MATLAB神经网络原理与实例精解 陈明

首先简要介绍了MATLAB软件的使用和常用的内置函数，随后分门别类地介绍了BP网络、径向基网络、自组织网络、反馈网络等不同类型的神经网络，并在每章的最后给出了实例。在全书的最后，又以专门的一章收集了MATLAB神经网络在图像、工业、金融、体育等不同领域的具体应用，具有很高的理论和使用价值。全书内容详实、重点突出，从三个层次循序渐进地利用实例讲解网络原理和使用方法，降低了学习门槛，使看似神秘高深的神经网络算法更为简单易学。 本书适合学习神经网络的人员使用MATLAB方便地实现神经网络以解决实际问题，也适合神经网络或机器学习算法的研究者及MATLAB进阶学习者阅读。另外，本书可以作为高校相关课程的教材和教学参考书。

信息论、推理与学习算法 作者: 麦凯

本书是英国剑桥大学卡文迪许实验室的著名学者David J．C．MacKay博士总结多年教学经验和科研成果。人工智能机器学习精进入门必备。在信息论的框架下讨论学习算法，推理。融会贯通。

数据挖掘导论(完整版)作者：陈封能 译者：范明

陈封能 (Pang-Ning Tan) (作者), 斯坦巴赫 (Michael Steinbach) (作者), 库玛尔 (Vipin Kumar) (作者), 范明 (译者), 范宏建 (译者), 等 (译者) 《数据挖掘导论（完整版）》全面介绍了数据挖掘，涵盖了五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都有两章。前一章涵盖基本概念、代表性算法和评估技术，而后一章讨论概念和算法。这样读者在透彻地理解数据挖掘的基础的同时，还能够了解更多重要的主题。《数据挖掘导论（完整版）》是明尼苏达大学和密歇根州立大学数据挖掘课程的教材，由于独具特色，正式出版之前已经被斯坦福大学、得克萨斯大学奥斯汀分校等众多名校采用。《数据挖掘导论（完整版）》特色与许多其他同类图书不同，《数据挖掘导论（完整版）》将重点放在如何用数据挖掘知识解决各种实际问题。 只要求具备很少的预备知识——不需要数据库背景，只需要很少的统计学或数学背景知识。 书中包含大量的图表、综合示例和丰富的习题，并且使用示例、关键算法的简洁描述和习题，尽可能直接聚焦于数据挖掘的主要概念。 教辅内容极为丰富，包括课程幻灯片、学生课题建议、数据挖掘资源（如数据挖掘算法和数据集）、联机指南（使用实际的数据集和数据分析软件，《数据挖掘导论（完整版）》介绍的部分数据挖掘技术提供例子讲解）。

概率图模型 原理与技术 科勒

概率图模型将概率论与图论相结合，是当前非常热门的一个机器学习研究方向。本书详细论述了有向图模型（又称贝叶斯网）和无向图模型（又称马尔可夫网）的表示、推理和学习问题，全面总结了人工智能这一前沿研究领域的最新进展。为了便于读者理解，书中包含了大量的定义、定理、证明、算法及其伪代码，穿插了大量的辅助材料，如示例（examples）、技巧专栏（skill boxes）、实例专栏（case study boxes）、概念专栏（concept boxes）等。另外，在第 2章介绍了概率论和图论的核心知识，在附录中介绍了信息论、算法复杂性、组合优化等补充材料，为学习和运用概率图模型提供了完备的基础。

神经网络与深度学习入门教程高清PDF 作者：Michael Nielsen

这是我个人以为目前最好的神经网络与机器学习入门资料。作者以MNIST为例详细介绍了神经网络中的基本概念，比如梯度下降优化方法，反向传播算法（backpropagation algorithm）,以及各种神经网络训练过程中的小技巧，比如初始权重的选择方法，梯度下降方法的进一步改进，选取不同的代价函数，如何防止过拟合等等。 ​ 当然，神经网络只是深度学习的基础，深度学习不只是深度神经网络那么简单，教程的最后三分之一介绍深度学习。作者的文字深入浅出，介绍了深度神经网络训练的困难在什么地方，以及前辈工作者是如何克服这些困难的，然后引出了深度学习。 ​ 深度学习也只是机器学习的其中一个方法而已，更别说范围更广的人工智能，但是了解了神经网络，也就基本掌握了机器学习的思路，概括来说就是：从数据到参数，有了参数我们就可以对新的数据做统计推断。

《神经网络与深度学习》 【吴岸城】中文+高清+目录完整版

通俗易懂的讲述了神经网络与深度学习的联系和学术边界，对深入理解什么是智能，如何做人工智能有很大帮助。

深度学习(deep learning) AI圣经 中文+高清+目录

《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第 1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第 2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。 《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。

贝叶斯方法 概率编程与贝叶斯推断

人工智能入门精进必备！！！人工智能入门精进必备！！！

信息系统项目管理师全程指导 第二版

软考高级职称中最具含金量的科目！掌握此知识具备计算机行业领域权威资格水平。相当于计算机系统分析和架构的审计工种。其资历要高于系统分析师和架构设计师！

系统架构设计师教程第二版

软考高级职称三部曲之系统架构师，完全掌握此书，相当于拥有了计算机领域高级水平的资格！