相关书籍PDF资料下载见：https://pan.baidu.com/s/1sk0uHSHQKG1Jrw47TCZULw 提取码：zja9

最全AI书籍资料整理推荐：
《21个项目玩转深度学习：基于TensorFlow的实践详解》PDF+源代码
《153分钟学会R》
《AI·未来》
《ggplot2：数据分析与图形艺术》
《Hadoop权威指南(第2版)》
《Hadoop权威指南（第四版）》中文PDF+英文PDF+源代码
《Keras快速上手：基于Python的深度学习实战》
《OpenCV3计算机视觉 Python语言实现(第二版)》
《OpenCV官方教程中文版（For Python）》
《Python3网络爬虫开发实战》中文PDF+源代码
《Python编程从入门到实践》（高清中文版PDF+高清英文版PDF+源代码）
《Python编程快速上手：让繁琐工作自动化》【高清中文版PDF+高清英文版PDF+源代码】
《Python编程入门(第3版)》中文PDF+英文PDF
《Python程序设计与算法基础教程》
《Python核心编程(第三版)》（高清中文版PDF+高清英文版PDF+源代码）
《Python机器学习》高清英文版PDF+中文版PDF+源代码及数据集
《Python机器学习基础教程》高清中文版PDF+高清英文版PDF+源代码
《Python机器学习及实践从零开始通往Kaggle竞赛之路》
《Python机器学习经典实例》(高清中文版PDF+高清英文版PDF+源代码)
《Python机器学习实践指南》(高清中文版PDF+高清英文版PDF+源代码)
《Python机器学习—预测分析核心算法》高清中文版PDF+高清英文版PDF+源代码
《Python基础教程（第3版）》（高清中文版PDF+高清英文版PDF+源代码）
《Python金融大数据分析》中文版PDF+英文版PDF+源代码
《Python金融实战》中文版PDF+英文版PDF+源代码
《Python进行自然语言处理》
《Python深度学习》高清中文版pdf+高清英文版pdf+源代码
《Python神经网络编程》中文版PDF+英文版PDF+源代码
《Python数据处理》（高清中文版PDF+高清英文版PDF+源代码）
《Python数据分析基础》高清中文PDF+高清英文PDF+源代码
《Python数据分析基础教程：NumPy学习指南(第2版)》高清中文PDF+英文PDF+源代码
《Python数据科学手册》高清中文版PDF+高清英文版PDF+源代码
《Python数据可视化编程实战》中文版PDF+英文版PDF+源代码
《Python数据挖掘入门与实践》高清中文版+高清英文版+源代码
《Python网络数据采集》高清中文版PDF+高清英文版PDF+源代码
《Python学习手册(第4版)》高清中文PDF+高清英文PDF+源代码
《Python游戏编程快速上手(第3版)》高清中文版PDF+高清英文版PDF+源代码
《Python语言及其应用》高清中文版PDF+高清英文版PDF+源代码
《R数据科学》高清中文版PDF+高清英文版PDF+源代码
《R数据可视化手册》高清英文版PDF+中文版PDF+源代码
《R语言编程艺术》中文版PDF+英文版PDF+源代码
《R语言实战（第2版）》高清中文版PDF+高清英文版PDF+源代码
《R语言与网站分析》
《TensorFlow 官方文档中文版》
《TensorFlow机器学习实战指南》中文版PDF+英文版PDF+源代码
《TensorFlow机器学习项目实战》中文PDF+英文PDF+源代码
《TensorFlow技术解析与实战》高清中文PDF+源代码
《TensorFlow实战》中文版PDF+源代码
《TensorFlow实战Google深度学习框架(第2版)》中文版PDF和源代码
《白话大数据与机器学习》PDF+《图解机器学习》PDF
