國務院印發了《新一代人工智能發展規劃》，要求“完善人工智能領域學科佈局，設立人工智能專業”。
教育部印發了《高等學校人工智能創新行動計劃》，要求“對照國家和區域產業需求布點人工智能相關專業，加大人工智能領域人才培養力度”。
今年7月，由北京航空航天大學主辦了首屆“人工智能本科專業研討會”， 來自清華大學、南京大學、西安交通大學、中國科學技術大學、復旦大學、浙江大學等全國26所一流大學的人工智能專業負責人參加會議。
南京大學黎銘教授介紹了南京大學人工智能學院的人才培養方案。南京大學長期從事機器學習與數據挖掘研究，形成了一支在人工智能領域具有國際影響力的團隊。2018年5月成立了人工智能學院，學院基於“夯實基礎、深化專業、複合知識、加強實踐”的培養思路，已於2018年開始以“計算機科學與技術（人工智能方向）”招收第一批本科生。
關於如何進行人工智能專業設置和建設？人工智能是典型的交叉學科，其研究有三大學派。
第一是符號主義，認為人工智能源於數理邏輯，其專家系統等研究方向在八十年代把人工智能推向高潮；
第二是連接主義，認為人工智能源於仿生學，特別是對人腦模型的研究，當前很熱的深度學習屬於這一學派；
第三是行為主義，認為人工智能源於控制論，採用感知-動作模式的行走機器人是這一學派的典型代表。
本科專業設置人工智能專業，這也預示了未來人工智能要發展，需要人才和學術建設應該是毫無爭議的問題。因此轉行入門人工智能需要優先佈局，才能抓住風口。
接下來為小夥伴們送上小編精心挑選的人工智能書單。
入門經典篇
《人工智能（第2版）》
[美] 史蒂芬·盧奇（Stephen Lucci） 著
美國經典入門教材，被譽為人工智能領域百科全書。人工智能領域近十年來最前沿教程，更加適合本科生使用。
本書基於人工智能的理論基礎， 向讀者展示全面、新穎、豐富多彩且易於理解的人工智能知識體系。本書給出諸多的示例、應用程序、全綵圖片和人物軼事，以激發讀者的閱讀和學習興趣；還引入了機器人和機器學習的相關高級課程，包括神經網絡、遺傳算法、自然語言處理、規劃和複雜的棋盤博弈等。
《深度學習》
【美】Ian Goodfellow（伊恩·古德費洛）著
AI聖經！深度學習領域奠基性的經典暢銷書！長期位居美亞AI和機器學習類圖書榜首！所有數據科學家和機器學習從業者的bi讀圖書！特斯拉CEO埃隆·馬斯克等國內外眾多專家推薦！
深度學習是機器學習的一個分支，它能夠使計算機通過層次概念來學習經驗和理解世界。因為計算機能夠從經驗中獲取知識，所以不需要人類來形式化地定義計算機需要的所有知識。層次概念允許計算機通過構造簡單的概念來學習複雜的概念，而這些分層的圖結構將具有很深的層次。本書會介紹深度學習領域的許多主題。
《Python神經網絡編程》
[英] 塔裡克·拉希德（Tariq Rashid）著
本書用輕鬆的筆觸，一步一步揭示了神經網絡的數學思想，並介紹如何使用Python編程語言開發神經網絡。本書將帶領您進行一場妙趣橫生卻又有條不紊的旅行——從一個非常簡單的想法開始，逐步理解神經網絡的工作機制。您無需任何超出中學範圍的數學知識，並且本書還給出易於理解的微積分簡介。
本書為美亞五星暢銷書，備受關注。基於Python3.5，全綵印刷，如果只選一本神經網絡圖書，他是首選。
深度學習篇
《深度學習與TensorFlow實戰》
李建軍，王希銘， 潘勉 ,許碩貴，孔德興，張真誠，徐國卿 著
首先簡述了神經網絡的發展歷史，介紹了TensorFlow，書中以一個簡單的一元線性迴歸房價預測模型演示了TensorFlow的工作機制； 三是簡單例舉了幾個以TensorFlow為基礎的開源項目。介紹了深度神經網絡的外延：機器學習。 書中以機器學習的三個要素：任務（Task）、性能（Performance）、經驗（Experience）為核心，闡述了機器學習建立模型的原理。
《深度學習原理與實踐》
陳仲銘，彭凌西 著
本書系統全面、循序漸進地介紹了深度學習的各方面知識，包括技術經驗、使用技巧和實踐案例。本書詳細介紹了目前深度學習相關的常用網絡模型，以及不同網絡模型的算法原理和核心思想。本書利用大量的實例代碼對網絡模型進行了分析，這些案例能夠加深讀者對網絡模型的認識。
此外，本書還提供完整的進階內容和對應案例，讓讀者全面深入地瞭解深度學習的知識和技巧，達到學以致用的目的。
《Python 深度學習》
