2017年最热的关键词 属于人工智能 、深度学习.何时才能实现真正的AI（强AI或人工通用智能，简称AGI）？真正的AI必须像人类一样完成学前班、小学一年级、二年级等一系列学习过程，一直到大学毕业，然后应聘计算机程序员岗位，像人类软件开发人员一样编写程序。接着，心满意足的雇主就能成百上千地克隆经验丰富的AI程序员了。最终，智能机器人将完成我们允许其完成的所有工作。
AI机器人的智商应该达到多少？人类智商的100～150、1000、百万还是十亿？这是一个大问题。一旦我们可以创造AI机器人，就应该能够设定它们的智商水平。高智商AI机器人必定会将人类视为“聪明的猴子”，它们居然利用颇为有限的生物智能创造了奇迹。未来的几年将继续是人工智能的时代，现在入行人工智能，这些畅销图书不可错过。
《深度学习 [deep learning]》
Ian Goodfellow（伊恩·古德费洛）
Yoshua Bengio（约书亚·本吉奥）
Aaron Courville（亚伦·库维尔）箸
AI圣经！深度学习领域奠基性的经典畅销书！长期位居美国亚马逊AI和机器学习类图书榜首！所有数据科学家和机器学习从业者的必读图书！特斯拉CEO埃隆·马斯克等国内外众多专家推荐！
深度学习是机器学习的一个分支，它能够使计算机通过层次概念来学习经验和理解世界。因为计算机能够从经验中获取知识，所以不需要人类来形式化地定义计算机需要的所有知识。层次概念允许计算机通过构造简单的概念来学习复杂的概念，而这些分层的图结构将具有很深的层次。本书会介绍深度学习领域的许多主题。
本书囊括了数学及相关概念的背景知识，包括线性代数、概率论、信息论、数值优化以及机器学习中的相关内容。同时，它还介绍了工业界中实践者用到的深度学习技术，包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等，并且调研了诸如自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学以及视频游戏方面的应用。最后，本书还提供了一些研究方向，涵盖的理论主题包括线性因子模型、自编码器、表示学习、结构化概率模型、蒙特卡罗方法、配分函数、近似推断以及深度生成模型。
《TensorFlow技术解析与实战》
李嘉璇 箸
领导“谷歌大脑”的工程师Jeff Dean发来寄语；李航、余凯等人工智能领域专家倾力推荐； 基于TensorFlow 1.1，包揽TensorFlow的新特性； 技术内容全面，实战案例丰富，视野广阔；人脸识别、语音识别、图像和语音相结合等热点一应俱全
TensorFlow是深度学习的流行框架之一，极适合新手入门。谷歌公司正致力于建立一个相关软件和机器学习模型的开源生态系统，这是人工智能发展的技术风口。
本书基于TensorFlow1.1版本，深入TensorFlow基础原理、设计理念、编程模型、源码分析和模型构建、工业界应用、大规模数据训练等。全书分为基础篇、实战篇和提高篇三部分。
《TensorFlow机器学习项目实战》
Rodolfo Bonnin 箸
本书是介绍如何在产品中使用TensorFlow的实用教程。本书介绍了可以使用TensorFlow的多种情况， 并通过真实世界的项目， 向读者展示了如何使用TensorFlow。本书还讲解了在实际环境中使用TensorFlow的创新方法。
本书主要介绍第二代机器学习与数值计算，提供了训练模型、机器学习、深度学习以及使用各种神经网络的项目，以此来讲解TensorFlow的应用领域，还讨论如何使用TensorFlow计算复杂数值。
《Python机器学习实践指南》
Alexander T. Combs 箸
机器学习正在迅速成为数据驱动型世界的一个bi备模块。许多不同的领域，如机器人、医学、零售和出版等，都需要依赖这门技术。通过阅读 Python机器学习实践指南 ，你将学习如何一步步构建真实的机器学习应用程序。
Python机器学习实践指南 以通俗易懂，简洁明了的方式，教你如何使用机器学习来收集、分析并操作大量的数据。通过易于理解的项目，本书讲解如何处理各种类型的数据、如何以及何时应用不同的机器学习技术，包括监督学习和无监督学习。本书中的每个项目都同时提供了教学和实践，你将学习如何使用聚类技术来发现低价的机票，以及如何使用线性回归找到一间便宜的公寓 。
Python机器学习实践指南 适合的读者包括了解数据科学的Python程序员、数据科学家、架构师，以及想要构建完整的、基于Python的机器学习系统的人们。
《Python机器学习 预测分析核心算法》
Michael Bowles（鲍尔斯）著
机器学习关注于预测，其核心是一种基于数学和算法的技术，要掌握该技术，需要对数学及统计概念有深入理解，能够熟练使用R 语言或者其他编程语言。
本书通过集中介绍两类可以进行有效预测的机器学习算法，展示了如何使用Python 编程语言完成机器学习任务，从而降低机器学习难度，使机器学习能够被更广泛的人群掌握。
作者利用多年的机器学习经验带领读者设计、构建并实现自己的机器学习方案。本书尽可能地用简单的术语来介绍算法，避免复杂的数学推导，同时提供了示例代码帮助读者迅速上手。读者会很快深入了解模型构建背后的原理，不论简单问题还是复杂问题，读者都可以学会如何找到问题的解决算法。书中详细的示例，给出了具体的可修改的代码，展示了机器学习机理，涵盖了线性回归和集成方法，帮助理解使用机器学习方法的基本流程。
