百萬年薪AI工程師思維導圖及書單
還沒有入行或者正在入門人工智慧領域的程式設計師們，今天帶來了一份人工智慧思維導圖，並附上學習路徑書單，希望對於迷茫的你有所幫助。
技術基礎篇
入門級演算法
《演算法謎題》
【美】Anany Levitin 著
演算法是電腦科學領域最重要的基石之一。演算法謎題，就是能夠直接或間接地採用演算法來加以解決的謎題。求解演算法謎題是培養和鍛鍊演算法思維能力一種最有效和最有樂趣的途徑。
本書是一本經典演算法謎題的合集。本書包括了一些古已有之的謎題，數學和電腦科學有一部分知識就發源於此。本書中還有一些較新的謎題，其中有一部分謎題被用作知名IT企業的面試題。全書可分為4個部分，分別是概覽、謎題、提示和答案。概覽介紹了演算法設計的通用策略和演算法分析的技術，還附帶有不少的例項。謎題部分將謎題按照簡單、中等難度和較難三個層級分別列出。提示部分依次給出謎題提示，幫助讀者找到正確的解題方向，同時仍然為讀者留下了獨立求解的空間。答案部分則給出了謎題的詳細解答。
《程式設計之法：面試和演算法心得》
July 著
蛻變於CSDN技術部落格“結構之法演算法之道”，內容涉及面試、演算法、機器學習三大主題；作者數年的積累成果；進入IT行業求職筆試和麵試寶典
書中的每道程式設計題目都給出了多種思路、多種解法，不斷優化、逐層遞進。第1章至第6章分別闡述字串、陣列、樹、查詢、動態規劃、海量資料處理等相關的程式設計面試題和演算法，第7章介紹機器學習的兩個演算法—K近鄰和SVM。書中的每一道題都是面試的高頻題目，反覆出現在近5年各大公司的筆試和麵試中，對面試備考有著極強的參考價值。
技術基礎篇
Python程式設計
《Python核心程式設計（第3版）》
【美】Wesley Chun（衛斯理 春）著
暢銷經典的Python書，兼顧Python2和Python3，Python開發人員的案頭常備
本書涵蓋了成為一名技術全面的Python開發人員所需的一切內容。本書講解了應用開發相關的多個領域，而且書中的內容可以立即應用到專案開發中。此外，本書還包含了一些使用Python 2和Python 3編寫的程式碼案例，以及一些程式碼移植技巧。有些程式碼片段甚至無須修改就可以執行在Python 2.x或Python 3.x上。
《Python程式設計（第3版）》
【美】John Zelle（策勒）著
Python之父作序推薦 ，Python 3 程式設計入門經典。本書以Python語言為工具教授計算機程式設計。本書強調解決問題、設計和程式設計是電腦科學的核心技能。本書特色鮮明、示例生動有趣、內容易讀易學，適合Python入門程式設計師閱讀，也適合高校計算機專業的教師和學生參考。
機器學習演算法篇
深度學習、神經網路、貝葉斯
《深度學習》
【加】Aaron Courville（亞倫·庫維爾）, 【加】Yoshua Bengio（約書亞·本吉奧）, 【美】Ian Goodfellow（伊恩·古德費洛）著
AI聖經！深度學習領域奠基性的經典暢銷書！長期位居美亞AI和機器學習類圖書榜首！所有資料科學家和機器學習從業者的bi讀圖書！特斯拉CEO埃隆·馬斯克等國內外眾多專家推薦！
深度學習是機器學習的一個分支，它能夠使計算機通過層次概念來學習經驗和理解世界。因為計算機能夠從經驗中獲取知識，所以不需要人類來形式化地定義計算機需要的所有知識。層次概念允許計算機通過構造簡單的概念來學習複雜的概念，而這些分層的圖結構將具有很深的層次。本書會介紹深度學習領域的許多主題。
《Python機器學習實踐指南》
【美】Alexander T. Combs 著
機器學習是近年來漸趨熱門的一個領域，同時Python 語言經過一段時間的發展也已逐漸成為主流的程式語言之一。
本書結合了機器學習和Python 語言兩個熱門的領域，通過利用兩種核心的機器學習演算法來將Python 語言在資料分析方面的優勢發揮到極致。 全書共有10 章。第1 章講解了Python 機器學習的生態系統，剩餘9 章介紹了眾多與機器學習相關的演算法，包括各類分類演算法、資料視覺化技術、推薦引擎等，主要包括機器學習在公寓、機票、IPO 市場、新聞源、內容推廣、股票市場、影象、聊天機器人和推薦引擎等方面的應用。 本書適合Python 程式設計師、資料分析人員、對演算法感興趣的讀者、機器學習領域的從業人員及科研人員閱讀。
《貝葉斯思維：統計建模的Python學習法》
【美】Allen B. Downey 著
這本書幫助那些希望用數學工具解決實際問題的人們，僅有的要求可能就是懂一點概率知識和程式設計。而貝葉斯方法是一種常見的利用概率學知識去解決不確定性問題的數學方法，對於一個計算機專業的人士，應當熟悉其應用在諸如機器翻譯，語音識別，垃圾郵件檢測等常見的計算機問題領域。
《貝葉斯方法：概率程式設計與貝葉斯推斷》
【美】Avi Pfeffer（艾維·費弗） 著
人工智慧領域的先驅、美國加州大學伯克利分校教授Stuart Russell作序推薦！一本不可思議的Scala概率程式設計實戰書籍！