[英] 尼格爾·劉易斯（N.D. Lewis） 著
本書是使用Python進行深度學習實踐的一本初學指南。本書並未羅列大量的公式，而是通過一些實用的實際案例，以簡單直白的方式介紹深度神經網絡的兩項任務——分類和迴歸，解析深度學習模型中的一些核心問題，以期讓讀者對深度學習的全貌有一個清晰的認識。
《Keras深度學習實戰》
[意大利]安東尼奧·古利(Antonio Gulli) 著
本書用當前流行的Keras框架實現了大量深度學習算法，構建了眾多深度學習模型，並且介紹了深度學習在遊戲等實際場合中的應用，特別是本書還介紹了當前火熱的生成對抗網絡（GAN）的應用。全書通俗易懂，強調實際案例，適合廣大的機器學習從業者和愛好者入門與實踐。
《精通數據科學：從線性迴歸到深度學習》
唐亙 著
數據科學入門到實戰，介紹數據科學常用的工具——Python、數學基礎及模型，討論數據科學的前沿領域——大數據和人工智能，包括機器學習領域經典的模型、分佈式機器學習、神經網絡和深度學習等。
《TensorFlow技術解析與實戰》
李嘉璇 著
TensorFlow 是谷歌公司開發的深度學習框架，也是目前深度學習的主流框架之一。本書從深度學習的基礎講起，深入TensorFlow框架原理、模型構建、源代碼分析和網絡實現等各個方面。全書分為基礎篇、實戰篇和提高篇三部分。
領導“谷歌大腦”的工程師Jeff Dean發來寄語，李航、餘凱等人工智能領域專家傾力推薦，包攬TensorFlow 1.1的新特性，技術內容全面，實戰案例豐富，視野廣闊，人臉識別、語音識別、圖像和語音相結合等熱點一應俱全，非常適合對深度學習和TensorFlow感興趣的讀者閱讀。
《TensorFlow機器學習項目實戰》
【阿根廷】Rodolfo Bonnin 著
TensorFlow是Google所主導的機器學習框架，也是機器學習領域研究和應用的熱門對象。
本書主要介紹如何使用TensorFlow庫實現各種各樣的模型，旨在降低學習門檻，併為讀者解決問題提供詳細的方法和指導。全書共10章，分別介紹了TensorFlow基礎知識、聚類、線性迴歸、邏輯迴歸、不同的神經網絡、規模化運行模型以及庫的應用技巧。
本書適合想要學習和了解 TensorFlow 和機器學習的讀者閱讀參考。如果讀者具備一定的C++和Python的經驗，將能夠更加輕鬆地閱讀和學習本書。
機器學習篇
《機器學習Web應用》
【意】Andrea Isoni（愛索尼克）著
本書講解如何用Python語言、Django框架開發一款Web商業應用，以及如何用一些現成的庫和工具（sklearn、scipy、nltk和Django等）處理和分析應用所生成或使用的數據。本書不僅涉及機器學習的核心概念，還介紹瞭如何將數據部署到用Django框架開發的Web應用，包括Web、文檔和服務器端數據的挖掘和推薦引擎的搭建方法。
本書適合有志於成為或剛剛成為數據科學家的讀者學習，也適合對機器學習、Web數據挖掘等技術實踐感興趣的讀者參考閱讀。
《Python機器學習——預測分析核心算法》
【美】Michael Bowles（鮑爾斯） 著
在學習和研究機器學習的時候，面臨令人眼花繚亂的算法，機器學習新手往往會不知 所措。本書從算法和Python 語言實現的角度，幫助讀者認識機器學習。
本書專注於兩類核心的“算法族”，即懲罰線性迴歸和集成方法，並通過代碼實例來 展示所討論的算法的使用原則。全書共分為7 章，詳細討論了預測模型的兩類核心算法、預測模型的構建、懲罰線性迴歸和集成方法的具體應用和實現。 本書主要針對想提高機器學習技能的Python 開發人員，幫助他們解決某一特定的項 目或是提升相關的技能。
《Python機器學習實踐指南》
【美】Alexander T. Combs 著
機器學習是近年來漸趨熱門的一個領域，同時Python 語言經過一段時間的發展也已逐漸成為主流的編程語言之一。
本書結合了機器學習和Python 語言兩個熱門的領域，通過利用兩種核心的機器學習算法來將Python 語言在數據分析方面的優勢發揮到極致。 全書共有10 章。第1 章講解了Python 機器學習的生態系統，剩餘9 章介紹了眾多與機器學習相關的算法，包括各類分類算法、數據可視化技術、推薦引擎等，主要包括機器學習在公寓、機票、IPO 市場、新聞源、內容推廣、股票市場、圖像、聊天機器人和推薦引擎等方面的應用。 本書適合Python 程序員、數據分析人員、對算法感興趣的讀者、機器學習領域的從業人員及科研人員閱讀。
