数据结构是程序的骨架，算法是程序的灵魂。
在我们的生活中，算法无处不在。我们每天早上起来，刷牙、洗脸、吃早餐，都在算着时间，以免上班或上课迟到；去超市购物，在资金有限的情况下，考虑先买什么、后买什么，算算是否超额；在家中做饭，用什么食材、调料，做法、步骤，还要品尝一下咸淡，看看是否做熟。所以，不要说你不懂算法，其实你每天都在用！
但是对计算机专业算法，很多人都有困惑：“I can understand, but I can’t use！”，我能看懂，但不会用！就像参观莫高窟的壁画，看到它、感受它，却无法走进。我们正需要一把打开算法之门的钥匙，就如陶渊明《桃花源记》中的“初极狭，才通人。复行数十步，豁然开朗。”
今天小编带来一大波算法书单，希望带你答疑解惑。
人工智能经典入门篇
[美] 史蒂芬·卢奇（Stephen Lucci） 著
美国经典入门教材，被誉为人工智能领域百科全书。人工智能领域近十年来最前沿教程，更加适合本科生使用。
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。
【美】Ian Goodfellow（伊恩·古德费洛）著
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。
[英] 塔里克·拉希德（Tariq Rashid） 著
当前，深度学习和人工智能的发展和应用给人们留下了深刻的印象。
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。
本书适合想要了解深度学习、人工智能和神经网络的读者阅读，尤其适合想要通过Python编程进行神经网络开发的读者参考。
算法基础篇
[挪威]赫特兰（Magnus Lie Hetland） 著
畅销书Python基础教程(第2版)作者、Python领域大牛又一新力作！知识点清晰，语言简洁。
本书用Python语言来讲解算法的分析和设计，主要关注经典的算法，帮助读者理解基本算法问题和解决问题打下很好的基础。
本书用Python语言来讲解算法的分析和设计。本书主要关注经典的算法，但同时会为读者理解基本算法问题和解决问题打下很好的基础。
本书概念和知识点讲解清晰，语言简洁。本书适合对Python算法感兴趣的初中级用户阅读和自学，也适合高等院校的计算机系学生作为参考教材来阅读。
陈小玉 著
点击封面购买纸书本书从算法之美娓娓道来，没有高深的原理，也没有枯燥的公式，通过趣味故事引出算法问题，包含
本书可作为程序员的学习用书，也适合从未有过编程经验但又对算法有强烈兴趣的初学者使用，同时也可作为高等院校计算机、数学及相关专业的师生用书和培训学校的教材。
张玲玲 著
本书的特色是实现了入门知识、实例演示、范例演练、技术解惑、综合实战5大部分内容的融合，让读者看得懂、用得上、学得会。一本书的容量，讲解了入门类、范例类和项目实战类三类图书的内容。丰富的配套资源 ，学习更高效。
【美】Anany Levitin 著
算法是计算机科学领域最重要的基石之一。算法谜题，就是能够直接或间接地采用算法来加以解决的谜题。求解算法谜题是培养和锻炼算法思维能力一种最有效和最有乐趣的途径。
July 著
蜕变于CSDN技术博客“结构之法算法之道”，内容涉及面试、算法、机器学习三大主题；作者数年的积累成果；进入IT行业求职笔试和面试宝典
机器学习算法篇
【美】Michael Bowles（鲍尔斯） 著
在学习和研究机器学习的时候，面临令人眼花缭乱的算法，机器学习新手往往会不知 所措。本书
本书专注于
【美】Alexander T. Combs 著
机器学习是近年来渐趋热门的一个领域，同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。
Alan M.F. Souza（艾伦）著
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。
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。
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。
熊志勇, 沈理, 刘翼光 著
读者通过阅读本书可以系统地学习人脸识别研究的方法，了解人脸识别研究的具体算法实现以及国内外相关技术的最新进展。动态人脸识别方法是作者在人脸识别研究方面的一个尝试和拓展，希望这部分内容能够为这一领域提供一种全新的研究分支。
贝叶斯分析篇
【阿根廷】Osvaldo Martin（奥斯瓦尔多·马丁） 著
PyMOL社区活跃者倾情奉献！发现Python贝叶斯分析的力量！
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。
【美】Allen B. Downey 著
这本书帮助那些希望用数学工具解决实际问题的人们，
【美】Avi Pfeffer（艾维·费弗） 著
人工智能领域的先驱、美国加州大学伯克利分校教授Stuart Russell作序推荐！一本不可思议的Scala概率编程实战书籍！
概率推理是机器学习的核心方法之一，本书旨在向程序员，特别是Scala开发人员揭开概率建模的神秘面纱，以帮助程序员们高效地使用概率编程系统。
借助概率编程系统，通过应用特定的算法，你的程序可以确定不同结论的概率。这意味着你可以预测未来事件，如销售趋势、计算机系统故障、试验结果和其他许多重要的关注点。
深度学习篇
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。
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，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。
[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。
[意大利]安东尼奥·古利(Antonio Gulli) 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。
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。
Python经典篇
【美】John Zelle（策勒）著
点击封面购买纸书
【美】Kenneth A. Lambert（兰伯特） 著
在计算机科学中，数据结构是一门进阶性课程，概念抽象，难度较大。Python语言的语法简单，交互性强。用Python来讲解数据结构等主题，比C语言等实现起来更为容易，更为清晰。
扫码关注我们
点击阅读原文，直接购买《人工智能（第2版）》
