接下来的书关于数学，这是所有数据科学的基本功。 《妙趣横生的统计学》
一本统计学入门书，涉及很多高中课程中的内容，例如我们是不是比父母更聪明？开车打电话与酒驾一样危险吗？坐飞机和开车，哪个更安全？钻石越重，价格就越高吗？四年级的学生可以用统计学做什么？这本书的目标是日常生活所需要的统计思想、正确分析数据的基本路径。 《用数学的语言看世界》
本书是理论物理学家大栗博司先生写给女儿的数学读本，全书以用“数学语言”解读自然为线索，用生动故事和比喻重新讲解了数学的核心原理与体系，是数学入门，重新理解数学的科普佳作。该作者写的书都很不错，这里只推荐其中最好懂的一本。 《贝叶斯思维：统计建模的Python学习法》
前面都是科普书，这次来本教科书。这本是根据作者在美国大学讲授相关课程的讲义所编撰而成的。结合生活中的案例+代码实现+分析，让你了解贝叶斯思维的威力，帮助你在生活中各个方面获得清晰的思维。通过阅读，作者潜移默化的帮助读者形成建模决策的方法论，建模误差和数值误差如何取舍，如何为具体问题建立数学模型，怎么抓住问题中的主要矛盾（模型中的关键参数），再一步一步的优化或者验证模型的有效性或者局限性。 《程序员的数学》
编程的基础是计算机科学，而计算机科学的基础是数学。本书面向程序员介绍了编程中常用的数学知识，借以培养初级程序员的数学思维。你无需精通编程，也无需精通数学，只需具备四则运算和乘方等基础知识，就可以阅读这本书。一套书分成三部分，涵盖线性代数概率论和基本的代数。 接下来的书和复杂系统有关： 《复杂》
如果之前你对复杂性科学还没有太多了解，那这本书可以成为你复杂性科学的第一本书。 蚁群在没有中央控制的情况下为何会表现出如此精密的复杂行为？数以亿计的神经元是如何产生出像意识这样极度复杂的事物？ 是什么在引导免疫系统、互联网、全球经济和人类基因组等自组织结构？ 理解复杂系统需要有全新的方法，需要超越传统的科学还原论，并重新划定学科的疆域。 《Thinking complexity》
要认识一门学科，你不止需要了解概念，还要亲自动手，get your hand dirty。 这本书以python为基础，演示了多种复杂系统的模型，让在计算机诞生之前难以验证的理论得以模拟，并逐步建立了复杂演绎基础之上的新认知模式。Python语言虽简单易懂，但书中的很多代码、练习有时间还得需要仔细研究琢磨。书内容短小，但是信息量特别大，关键看你是走马观花的读，还是一行行代码地进行实践了，你的收获是不一样的。 这本书是复杂性研究入门参考好书。另外这本书还可以用作Python编程与算法的大学中级课程教材。既是你对python和算法一无所知，其前三章的内容也可以让你能够接着看下去。 下面的书将说说人类最担心的强AI的出现。 《Life 3.0》
世界两个顶级学术期刊"nature" 和“Science” 上每周都会推荐一些新出的科学主题的科普书，而一本书若是能被这俩家杂志同时推荐，则更是难得。今年8月25号出版《life 3.0》正是这样一本书，这本书的副标题是：在人工智能的时代作为人意味着什么，作者不是专职搞计算机的，而是本行物理的普林斯顿教授。 《超级智能》
很多人提到强人工智能，说起的第一本书就是这个。作者尼克‧波斯特洛姆是全球著名思想家，牛津大学人类未来研究院的院长，哲学家和超人类主义学家。这本书中，作者谈到了超级智能的优势所带来的风险，也谈到了人类如何解决这种风险。作者认为他的这本书提到的问题将是我们人类所面临的最大风险。 《如何思考会思考的机器》
关于强AI，一定需要大众的讨论，而这本书是由世界上最聪明的头脑共同写成。包括全球大数据权威阿莱克斯•彭特兰、世界顶级语言学家史蒂芬•平克、生物地理学家贾雷德•戴蒙德、互联网思想家凯文•凯利、《全球概览》的创始人斯图尔特•布兰德等Edge 网站出品，必属精品。 《我们最后的发明》
这本书是一个纪录片导演的末世预言，核心观点是超级人工智能极有可能毁灭人类，然后细致地批判了库兹韦尔等乐观派。书的好处是好玩、有趣、思路清奇、剑出偏锋，但从知识的角度来说，它其实并不是那么“科学”、不那么“理性” 接着来说最火的深度学习： 《机器学习之路》
这本书从内容方面本书共包含两部分：机器学习篇和深度学习篇。这本书避过数学推导等复杂的理论推衍，介绍了模型背后的一些简单直观的理解，以及如何上手使用。适合有一些编程和自学能力，但数学等基础理论能力不足的人。 《深度学习与R语言》
说起深度学习，你可能想到的都是python为基础的语言，其实作为一种开源的数据建模语言，R也是可以做深度学习的。书介绍了深度学习基础知识后，着重介绍两种不那么流行的网络结构：受限玻耳兹曼机和深度置信网络，并通过生物信息和自然语言处理领域的实际例子来说明深度学习的优势和局限。 最后说说AI的历史： 《贤二机器僧漫游人工智能》
书中的漫画超有趣。贤二机器僧这样一个传统佛法与现代科技相结合的产物表明，科技本身没有对错、好坏，它是中性的，但人的心却可善可恶。佛教徒应该拥抱科学，而不应该排斥科学，善于运用科技手段和成果，成就更多利于他人的事业。 《硅谷之谜》
作为浪潮之巅的续集，当读完了这本书，我想说的是硅谷的历史是不可复制的，AI的发展是伴随着大公司的成败而起的。我们已经站在了AI发展的最前沿和风口，不能只照搬前人的经验了。要做的是透彻明白工业时代和后工业时代的本质，用一种全新的基于信息论、控制论、系统论的思维方式来从下而上的去想问题。 从Alpha—GO到无人驾驶，人工智能AI结合大数据发挥出惊人功效的场景越来越多。对于入门人工智能这个问题，不少同学跃跃欲试，其实人工智能的核心就是机器学习（Machine Learning）和深度学习。而它们的基础，就是编程（Python/c++等）和数学（高等数学/线性代数/概率论等）。 另外，AI是逻辑算法的执行，底层架构是大数据。所以人工智能如何变厉害？就要喂它“吃”大数据。大数据就像人工智能的食物，跟人类一样，吃进去的食物愈新鲜、愈干净，人工智能就愈健康。 如果你想投入 AI 的怀抱，但却苦于不知如何下手。而当你准备自学机器学习和深度学习时，又被外面那些贵的要命的培训课程吓得不行。 12 |