《NLTK基礎教程——用NLTK和Python庫構建機器學習應用》
[印度] Nitin Hardeniya 著
NLTK 庫是當前自然語言處理（NLP）領域最為流行、使用最為廣泛的庫之一, 同時Python語言也已逐漸成為主流的編程語言之一。
本書主要介紹如何通過NLTK庫與一些Python庫的結合從而實現複雜的NLP任務和機器學習應用。全書共分為10章。第1章對NLP進行了簡單介紹。第2章、第3章和第4章主要介紹一些通用的預處理技術、專屬於NLP領域的預處理技術以及命名實體識別技術等。第5章之後的內容側重於介紹如何構建一些NLP應用，涉及文本分類、數據科學和數據處理、社交媒體挖掘和大規模文本挖掘等方面。
本書適合 NLP 和機器學習領域的愛好者、對文本處理感興趣的讀者、想要快速學習NLTK的資深Python程序員以及機器學習領域的研究人員閱讀。
圖像識別篇
《機器學習經典算法剖析——基於OpenCV》
趙春江 著
本書就是出於此目的，對正態貝葉斯分類器、K近鄰算法、支持向量機、決策樹、AdaBoost、梯度提升樹、隨機森林、極端隨機樹、期望極大值、神經網絡這十大經典的機器學習算法先進行具體的原理分析，然後給出OpenCV的相關源碼的逐句解釋，最後完成一個基於OpenCV的應用實例。
《圖像局部特徵檢測和描述》
趙春江 著
本書以OpenCV 2.4.9為研究工具，對其所實現的所有最新的特徵檢測和描述算法——K-R、Canny、Harris、Shi-Tomasi、FAST、MSER、MSCR、SIFT、SURF、BRISK、BRIEF、ORB、FREAK、CenSurE等進行了詳細講解，不僅分析了它們的原理和實現方法，還進行了詳細的源碼解析，並且給出了具體的程序實現範例，充分體現了理論與實踐相結合的特點。
《數字圖像處理與機器視覺》
張錚, 徐超, 任淑霞, 韓海玲 著
《數字圖像處理與機器視覺——Visual C++與Matlab實現(第2版)》將理論知識、科學研究和工程實踐有機結合起來。
《數字圖像處理與機器視覺——Visual C++與Matlab實現(第2版)》結構緊湊，內容深入淺出，講解圖文並茂，適合於計算機、通信和自動化等相關專業的本科生、研究生，以及工作在圖像處理和識別領域一線的廣大工程技術人員閱讀參考。
《OpenCV和Visual Studio圖像識別應用開發》
望熙榮，望熙貴 著
OpenCV是可以在多平臺下運行、並提供了多語言接口的一個庫，實現了圖像處理和計算機視覺方面的很多通用算法。
本書是介紹OpenCV結合Visual Studio進行圖像識別和處理的編程指南。全書共11章，介紹了OpenCV和Visual Studio的安裝設置，以及Core、HighGUI、ImgProc、Calib3d、Feature2d、Video、Objdetect、ML、Contrib等模塊，涉及文字處理、照片處理、圖像識別、OpenGL整合、硬件設備結合使用等眾多方面的功能，最後還給出了綜合應用的實例。
本書適合對於圖像識別和處理技術感興趣，並且想要學習OpenCV的應用和編程的讀者閱讀和參考。
《人臉識別原理及算法——動態人臉識別系統研究 》
熊志勇, 沈理, 劉翼光 著
本書系統總結了人臉識別研究領域，填補國內有關該領域圖書的空白，很好地總結了近年人臉識別算法研究成果，並提供了具體算法實現和研究結果，為該領域研究人員提供很好的借鑑。
讀者通過閱讀本書可以系統地學習人臉識別研究的方法，瞭解人臉識別研究的具體算法實現以及國內外相關技術的最新進展。動態人臉識別方法是作者在人臉識別研究方面的一個嘗試和拓展，希望這部分內容能夠為這一領域提供一種全新的研究分支。
算法篇
《趣學算法》
陳小玉 著
本書內容按照算法策略分為7章。第1章從算法之美、簡單小問題、趣味故事引入算法概念、時間複雜度、空間複雜度的概念和計算方法，以及算法設計的爆炸性增量問題，使讀者體驗算法的奧妙。第2～7章介紹經典算法的設計策略、實戰演練、算法分析及優化拓展，分別講解貪心算法、分治算法、動態規劃、回溯法、分支限界法、線性規劃和網絡流。
