人工智能篇
近年来人工智能领域越来越火爆，越来越多的学生毕业后从事人工智能相关岗位。这里推荐机器学习，深度学习以及强化学习领域的经典教材。建议读者在阅读前应该掌握的基础知识有：高等数学，线性代数，概率论，python基础语法。如果都学过不用重头再学，在看下列书的过程中，遇到不会的查漏补缺即可。
Reading list in August
01《统计学习方法（第2版）》
02《机器学习》
03《强化学习（第2版）》
04《深度学习原理与PyTorch实战》
05《Python深度学习》
作者：李航
索书号：C8/3/-2
推荐理由：
统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k 近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM 算法、隐马尔可夫模型和条件随机场等。叙述力求从具体问题或实例入手， 由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。本书目前图书馆最新的是第二版，李航老师的书已经出到第三版《机器学习方法》，这本书加入了对深度学习领域的介绍。图书馆已经订购了第三版，未来即将上架。
02《机器学习》
作者：周志华
索书号：TP181/26
推荐理由：
本书因书封皮是西瓜，故又称西瓜书。图书馆馆藏一共有7本，目前已全被借出，其经典程度可见一斑。由南京大学人工智能学院院长周志华教授撰写。本书在内容上与李航的《统计学习方法（第2版）》大体类似，也是对机器学习基础知识进行介绍。本书语言表达和逻辑思路都非常清晰，但书本里面牵涉的数学公式推导较为粗糙。建议与图书馆馆藏里的《机器学习公式详解》搭配使用效果最佳，此书对《机器学习》书里的数学公式进行了详细的推导，适合初学者阅读。同时此书有线上开源版本:https://github.com/datawhalechina/pumpkin-book (南瓜书)。
03《强化学习（第2版）》
作者：【加】Richard S. Sutton（理查德·桑顿） / 【美】Andrew G. Barto（安德鲁·巴图）
索书号：TP181/77
推荐理由：
《强化学习（第2版）》作为强化学习思想的深度解剖之作，被业内公认为是一本强化学习基础理论的经典著作。它从强化学习的基本思想出发，深入浅出又严谨细致地介绍了马尔可夫决策过程、蒙特卡洛方法、时序差分方法、同轨离轨策略等强化学习的基本概念和方法，并以大量的实例帮助读者理解强化学习的问题建模过程以及核心的算法细节。这本书主要偏理论，代码实践较少。初学者可以搭配以下几个链接学习最佳：https://github.com/wwxFromTju/awesome-reinforcement-learning-zh (学习资源及路线)，https://github.com/datawhalechina/easy-rl (磨菇书，图书馆正积极订购) , https://hrl.boyuai.com/chapter/intro/ (代码实战).
04《深度学习原理与PyTorch实战》
作者：集智俱乐部
索书号：TP181/130
推荐理由：
之前的书都是机器学习与强化学习领域的书，这里推荐一本深度学习领域较新的书。本书是一本系统介绍深度学习及开源框架PyTorch的入门书。全书注重实战，每章围绕一个有意思的实战案例展开，不仅循序渐进地讲解了PyTorch的基本使用、神经网络的搭建、卷积神经网络和循环神经网络的实现，而且全面深入地介绍了计算机视觉、自然语言处理、迁移学习，以及最新的对抗学习和深度强化学习等前沿技术。读者通过阅读本书，可以轻松入门深度学习，学会构造一个图像识别器，生成逼真的图画，让机器理解单词与文本，让机器作曲，教会机器玩游戏，还可以实现一个简单的机器翻译系统。每个单元都配有详细注释的源代码，能让你快速进入深度学习领域。但是本书的深度学习理论部分讲的不是很深入，如果要详细了解理论知识推荐b站视频cs231n斯坦福的课程，以及李沐与李宏毅两位老师的视频。同时本书在今年四月出版了第二版，添加了较新的transformer, bert, gpt等模型的代码实现，目前图书馆也在积极订购中。
05《Python深度学习》
作者：[美] 弗朗索瓦·肖莱（François Chollet）
索书号：TP311.561/3
推荐理由：
上面深度学习实战书是使用学术界用的比较多的pytorch框架，但工业界使用的较多的框架是tensorflow, 本书便是基于tensorflow编写的。由Keras之父、现任Google人工智能研究员的François Chollet执笔，详尽展示了用Python、Keras、TensorFlow进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。在学习完本书后，读者将了解深度学习、机器学习和神经网络的关键概念，具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力，学会解决现实世界中的深度学习问题。除此之外，本书还深刻剖析了当前的“人工智能热”，从理性的视角展望了深度学习在未来的可能性。同时本书在今年9月初推出了第二版，主要是代码更新以及增补。图书馆目前也在积极订购中，未来将会上架。