2020年最值得阅读的10本人工智能相关书籍

    尽管我们都可以通过快速的YouTube视频或博客文章来学习，但是全神贯注于阅读一本好书有时还是不错的。因此，整理了一些最近深度学习“必读”的翻页书，以备你在世界读书日阅读！

    1. Girl Decoded

    Rana el Kaliouby和Carol Colman

    Affectiva首席执行官兼创始人Rana el Kaliouby和Carol Colman最近发布的版本解决了许多问题，包括我们如何实现技术的人性化以及如何相互联系。为了解决我们在线上失去情感智能的根本问题，Rana联合创立了Affectiva，这是Emotion AI新领域的先驱，它使我们的技术能够以彼此理解的方式理解人类。《Girl Decoded》记载了Kaliouby从“nice Egyptian girl”到成为女人的历程，她在革新技术的道路上走了自己的路。本书链接：https://www.amazon.com/Girl-Decoded-Scientists-Intelligence-Technology-ebook/dp/B07VF1SKPV

    2. Machine Learning Yearning

    Andrew NG

    Andrew NG的免费电子书教你如何最好地构建机器学习项目。

    从诊断机器学习系统中的错误到不匹配的训练集以及从端到端的学习迁移学习，Andrew涵盖了所有基础知识。多年来，有人建议将正确的ML决策纳入研究生培养方案或课程中，但是，这本电子书短小精悍，将为读者节省很多时间。在此处下载免费的电子书：https://www.deeplearning.ai/machine-learning-yearning/

    3. Deep Learning with JavaScript - Neural networks in TensorFlow.js

    Shanqing Cai, Stanley Bileschi, Eric D. Nielsen 以及Francois Chollet

    本书应作为希望学习ML并将JavaScript作为主要语言的读者的权威资料。

    另一个方面呢，基于Google工程师的提供的一些实用的建议，使用TensorFlow.js，一步一步学习。其中包括源代码指南以及针对文本和图像的生成型深度学习测试，以及如何微调机器学习模型的一些“方法”。建议该书基于FrançoisChollet的《Deep Learning with Python》基础学习，但这一次是由那些对TensorFlow.js高级API的开发至关重要的人撰写的。本书链接：https://www.manning.com/books/deep-learning-with-javascript

    4. Weapons of Math Destruction:How Big Data Increases Inequality and Threatens Democracy

    Cathy O’Neil

    正如Cathy所提到的，我们现在生活在算法时代，有时候数学模型会做出许多决策，而这些决策有时是我们所不知道的。这份有趣的读物涵盖了可能影响我们未来的黑匣子决策，其中有一个压倒一切的呼吁，即要求负责人充分考虑对道德实践和透明度日益增长的需求。O'Neil的书瞥见了人们越来越多地关注AI的幕后可怕画面。本书链接：https://www.amazon.co.uk/Weapons-Math-Destruction-Increases-Inequality/dp/0553418815

    5. You Look Like a Thing and I Love You: How Artificial Intelligence Works and Why It's Making the World a Weirder Place

    Janelle Shane

    詹妮尔（Janelle）是著名的AI博客AI Weirdness的作者，她的写作能力进入了有形的世界，在AI上创建了轻松有趣的脚本，这部分内容是对科学和事实的教育，以及包括AI的可能性在内的一些讽刺在一个通常由数据驱动且有条不紊的行业中，Janelle带来了一条学习之路，它不像旧的教科书，但内容丰富。本书链接:https://www.amazon.com/You-Look-Like-Thing-Love/dp/0316525243

    6. The Hundred-Page Machine Learning Book

    安德烈·伯科夫（Andriy Burkov）

    Gartner的数据科学总监，计算机科学与机器学习博士学位的专家，以及他的全职工作，仅用100页就创建了你需要了解的所有机器学习指南。安德里（Andriy）建议，在仅阅读本书时，相对于专家而言，在某种程度上稀疏的领域中，将有另一个成员，无论是网站创建，成功的工作申请还是新成立的公司。涵盖的主题包括但不限于梯度下降，聚类分析，降维等。本书链接：http://themlbook.com/

    7. Applied Artificial Intelligence: A Handbook for Business Leaders

    Mariya Yao, Adelyn Zhou, Marlene Jia

    对于许多人来说，AI的业务应用仍然有些令人困惑，但是，Mariya，Adelyn和Marlene既打破了AI技术的局面，又吸引了该领域的技术人员以及那些对此感兴趣的人。本书并不是许多人都难以获取的大量技术信息，而是一本实用的指南，提供了机会，多元化的团队以及在该领域进行战略实验，提供了你需要的所有信息！本书链接：https://mariyayao.com/books/

    8. Life 3.0 Being Human in the Age of Artificial Intelligence

    Max Tegmark

    正如马克斯三年前所说，我们正站在一个新时代的开始。过去，科幻小说一度仅被视为一种流派，但却已成为现实。这位麻省理工学院的教授的工作，已经使如何让AI让人们受益这一主题成为研究的主流，他将神话与现实，乌托邦与反乌托邦分开，以将近400页的信息探索我们生存的下一个阶段。AI系统安全吗？我们如何才能在没有人为目的的情况下发展它？我们应该担心使用自动武器进行军备竞赛吗？Max涵盖了所有这些以及更多内容。本书链接：https://www.penguin.co.uk/books/288/288272/life-3-0/9780141981802.html

    9. Neural Networks and Deep Learning

    Michael Nielson

    随便的写作风格和易于阅读的在线电子书包括有用的图像，视频和分类说明，可真正吸引和教育读者关于NN和DL的所有知识。正如迈克尔建议的那样，这本书的目的是帮助掌握神经网络的核心概念，包括用于深度学习的现代技术。完成本电子书后，你将完成编写代码的工作，使用NN和DL解决各种复杂问题，包括但不限于模式识别。对于那些不需要精通特定库的编码人员来说，这是一个完美的起点。本书链接：http://neuralnetworksanddeeplearning.com/about.html

    10. Race After Technology - Abolitionist Tools for the New Jim Code

    鲁哈·本杰明（Ruha Benjamin）

    Ruha是普林斯顿大学非裔美国人研究副教授，她在那里研究科学，技术和医学。在普林斯顿大学期间，Ruha撰写了《追逐技术》。近年来已经讨论了AI和自动化是否会带来偏见，这是Ruha进一步研究的一个概念，认为自动化远不是种族主义者在黑暗的网络上策划的险恶故事，而是具有隐藏，加速发展的潜力。并且与以前时代的种族主义相比，在表现出中立甚至仁慈的同时加深了歧视。