为什么大家都在学人工智能？因为：“机会是留给有准备的人，但成功是留给已经行动的人。”总是被别人的高薪所吸引，却缺乏行动力的你，桌上永远还缺乏一本行动的入门书籍。
小编整理了异步图书2018年人工智能领域的全新书单，涉及到Python、深度学习、TensorFlow、Keras、R语言，我们一起来看看是否有你喜爱的图书呢？
![9ccc0ca9gy1ftwcrskqm3j206y08pq51.jpg]()
《人工智能（第2版）》
[美] 史蒂芬·卢奇（Stephen Lucci） 著
美国经典教材，在美亚上，被评价为自Russell & Norvig的《人工智能：一种现代方法》之后最好的教材，更加适合本科生使用。被誉为人工智能领域百科全书。
本书基于人工智能的理论基础， 向读者展示全面、新颖、丰富多彩且易于理解的人工智能知识体系。本书给出诸多的示例、应用程序、全彩图片和人物轶事，以激发读者的阅读和学习兴趣；还引入了机器人和机器学习的相关高级课程，包括神经网络、遗传算法、自然语言处理、规划和复杂的棋盘博弈等。
![1e8735f8a7bfbd1d48545d34937da967]()
《深度学习与TensorFlow实战》
李建军，王希铭， 潘勉 ,许硕贵，孔德兴，张真诚，徐国卿 著
首先简述了神经网络的发展历史，介绍了TensorFlow，书中以一个简单的一元线性回归房价预测模型演示了TensorFlow的工作机制； 三是简单例举了几个以TensorFlow为基础的开源项目。介绍了深度神经网络的外延：机器学习。 书中以机器学习的三个要素：任务（Task）、性能（Performance）、经验（Experience）为核心，阐述了机器学习建立模型的原理。
![b8d9053ed08c17fd0b0418c93dc5c419]()
《深度学习原理与实践》
陈仲铭，彭凌西 著
本书系统全面、循序渐进地介绍了深度学习的各方面知识，包括技术经验、使用技巧和实践案例。本书详细介绍了目前深度学习相关的常用网络模型（ANN、DNN、CNN、RNN），以及不同网络模型的算法原理和核心思想。本书利用大量的实例代码对网络模型进行了分析，这些案例能够加深读者对网络模型的认识。此外，本书还提供完整的进阶内容和对应案例，让读者全面深入地了解深度学习的知识和技巧，达到学以致用的目的。
![9ccc0ca9gy1ftwct2ncdbj206y08ojrw.jpg]()
《Python 深度学习》
[英] 尼格尔·刘易斯（N.D. Lewis） 著
本书是使用Python 进行深度学习实践的一本初学指南。本书并未罗列大量的公式，而是通过一些实用的实际案例，以简单直白的方式介绍深度神经网络的两项任务——分类和回归，解析深度学习模型中的一些核心问题，以期让读者对深度学习的全貌有一个清晰的认识。
![218e8f7be3b73e0abdd851553a555f50]()
《Keras深度学习实战》
[意大利]安东尼奥·古利(Antonio Gulli), [印度]苏伊特·帕尔(Sujit Pal）著
本书用当前流行的Keras框架实现了大量深度学习算法，构建了众多深度学习模型，并且介绍了深度学习在游戏等实际场合中的应用，特别是本书还介绍了当前火热的生成对抗网络（GAN）的应用。全书通俗易懂，强调实际案例，适合广大的机器学习从业者和爱好者入门与实践。
![78230808d26c16637763eaae39583a28]()
《精通数据科学：从线性回归到深度学习》
唐亘 著
数据科学入门到实战，介绍数据科学常用的工具——Python、数学基础及模型，讨论数据科学的前沿领域——大数据和人工智能，包括机器学习领域经典的模型、分布式机器学习、神经网络和深度学习等。
![9ccc0ca9gy1ftwdfivlcoj206y0810t7.jpg]()
《深度学习实践指南——基于R语言》
[英] N.D Lewis 著
本书由知名作者N.D Lewis撰写，教读者使用R语言进行深度学习的研究，并顺利成长为一名顶级数据科学家。本书分8章，介绍了与深度学习相关的知识，包括多种不同的神经网络等。本书能够带读者了解关于深度学习模块及其工作原理，同时帮助读者更快速第将所学知识转化成实际的技能。
![417935c41c851fcb8fb499f5acd5ef42]()
