推荐之前，说下自己的看法。偶觉得搞技术都有两个方向，一个是基础研究，另一个就是工程应用，人工智能也是如此，后一种对于前一种相对来说要简单一些，但是不管是哪个方向的，对相关基础都了解是必要的。
废话完了，上干货。
——
数学基础
线性代数
这本书由浅入深，介绍了向量等基础概念，同时配有很多例子，对线性代数中基础的理解有很大帮助。
概率论
这本书同样配有大量例子，相对于同类书籍来说，也更加好懂一些。
数理统计
这本书是陈希孺院士写的，这本书介绍了统计的基础概念，提醒大家用统计的观念去看这个世界的事物，学会用统计的知识分析这些事物。
最优化理论
这本书同样重在讲实际中的应用，很多机器学习的方法也都出自这本书。
信息论
这本书干货很多，讲明白了信息论中的各个基本概念，但是要有一定的数学基础，看起来才比较顺畅。
机器学习
这是一本导论，可以从比较高的地方来看这本书，对机器学习有个全面的认识。本书中讲了机器学习中的大部分方法的思想、好处以及坏处，同样，给出了很多好懂的例子供读者理解。
人工神经网络
《Machine Learning: An Algorithmic Perspective》。这本书对感知器、自组织映射等常见的神经网络算法都有专门的介绍，介绍的时候，作者倾向于对算法原理的比较直观的解释，对神经网络的初学者来说有一定的好处，能促进对神经网络的理解。
深度学习
这本书出版比较早，基本上讲明白了深度学习的发展，书中主要介绍了一些早起的模型，所以说，这本书对初学者也是一个不错的选择。
——
你如果要学习人工智能，上面的相关知识早晚会碰到。偶这里列举出来的都是相对来说对初学者友好的。当然，不是要你全部看完了再去使用，而是要边看边实践，这样才能加深你对人工智能的理解。
学习的时候一定要带有目标性，不然的话，你可能在看基础的时候就蒙圈了。
——
整理不易，望点赞支持一下，喜欢的朋友也可以点击关注。