《白话深度学习与TensorFlow》中文版PDF
《贝叶斯方法概率编程与贝叶斯推断》中文版PDF+英文版PDF+源代码
《贝叶斯思维：统计建模的Python学习法》高清中文版PDF+高清英文版PDF+源代码
《从Excel到Python数据分析进阶指南》高清中文版PDF
《大数据之路：阿里巴巴大数据实践》
《大数据治理》
《大数据治理与服务》
《动手学深度学习》高清PDF
《父与子的编程之旅python【第二版】》高清中文版PDF+高清英文版PDF+源代码
《机器学习：实用案例解析》中文版PDF+英文版PDF+源代码
《机器学习》
《机器学习》
《机器学习导论》
《机器学习导论》
《机器学习基础教程》中文PDF+英文PDF
《机器学习实践应用》高清PDF+源代码
《机器学习实战：基于Scikit-Learn和TensorFlow》高清中英文PDF+源代码
《机器学习实战》(高清中文版PDF+高清英文版PDF+源代码)
《机器学习系统设计》高清中文版+高清英文版+源代码
《机器学习与数据科学(基于R的统计学习方法)》高清中文PDF+源代码
《机器学习之路》
《机器之心》
《教孩子学编程Python语言版》中文版PDF+英文版PDF+源代码
《解析卷积神经网络深度学习实践手册》
《解析深度学习语音识别实践》
《精通Python爬虫框架Scrapy》中文PDF+英文PDF+源代码
《精通Python自然语言处理》高清中文版PDF+高清英文版PDF+源代码
《矩阵分析与应用（第二版）张贤达》PDF
《浪潮之巅》
《利用Python进行数据分析(第二版)》高清中文版PDF+高清英文版PDF+源代码
《零基础入门学习Python》电子书PDF+笔记+课后题及答案
《零起点Python大数据与量化交易》中文PDF+源代码
《流畅的Python》高清中文版PDF_mobi+高清英文版PDF_mobi+源代码大全套
《面向机器智能的TensorFlow实践》中文版PDF+英文版PDF+源代码
《模式识别与机器学习》
《趣学Python编程》中文PDF+英文PDF+源代码
《人工智能：国家人工智能战略行动抓手》
《人工智能：智能系统指南》
《人工智能》
《人工智能基础》
《人工智能时代的教育革命》
《人工智能一种现代方法》
《人类简史》
《深度学习、优化与识别》PDF+《深度学习原理与TensorFlow实践》PDF
《深度学习：一起玩转TensorLayer》
《深度学习：原理与应用实践》中文版PDF
《深度学习精要（基于R语言）》高清中文版PDF+高清英文版PDF+源代码
《深度学习入门：基于Python的理论与实现》高清中文版PDF+源代码
《深度学习-伊恩·古德费洛》【中文版和英文版】【高清完整版PDF】
《深度学习与计算机视觉》
《深度学习之PyTorch实战计算机视觉》PDF
《深度学习之TensorFlow：入门、原理与进阶实战》PDF+源代码
《深入浅出强化学习：原理入门》
《深入浅出深度学习：原理剖析与python实践》PDF+源代码
《神经网络与机器学习（第3版）》高清英文PDF+中文PDF
《神经网络与深度学习（美）MichaelNielsen著》中文版PDF+英文版PDF+源代码
《生物信息学机器学习方法》
《失控》
《时间简史》
《时间序列分析及应用：R语言（原书第2版）》
《实用机器学习(孙亮 著)》PDF+源代码
《数据科学实战手册(R+Python)》中文PDF+英文PDF+源代码
《数据科学中的R语言》中文PDF+源代码
《数据挖掘实用机器学习技术（中文第二版）》
《数据挖掘与R语言》
《数理统计与数据分析 原书第3版》
《统计手册：金融中的统计方法》
《统计学习方法》
《统计学习基础 数据挖掘、推理与预测》
《图说D3数据可视化利器从入门到进阶》
《未来简史》
《吴恩达深度学习课程笔记》
《一天搞懂深度学习》
《智能革命》
《智能时代》