概率推理是機器學習的核心方法之一，本書旨在向程式設計師，特別是Scala開發人員揭開概率建模的神祕面紗，以幫助程式設計師們高效地使用概率程式設計系統。
藉助概率程式設計系統，通過應用特定的演算法，你的程式可以確定不同結論的概率。這意味著你可以預測未來事件，如銷售趨勢、計算機系統故障、試驗結果和其他許多重要的關注點。
機器學習框架篇
庫和計算框架Tensorflow
《TensorFlow技術解析與實戰》
李嘉璇 著
TensorFlow 是谷歌公司開發的深度學習框架，也是目前深度學習的主流框架之一。本書從深度學習的基礎講起，深入TensorFlow框架原理、模型構建、原始碼分析和網路實現等各個方面。全書分為基礎篇、實戰篇和提高篇三部分。
領導“谷歌大腦”的工程師Jeff Dean發來寄語，李航、餘凱等人工智慧領域專家傾力推薦，包攬TensorFlow 1.1的新特性，技術內容全面，實戰案例豐富，視野廣闊，人臉識別、語音識別、影象和語音相結合等熱點一應俱全，非常適合對深度學習和TensorFlow感興趣的讀者閱讀。
《TensorFlow機器學習專案實戰》
【阿根廷】Rodolfo Bonnin 著
本書主要介紹如何使用TensorFlow庫實現各種各樣的模型，旨在降低學習門檻，併為讀者解決問題提供詳細的方法和指導。全書共10章，分別介紹了TensorFlow基礎知識、聚類、線性迴歸、邏輯迴歸、不同的神經網路、規模化執行模型以及庫的應用技巧。
本書適合想要學習和了解 TensorFlow 和機器學習的讀者閱讀參考。如果讀者具備一定的C++和Python的經驗，將能夠更加輕鬆地閱讀和學習本書。
機器學習技術實現篇
字元識別、自然語言處理、機器視覺、面部識別
《Python神經網路程式設計 》
[英] 塔裡克·拉希德（Tariq Rashid） 著
當前，深度學習和人工智慧的發展和應用給人們留下了深刻的印象。神經網路是深度學習和人工智慧的關鍵元素，然而，真正瞭解神經網路工作機制的人少之又少。本書用輕鬆的筆觸，一步一步揭示了神經網路的數學思想，並介紹如何使用Python程式語言開發神經網路。
本書的目標是讓儘可能多的普通讀者理解神經網路。讀者將學習使用Python開發自己的神經網路，訓練它識別手寫數字，甚至可以與專業的神經網路相媲美。
《文字上的演算法——深入淺出自然語言處理 》
路彥雄 著
微信整合搜尋演算法組組長路彥雄全新作品，深入淺出講解自然語言處理和機器學習技術，微博總閱讀量超30萬次。
本書結合作者多年學習和從事自然語言處理相關工作的經驗，力圖用生動形象的方式深入淺出地介紹自然語言處理的理論、方法和技術。本書拋棄掉繁瑣的證明，提取出演算法的核心，本書前面章節介紹了學習機器學習需要掌握的一些數學基礎，幫助讀者儘快地掌握自然語言處理所必備的知識和技能。本書適合從事自然語言處理相關研究和工作的讀者參考，尤其適合想要了解和掌握機器學習或者自然語言處理技術的讀者閱讀。
《OpenCV和Visual Studio影象識別應用開發 》
望熙貴, 望熙榮 著
OpenCV是可以在多平臺下執行、並提供了多語言介面的一個庫，實現了影象處理和計算機視覺方面的很多通用演算法。
本書是介紹OpenCV結合Visual Studio進行影象識別和處理的程式設計指南。全書共11章，介紹了OpenCV和Visual Studio的安裝設定，以及Core、HighGUI、ImgProc、Calib3d、Feature2d、Video、Objdetect、ML、Contrib等模組，涉及文書處理、照片處理、影象識別、OpenGL整合、硬體裝置結合使用等眾多方面的功能，最後還給出了綜合應用的例項。
本書適合對於影象識別和處理技術感興趣，並且想要學習OpenCV的應用和程式設計的讀者閱讀和參考。
《人臉識別原理及演算法——動態人臉識別系統研究 》
熊志勇, 沈理, 劉翼光 著
本書系統總結了人臉識別研究領域，填補國內有關該領域圖書的空白，很好地總結了近年人臉識別演算法研究成果，並提供了具體演算法實現和研究結果，為該領域研究人員提供很好的借鑑。
讀者通過閱讀本書可以系統地學習人臉識別研究的方法，瞭解人臉識別研究的具體演算法實現以及國內外相關技術的最新進展。動態人臉識別方法是作者在人臉識別研究方面的一個嘗試和拓展，希望這部分內容能夠為這一領域提供一種全新的研究分支。
《 Python自然語言處理 》
Edward Loper, Ewan Klein, 【美】Steven Bird 著
本書是自然語言處理領域的一本實用入門指南，旨在幫助讀者學習如何編寫程式來分析書面語言。基於Python程式語言以及一個名為NLTK的自然語言工具包的開源庫，但並不要求讀者有Python程式設計的經驗。全書共11章，按照難易程度順序編排。
本書的實踐性很強，包括上百個實際可用的例子和分級練習。本書可供讀者用於自學，也可以作為自然語言處理或計算語言學課程的教科書，還可以作為人工智慧、文字挖掘、語料庫語言學等課程的補充讀物。