每一種算法都有4～10個實例，共50個大型實例，包括經典的構造實例和實際應用實例，按照問題分析、算法設計、完美圖解、偽代碼詳解、實戰演練、算法解析及優化拓展的流程，講解清楚且通俗易懂。附錄介紹常見的數據結構及算法改進用到的相關知識，包括sort函數、優先隊列、鄰接表、並查集、四邊不等式、排列樹、貝爾曼規則、增廣路複雜性計算、最大流最小割定理等內容。
本書可作為程序員的學習用書，也適合從未有過編程經驗但又對算法有強烈興趣的初學者使用 ，同時也可作為高等院校計算機、數學及相關專業的師生用書和培訓學校的教材。
《Python算法教程》
[挪威]赫特蘭（Magnus Lie Hetland） 著
暢銷書Python基礎教程(第2版)作者、Python領域大牛又一新力作！知識點清晰，語言簡潔。
本書用Python語言來講解算法的分析和設計，主要關注經典的算法，幫助讀者理解基本算法問題和解決問題打下很好的基礎。
本書用Python語言來講解算法的分析和設計。本書主要關注經典的算法，但同時會為讀者理解基本算法問題和解決問題打下很好的基礎。
本書概念和知識點講解清晰，語言簡潔。本書適合對Python算法感興趣的初中級用戶閱讀和自學，也適合高等院校的計算機系學生作為參考教材來閱讀。
《文本上的算法——深入淺出自然語言處理 》
路彥雄 著
本書結合作者多年學習和從事自然語言處理相關工作的經驗，力圖用生動形象的方式深入淺出地介紹自然語言處理的理論、方法和技術。本書拋棄掉繁瑣的證明，提取出算法的核心，幫助讀者儘快地掌握自然語言處理所必備的知識和技能。
《算法謎題》
【美】Anany Levitin 著
算法是計算機科學領域最重要的基石之一。算法謎題，就是能夠直接或間接地採用算法來加以解決的謎題。求解算法謎題是培養和鍛鍊算法思維能力一種最有效和最有樂趣的途徑。
本書是一本經典算法謎題的合集。本書包括了一些古已有之的謎題，數學和計算機科學有一部分知識就發源於此。本書中還有一些較新的謎題，其中有一部分謎題被用作知名IT企業的面試題。全書可分為4個部分，分別是概覽、謎題、提示和答案。概覽介紹了算法設計的通用策略和算法分析的技術，還附帶有不少的實例。謎題部分將謎題按照簡單、中等難度和較難三個層級分別列出。提示部分依次給出謎題提示，幫助讀者找到正確的解題方向，同時仍然為讀者留下了獨立求解的空間。答案部分則給出了謎題的詳細解答。
《編程之法：面試和算法心得》
July 著
蛻變於CSDN技術博客“結構之法算法之道”，內容涉及面試、算法、機器學習三大主題；作者數年的積累成果；進入IT行業求職筆試和麵試寶典
書中的每道編程題目都給出了多種思路、多種解法，不斷優化、逐層遞進。第1章至第6章分別闡述字符串、數組、樹、查找、動態規劃、海量數據處理等相關的編程面試題和算法，第7章介紹機器學習的兩個算法—K近鄰和SVM。書中的每一道題都是面試的高頻題目，反覆出現在近5年各大公司的筆試和麵試中，對面試備考有著極強的參考價值。
神經網絡篇
《自己動手寫神經網絡》
葛一鳴 著
本書講解通俗易懂，使用簡單的語言描述人工神經網絡的原理，併力求以具體實現與應用為導向，除了理論介紹外，每一章節的應用和實踐都有具體的實例實現，讓讀者達到學以致用。
本書適合以下類型的讀者：對神經網絡感興趣，期望可以初步瞭解神經網絡原理的讀者；有一定編程經驗，期望學習和掌握神經網絡的程序員；期望對神經網絡進行實際應用的工程人員；任何一名神經網絡愛好者。
《神經網絡算法與實現——基於Java語言》
Alan M.F. Souza（艾倫）著
神經網絡已成為從大量原始的，看似無關的數據中提取有用知識的強大技術。 Java語言是用於實現神經網絡的最合適的工具之一，也是現階段非常流行的編程語言之一，包含多種有助於開發的API和包，具有“一次編寫，隨處運行”的可移植性。
本書完整地演示了使用Java開發神經網絡的過程，既有非常基礎的實例也有高級實例。首先，你將學習神經網絡的基礎知識、感知機及其特徵。 然後，你將使用學到的概念來實現自組織映射網絡。 此外，你還會了解一些應用，如天氣預報、疾病診斷、客戶特徵分析和光學字符識別（OCR）等。 最後，你將學習實時優化和自適應神經網絡的方法。
點擊https://mp.weixin.qq.com/s/ziN-IoMfY__rav-QdkYShQ，購買《人工智能（第2版）》
閱讀更多 異步社區 的文章