阶段一、人工智能基础 －　高等数学必知必会
本阶段主要从数据分析、概率论和线性代数及矩阵和凸优化这四大块讲解基础，旨在训练大家逻辑能力，分析能力。拥有良好的数学基础，有利于大家在后续课程的学习中更好的理解机器学习和深度学习的相关算法内容。同时对于AI研究尤为重要，例如人工智能中的智能很大一部分依托“概率论”实现的。

一、数据分析
1）常数e
2）导数 
3）梯度 
4）Taylor

5）gini系数
6）信息熵与组合数
7）梯度下降
8）牛顿法

二、概率论
1）微积分与逼近论
2）极限、微分、积分基本概念 
3）利用逼近的思想理解微分，利用积分的方式理解概率
4）概率论基础
5）古典模型

6）常见概率分布
7）大数定理和中心极限定理 
8）协方差(矩阵)和相关系数 
9）最大似然估计和最大后验估计

三、线性代数及矩阵
1）线性空间及线性变换 
2）矩阵的基本概念 
3）状态转移矩阵 
4）特征向量 
5）矩阵的相关乘法

6）矩阵的QR分解 
7）对称矩阵、正交矩阵、正定矩阵 
8）矩阵的SVD分解 
9）矩阵的求导 
10）矩阵映射/投影

四、凸优化
1）凸优化基本概念 
2）凸集 
3）凸函数

4）凸优化问题标准形式 
5）凸优化之Lagerange对偶化 
6）凸优化之牛顿法、梯度下降法求解

阶段二、人工智能提升 － Python高级应用
随着AI时代的到来以及其日益蓬勃的发展，Python作为AI时代的头牌语言地位基本确定，机器学习是着实令人兴奋，但其复杂度及难度较大，通常会涉及组装工作流和管道、设置数据源及内部和云部署之间的分流而有了Python库后，可帮助加快数据管道，且Python库也在不断更新发布中，所以本阶段旨在为大家学习后续的机器学习减负。

一、容器
1）列表:list
2）元组:tuple
3）字典: dict
4）数组: Array

5）切片
6）列表推导式
7）浅拷贝和深拷贝

二、函数
1）lambda表达式
2）递归函数及尾递归优化

3）常用内置函数/高阶函数 
4）项目案例：约瑟夫环问题

三、常用库
1）时间库
2）并发库 
3）科学计算库

4）Matplotlib可视化绘图库 
5）锁和线程
6）多线程编程

阶段三、人工智能实用 － 机器学习篇
机器学习利用算法去分析数据、学习数据，随后对现实世界情况作出判断和预测。因此，与预先编写好、只能按照特定逻辑去执行指令的软件不同，机器实际上是在用大量数据和算法去“自我训练”，从而学会如何完成一项任务。
所以本阶段主要从机器学习概述、数据清洗和特征选择、回归算法、决策树、随机森林和提升算法、SVM、聚类算、EM算法、贝叶斯算法、隐马尔科夫模型、LDA主题模型等方面讲解一些机器学习的相关算法以及这些算法的优化过程，这些算法也就是监督算法或者无监督算法。

一、机器学习
1）机器学习概述

二、监督学习
1）逻辑回归 
2）softmax分类 
3）条件随机场 
4）支持向量机svm

5）决策树 
6）随机森林 
7）GBDT 
8）集成学习

三、非监督学习
1）高斯混合模型 
2）聚类 
3）PCA

4）密度估计

5）LSI 
6）LDA 
7）双聚类

四、数据处理与模型调优
1）特征提取
2）数据预处理
3）数据降维

4）模型参数调优
5）模型持久化
6）模型可视化

阶段四、人工智能实用 － 数据挖掘篇
本阶段主要通过音乐文件分类和金融反欺诈模型训练等项目，帮助大家对于上阶段的机器学习做更深入的巩固，为后续深度学习及数据挖掘提供项目支撑。

项目一：百度音乐系统文件分类
音乐推荐系统就是利用音乐网站上的音乐信息，向用户提供音乐信息或者建议，帮助用户决定应该听什么歌曲。而个人化推荐则是基于音乐信息及用户的兴趣特征、听歌历史行为，向用户推荐用户可能会感兴趣的音乐或者歌手。推荐算法主要分为以下几种：基于内容的推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐等；推荐系统常用于各个互联网行业中，比如音乐、电商、旅游、金融等。

项目二：千万级P2P金融系统反欺诈模型训练
目前比较火的互联网金融领域，实质是小额信贷，小额信贷风险管理，本质上是事前对风险的主动把控，尽可能预测和防范可能出现的风险。本项目应用GBDT、Randomforest等机器学习算法做信贷反欺诈模型，通过数据挖掘技术，机器学习模型对用户进行模型化综合度量，确定一个合理的风险范围，使风险和盈利达到一个平衡的状态。

阶段五、人工智能前沿 －　深度学习篇
深度学习是实现机器学习的技术，同时深度学习也带来了机器学习的许多实际应用，拓展了AI的使用领域，本阶段主要从TensorFlow、BP神经网络、深度学习概述、CNN卷积神经网络、递归神经网、自动编码机，序列到序列网络、生成对抗网络，孪生网络，小样本学习技术等方面讲解深度学习相关算法以，掌握深度学习前沿技术，并根据不同项目选择不同的技术解决方案。针对公司样本不足，采用小样本技术和深度学习技术结合，是项目落地的解决方案。

1）TensorFlow基本应用 
2）BP神经网络
3）深度学习概述
4）卷积神经网络(CNN) 
5）图像分类(vgg,resnet)
6）目标检测(rcnn,fast-rcnn,faster-rcnn,ssd)
7）递归神经网络(RNN)
8）lstm,bi-lstm,多层LSTM

