人工智能领域需要哪些知识非科班程序员想进入该行业有何途径( 五 )
1. Think Stats: Probability and Statistics for Programmers.
《统计思维：程序员数学之概率统计》
By Allen B. Downey
Think Stats 是一本写给码畜们的关于概率与统计学的初阶介绍类书籍。
这本书主要是介绍一些可以用来处理实际数据和讨论相关问题的基本方法。这本书讨论了一个基于美国国家卫生研究院（National Institutes of Health）数据的实际案例，来开展相关话题和知识点的讨论。这本书鼓励读者们去做一些基于真实数据集的project。
2. Probabilistic Programming \u0026amp; Bayesian Methods for Hackers
【人工智能领域需要哪些知识非科班程序员想进入该行业有何途径】 《贝叶斯方法:概率编程与贝叶斯推断》
By Cam Davidson-Pilon
这本书相比于数学更注重与对贝叶斯方法论（Bayesian Method）和概率性编程的理解。
贝叶斯方法论是对数学分析自然而然的估计与推论，然而贝叶斯方法论的推理非常繁杂难懂。一般情况下，关于贝叶斯推论的关键内容主要建立在概率论的两三个章节上，之后才会是真正讲解什么是贝叶斯推论。然而，按照这种讲解构架，由于贝叶斯的一些数学部分实在是很难被掌握，通常的书里只会介绍几个简单的，人为编造的案例。这些不符合真实世界的例子会让读者们有一种对于贝叶斯推论有一种 “so what” 的情绪。读者们无法认知到贝叶斯推论的重要性和实用性。事实上，这种想法只是其他作者最开始接触贝叶斯的初始理解而已。
3. Understanding Machine Learning: From Theory to Algorithms
《深入理解机器学习:从原理到算法》
By Shai Shalev-Shwartz \u0026amp; Shai Ben-David
机器学习是近几年来计算机领域里蹿红最快也确实有很多广泛应用的“小鲜肉”。 这本书的编写要义在于给读者一个原则性的对机器学习的介绍以及其联系到的算法案例。这本书介绍了如何通过实用且基本的机器学习和数学推导，来将原理转换为实际算法的理论解释。除了对于最基本东西的解释论述，这本书还包括了之前那些书目中没有提到的重要的课题。课题包括：计算机学习的计算复杂度，稳定性和凸性(convexity)的概念，随机梯度下降、神经网络和有结构的输出式学习的重要算法范例，以及 PAC-Bayes 和 compression-based bounds 等新兴概念。
4. The Elements of Statistical Learning
《统计学习要点》
By Trevor Hastie, Robert Tibshirani \u0026amp; Jerome Friedman
本书在大家都认知的一个基础框架上论述了在统计学领域上的一些重要的理论。尽管这本书的最主要主题是要讨论统计学知识，但它的重心却没有落在数学理论上。这本书为读者们提供了很多彩色插图和案例说明来阐明知识论点。这本书不仅仅对于统计学家来说很有价值，它对致力于科学工业进行数据挖掘的有志之士也有很大的阅读价值。这本书的知识网非常的广，从监督式学习（预测）到非监督式学习都有一定的设计。同时书中还提到了神经网络，支持向量机，分级树和分级助推（这是相关话题在所有书籍中第一次被综合讨论）之类的其他话题。
5. An Introduction to Statistical Learning with Applications in R
推荐阅读
- 居家养花不需要太多，养这3款多肉，不仅颜值高，而且可镇宅招财
- 旅行|需要准备哪些物品？全面冬季出游清单，建议收藏带宝宝出门旅行
- 侧重业务逻辑的产品需求规格说明书，需要有哪些要点
- 暖！援鄂医生将蒙古捐赠羊肉转赠病人：他们更需要补身体
- |沛县深入开展教育领域突出问题专项整改
- 白皮书一般是政府发布的正式报告或文件，那么现在物联网、智慧城市等热门领域这么多企业发布的白皮书算咋回事呢
- 非计算机专业想要利用课余时间深入自学C++，想要找到比较体面的工作大概需要啥水平
- 为啥大部分线上活动的奖励需要点击领取
- 从其他岗位转产品经理可能吗，跨度有多大需要做那些准备
- 有点计算机基础的人想尽快找份编程的工作。哪种编程的工作最好找还需要学些啥