《机器学习实践指南——基于R语言》
[英] 尼格尔·刘易斯（N.D. Lewis）著
本书通过对R语言的讲解，帮助读者构建机器学习的模型，同时了解一系列与数据科学相关的理论，以及如何利用R语言开展研究。本书对读者的技术背景不做任何要求，专为那些希望构建使用的数据模型的读者，以及想要掌握高效的数据处理工具的读者提供了全面的介绍。
![0d55ea1338a34ce32af00f4cd851a53a]()
《机器学习经典算法剖析——基于OpenCV》
赵春江 著
本书就是出于此目的，对正态贝叶斯分类器、K近邻算法、支持向量机、决策树、AdaBoost、梯度提升树、随机森林、极端随机树、期望极大值、神经网络这十大经典的机器学习算法先进行具体的原理分析，然后给出OpenCV的相关源码的逐句解释，最后完成一个基于OpenCV的应用实例。
![c6e31ed23a125a84489379970c4e5e2f]()
《图像局部特征检测和描述》
赵春江 著
本书以OpenCV 2.4.9为研究工具，对其所实现的所有最新的特征检测和描述算法——K-R、Canny、Harris、Shi-Tomasi、FAST、MSER、MSCR、SIFT、SURF、BRISK、BRIEF、ORB、FREAK、CenSurE等进行了详细讲解，不仅分析了它们的原理和实现方法，还进行了详细的源码解析，并且给出了具体的程序实现范例，充分体现了理论与实践相结合的特点。
![acaf5b6927144acb7a7a04ac12ae3740]()
《OpenCV和Visual Studio图像识别应用开发》
望熙荣，望熙贵 著
OpenCV是可以在多平台下运行、并提供了多语言接口的一个库，实现了图像处理和计算机视觉方面的很多通用算法。
本书是介绍OpenCV结合Visual Studio进行图像识别和处理的编程指南。全书共11章，介绍了OpenCV和Visual Studio的安装设置，以及Core、HighGUI、ImgProc、Calib3d、Feature2d、Video、Objdetect、ML、Contrib等模块，涉及文字处理、照片处理、图像识别、OpenGL整合、硬件设备结合使用等众多方面的功能，最后还给出了综合应用的实例。
本书适合对于图像识别和处理技术感兴趣，并且想要学习OpenCV的应用和编程的读者阅读和参考。
![9ccc0ca9gy1ftwdewzumpj206y08odg8.jpg]()
《文本上的算法——深入浅出自然语言处理 》
路彦雄 著
本书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必备的知识和技能。
![403c1caeb1ef5dcbf8af3b9347bffdd6]()
《TensorFlow机器学习项目实战》
【阿根廷】Rodolfo Bonnin 著
TensorFlow是Google所主导的机器学习框架，也是机器学习领域研究和应用的热门对象。
本书主要介绍如何使用TensorFlow库实现各种各样的模型，旨在降低学习门槛，并为读者解决问题提供详细的方法和指导。全书共10章，分别介绍了TensorFlow基础知识、聚类、线性回归、逻辑回归、不同的神经网络、规模化运行模型以及库的应用技巧。
本书适合想要学习和了解 TensorFlow 和机器学习的读者阅读参考。如果读者具备一定的C++和Python的经验，将能够更加轻松地阅读和学习本书。
![9ccc0ca9gy1ftwdei9qj1j206y08o3yw.jpg]()
《Python神经网络编程》
[英] 塔里克·拉希德（Tariq Rashid）著
本书用轻松的笔触，一步一步揭示了神经网络的数学思想，并介绍如何使用Python编程语言开发神经网络。本书将带领您进行一场妙趣横生却又有条不紊的旅行——从一个非常简单的想法开始，逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识，并且本书还给出易于理解的微积分简介。
本书为美亚五星畅销书，备受关注。基于Python3.5，全彩印刷，如果只选一本神经网络图书，他是首选。
![eee304b718f713a5130210c19c1b59ea]()
