對于任何想在AI和機器學習領域謀職的人來說，技術書籍的作用都無可爭議，這里有一些好關于人工智能的書和機器學習的書來幫助您入門。
1、Python神經網絡編程 創建自己的神經網絡，作者Tariq Rashid
這本關于機器學習的熱門書籍是。這本書還將幫助您使用Python編程語言創建自己的神經網絡。本書的第一部分側重于神經網絡的各種數學概念，而第二部分則是完全實用的，它將教您如何創建自己的神經網絡。
我們將瀏覽一些數學思想，如函數、簡單的線性分類器、迭代細化、矩陣乘法、梯度演算、通過梯度下降進行優化，甚至是幾何旋轉。但是，所有這些數學概念將會以一種非常優雅清晰的方式進行解釋，并且除了簡單的中學數學知識以外，讀者完全不需要任何前提知識或專業技術。
一旦我們成功制作了第一個神經網絡，我們將帶著這種思想，在各個方面使用這種思想。例如，我們無需訴諸額外的訓練數據，就可以使用圖像處理來改善機器學習。我們將一窺神經網絡的思想，看看它是否揭示了任何深刻的見解——很多書籍并沒有向你展示神經網絡的工作機制。
當我們循序漸進制作神經網絡時，我們還將學習一種非常簡單、有用和流行的編程語言Python。同樣，你不需要有任何先前的編程經驗。
2、人工智能 易于上手的人工智能自學指南 作者 Stephen Lucci，Danny Kopec
本書包括引言、基礎知識、基于知識的系統、高級專題以及現在和未來五部分內容。第一部分從人工智能的定義講起，就人工智能的早期歷史、思維和智能的內涵、圖靈測試、啟發法、新千年人工智能的發展進行了簡要論述。第二部分詳細講述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的邏輯、知識表示和產生式系統等基礎知識。第三部分介紹并探究了人工智能領域的成功案例，如DENDRAL、MYCIN、EMYCIN等經典的專家系統，振動故障診斷、自動牙科識別等新的專家系統，以及受到自然啟發的搜索等。第四部分介紹了自然語言處理和自動規劃等高級專題。第五部分對人工智能的歷史和現狀進行了梳理，回顧了幾十年來人工智能所取得的諸多成就，并對其未來進行了展望。
本書系統、全面地涵蓋了人工智能的相關知識，既簡明扼要地介紹了這一學科的基礎知識，也對自然語言處理、自動規劃、神經網絡等內容進行了拓展，更輔以實例，可以幫助讀者扎扎實實打好基礎。本書特色鮮明，內容易讀易學，適合人工智能相關領域和對該領域感興趣的讀者閱讀，也適合高校計算機專業的教師和學生參考。
3、機器學習精講 全彩印刷 百頁機器學習書 作者：Andriy Burkov
本書用簡短的篇幅、精煉的語言，講授機器學習領域必備的知識和技能。全書共11章和一個術語表，依次介紹了機器學習的基本概念、符號和定義、算法、基本實踐方法、神經網絡和深度學習、問題與解決方案、進階操作、非監督學習以及其他學習方式等，涵蓋了監督學習和非監督學習、支持向量機、神經網絡、集成學習、梯度下降、聚類分析、維度降低、自編碼器、遷移學習、強化學習、特征工程、超參數調試等眾多核心概念和方法。全書最后給出了一個較為詳盡的術語表。
本書能夠幫助讀者了解機器學習是如何工作的，為進一步理解該領域的復雜問題和進行深入研究打好基礎。本書適合想要學習和掌握機器學習的軟件從業人員、想要運用機器學習技術的數據科學家閱讀，也適合想要了解機器學習的一般讀者參考。
４、集體智慧編程
本書以機器學習與計算統計為主題背景，專門講述如何挖掘和分析Web上的數據和資源，如何分析用戶體驗、市場營銷、個人品味等諸多信息，并得出有用的結論，通過復雜的算法來從Web網站獲取、收集并分析用戶的數據和反饋信息，以便創造新的用戶價值和商業價值。全書內容翔實，包括協作過濾技術（實現關聯產品推薦功能）、集群數據分析（在大規模數據集中發掘相似的數據子集）、搜索引擎核心技術（爬蟲、索引、查詢引擎、PageRank算法等）、搜索海量信息并進行分析統計得出結論的優化算法、貝葉斯過濾技術（垃圾郵件過濾、文本過濾）、用決策樹技術實現預測和決策建模功能、社交網絡的信息匹配技術、機器學習和人工智能應用等。
本書是Web開發者、架構師、應用工程師等的絕佳選擇。
５、機器學習 實用案例解析
機器學習是計算機科學和人工智能中非常重要的一個研究領域，近年來，機器學習不但在計算機科學的眾多領域中大顯身手，而且成為一些交叉學科的重要支撐技術。本書比較全面系統地介紹了機器學習的方法和技術，不僅詳細闡述了許多經典的學習方法，還討論了一些有生命力的新理論、新方法。
全書案例既有分類問題，也有回歸問題；既包含監督學習，也涵蓋無監督學習。本書討論的案例從分類講到回歸，然后討論了聚類、降維、最優化問題等。這些案例包括分類：垃圾郵件識別，排序：智能收件箱，回歸模型：預測網頁訪問量，正則化：文本回歸，最優化：密碼破解，無監督學習：構建股票市場指數，空間相似度：用投票記錄對美國參議員聚類，推薦系統：給用戶推薦R語言包，社交網絡分析：在Twitter上感興趣的人，模型比較：給你的問題找到最佳算法。各章對原理的敘述力求概念清晰、表達準確，突出理論聯系實際，富有啟發性，易于理解。在探索這些案例的過程中用到的基本工具就是R統計編程語言。R語言非常適合用于機器學習的案例研究，因為它是一種用于數據分析的高水平、功能性腳本語言。
