手可及，让数据起舞，用算法扩展业务边界 阿里机器学习专家力作，实战经验分享

内容提要：

在如今这个处处以数据驱动的世界中，机器学习正变得越来越大众化。它已经被广泛地应用于不同领域，如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识，然后介绍一些稍微复杂的机器学习算法，例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络，等等。

作者介绍：

Prateek Joshi 人工智能专家，重点关注基于内容的分析和深度学习，曾在英伟达、微软研究院、高通公司以及硅谷的几家早期创业公司任职。

内容提要：

在书中，作者从常识出发，对人工智能和机器人表达了很多“令人惊讶”而又让人深思的观点。 如果机器可以打造一个更美好的世界，这个世界为什么还需要我们？ 深度学习是学习人类做过（过去时）的事情的技术。 在陪伴老年人方面，迄今为止最先进的机器人都不如狗做得好。 永生终将成为一种待价而沽或是可租可借的服务，就像目前的云计算服务一样。 当我们研究如何创建智能机器时，我们指的是真正的“智能”还是“以愚蠢的方式服务于人类的智能”？ 机器人类化的计划尚未成功，而人类的机器化则成果斐然。 世界上还没有能创造另一个更高级机器的机器，是我们创造了更好的机器。 有两种方式可以实现图灵测试：第一种，使机器变得像人一样聪明; 第二种，使人变得像机器一样愚蠢。 …… 这是一本人人都可以看懂，并一起思考机器智能与自身生活关系的科普读物。

作者介绍：

皮埃罗·斯加鲁菲，1980年意大利都灵大学数学系毕业，1982-1984年加入意大利的奥利维蒂公司（Olivetti）在硅谷的分公司任软件高级工程师。1984年，作为访问学者在哈佛大学做人工智能研究。1985-1990年创立该公司人工智能中心任经理。1991-1995年任奥利维硅谷科研中心经理。1995-1996年，皮埃罗作为访问学者在斯坦福大学人工智能实验室深造心智论。1999-2003年曾在硅谷第一家人工智能初创公司IntelliCorp 任职高级总体师。其研究项目涉猎自适应系统，认知科学，专家系统，神经网络，自然语言处理等。2003年后从事软件咨询，业务涉及目标软件技术，电子商务和网站设计， 同时在加州大学伯克利分校、斯坦福和加州大学圣何塞分校兼职讲授认知论，心性学和知识史等。研究范围包括哲学，意识论和硅谷史。他兴趣广泛，其著述包括了认知模型到音乐史的广博学科。北京他山石智库首席科技顾问，中国美院客座教授。

来源：小AI 专栏