《深度学习精要（基于R语言）》
Joshua F. Wiley（威利） 著
深度学习是机器学习的一个分支，其基础是一组试图使用模型架构建立高水平抽象模型的算法。本书结合R语言介绍深度学习软件包H2O，帮助读者理解深度学习的概念。本书从在R中设置可获取的重要深度学习包开始，接着转向建立神经网络、预测和深度预测等模型，所有这些模型都由实际案例的辅助来实现。成功安装了H2O软件包后，你将学习预测算法。随后本书会解释诸如过拟合数据、异常数据以及深度预测模型等概念。最后，本书会介绍设计调参和优化模型的概念。
本书适合那些胸怀大志的数据科学家，他们精通R语言数据科学概念，并希望可以使用R中的包进一步探索深度学习范式。读者需要对R语言具备基础的理解，并熟悉统计算法和机器学习技术。
《机器学习实践应用》
李博 著
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 。
这是一本难得的面向机器学习爱好者的入门级教程，本书涉及机器学习的基础理论和深度学习等相关内容，内容深入浅出。更加难能可贵的是，本书基于阿里云机器学习平台，针对7个具体的业务场景，搭建了完整的解决方案，给读者带来第一手的实战演练经验。——阿里云资深专家 褚崴
机器学习算法正在逐渐渗透到数据化运营的各个方面，算法和业务数据相结合可以大幅度地提高业务效率、降低成本。本书以算法的业务应用作为切入点，包含大量的案例说明，非常适合读者快速入门。——阿里云高级专家 陈鹏宇
《人工智能时代》
Kalman Toth（托斯） 著
对于人类来说，人工智能有着广阔的前景，同时也充满挑战。
人工智能时代，人类将面临哪些改变和困惑？
人工智能的发展将会给人类社会带来哪些冲击和影响？
当所有的工作都由超级智能机器人来完成时，预示着我们进入了一个不劳社会。机器是否会完全取代人类？
但是，人类如何以150的智商控制百万智商的人工智能？
本书围绕人工智能的历史、发展和应用，展开广泛的讨论和介绍，为读者解开心中关于人工智能的种种疑问。
翻开本书，了解人工智能是什么，以及人工智能将会怎样影响我们的生活和未来！
《数据科学家访谈录》
Carl Shan（单研）William Chen（陈子蔚） Henry Wang（汪强明）
Max Song（宋迈思）著
在本书中，你将会看到作者对25位出众的数据科学家的访谈，他们来自于不同的背景、学科和行业。 作者既采访了Facebook、Linkedin和Intuit等公司的专家，也采访了Uber、Airbnb、Palantir、Mattermark、Quora、Square和Khan Academy等快速成长的初创公司的数据科学家。
其中的一些数据科学家，例如DJ Patil和Hillary Mason，是将这一领域开拓发展到如今这样的世界知名人士；另一些人，例如Clare Corthell，则是正在冉冉升起的数据科学新星。 本书提供了直观而深入的采访，展示了每一位数据科学家的生活经历，从他们离开学术界开始，到一步步成长为数据科学界的翘楚，以及他们在这个过程中学到的有价值的东西。
本书适合有志于成为数据科学家的人、正在从事数据科学相关工作的人、数据科学团队的领导、企业家以及商业人士参考，也适合对数据感兴趣的读者阅读。
《Python贝叶斯分析》
Osvaldo Martin（奥斯瓦尔多·马丁） 著
本书介绍了贝叶斯统计中的主要概念，以及将其应用于数据分析的方法。本书采用编程计算的实用方法介绍了贝叶斯建模的基础，使用一些手工构造的数据和一部分简单的真实数据来解释和探索贝叶斯框架中的核心概念，然后在本书涉及的模型中，抽象出了线性模型用于解决回归和分类问题，此外还详细解释了混合模型和分层模型，并单独用一章讨论了如何做模型选择，还简单介绍了非参模型和高斯过程。
本书所有的贝叶斯模型都用PyMC3实现。PyMC3是一个用于概率编程的Python库，其许多特性都在书中有介绍。在本书和PyMC3的帮助下，读者将学会实现、检查和扩展贝叶斯统计模型，从而解决一系列数据分析的问题。
《Python程序设计 第3版》
John Zelle（策勒） 著
Python之父作序推荐，本书以Python语言为工具教授计算机程序设计。强调解决问题、设计和编程是计算机科学的核心技能。本书特色鲜明、示例生动有趣、内容易读易学，适合Python入门程序员阅读，也适合高校计算机专业的教师和学生参考。
本书具有以下特点：
● 广泛使用计算机图形学——本书提供一个简单的图形软件包graphics.py作为示例。
● 生动有趣的例子——本书包含了完整的编程示例来解决实际问题。
● 亲切自然的行文——以自然的叙事风格介绍了重要的计算机科学概念。
● 灵活的螺旋式学习过程——简单地呈现概念，逐渐介绍新的思想，章节末加以巩固强化。
● 时机恰好地介绍对象——本书既不是严格的“早讲对象”，也不是“晚讲对象”，而是在命令式编程的基础上简要地介绍了对象概念。
● 提供丰富的教学素材——提供了大量的章末习题。还提供代码示例和教学PPT下载。