9）无监督学习之AutoEncoder自动编码器
10）Seq2Seq
11）Seq2Seq with Attension
12）生成对抗网络
13）irgan
14）finetune及迁移学习
15）孪生网络
16）小样本学习

阶段六、人工智能进阶 － 自然语言处理篇
自然语言处理（NLP）是计算机科学领域与人工智能领域中的一个重要方向。它已成为人工智能的核心领域。自然语言处理解决的是“让机器可以理解自然语言”这一到目前为止都还只是人类独有的特权，被誉为人工智能皇冠上的明珠，被广泛应用。本阶段从NLP的字、词和句子全方位多角度的学习NLP，作为NLP的基础核心技术，对NLP为核心的项目，如聊天机器人，合理用药系统，写诗机器人和知识图谱等提供底层技术。通过学习NLP和深度学习技术，掌握NLP具有代表性的前沿技术。

1）词（分词，词性标注）代码实战 
2）词（深度学习之词向量，字向量）代码实战 
3）词（深度学习之实体识别和关系抽取）代码实战 
4）词（关键词提取，无用词过滤）代码实战

5）句（句法分析，语义分析）代码实战
6）句（自然语言理解,一阶逻辑）代码实战
7）句（深度学习之文本相似度）代码实战

阶段七、人工智能进阶 － 图像处理篇
数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。广泛的应用于农牧业、林业、环境、军事、工业和医学等方面，是人工智能和深度学习的重要研究方向。深度学习作为当前机器学习领域最热门的技术之一，已经在图像处理领域获得了应用，并且展现出巨大的前景。本阶段学习了数字图像的基本数据结构和处理技术，到前沿的深度学习处理方法。掌握前沿的ResNet,SSD,Faster RCNN等深度学习模型，对图像分类，目标检测和模式识别等图像处理主要领域达到先进水平。实际工作中很多项目都可以转化为本课程的所学的知识去解决，如行人检测，人脸识别和数字识别。

一、图像基础
图像读，写，保存，画图（线，圆，多边形，添加文字）

二、图像操作及算数运算
图像像素读取，算数运算，ROI区域提取

三、图像颜色空间运算
图像颜色空间相互转化

四、图像几何变换
平移，旋转，仿射变换，透视变换等

五、图像形态学
腐蚀，膨胀，开/闭运算等

六、图像轮廓
长宽，面积，周长，外接圆，方向，平均颜色，层次轮廓等

七、图像统计学
图像直方图

八、图像滤波
高斯滤波，均值滤波，双边滤波，拉普拉斯滤波等

阶段八、人工智能终极实战 － 项目应用
本阶段重点以项目为导向，通过公安系统人脸识别、图像识别以及图像检索、今日头条CTR广告点击量预估、序列分析系统、聊天机器人等多个项目的讲解，结合实际来进行AI的综合运用。

阶段九、人工智能实战 － 企业项目实战
课程一、基于Python数据分析与机器学习案例实战教程
课程风格通俗易懂，基于真实数据集案例实战。主体课程分成三个大模块(1)python数据分析，(2)机器学习经典算法原理详解,(3)十大经典案例实战。通过python数据科学库numpy,pandas,matplot结合机器学习库scikit-learn完成一些列的机器学习案例。算法课程注重于原理推导与流程解释，结合实例通俗讲解复杂的机器学习算法，并以实战为主，所有课时都结合代码演示。算法与项目相结合，选择经典kaggle项目，从数据预处理开始一步步代码实战带大家快速入门机器学习。旨在帮助同学们快速上手如何使用python库来完整机器学习案例。选择经典案例基于真实数据集，从数据预处理开始到建立机器学习模型以及效果评估，完整的讲解如何使用python及其常用库进行数据的分析和模型的建立。对于每一个面对的挑战，分析解决问题思路以及如何构造合适的模型并且给出合适评估方法。在每一个案例中，同学们可以快速掌握如何使用pandas进行数据的预处理和分析，使用matplotlib进行可视化的展示以及基于scikit-learn库的机器学习模型的建立。

1）Python数据分析与机器学习实战课程简介
2）Python快速入门
3）Python科学计算库Numpy
4）Python数据分析处理库Pandas
5）Python可视化库Matplotlib
6）回归算法
7）模型评估
8）K近邻算法
9）决策树与随机森林算法
10）支持向量机 
11）贝叶斯算法
12）神经网络
13）Adaboost算法

14）SVD与推荐
15）聚类算法
16）案例实战：使用Python库分析处理Kobe Bryan职业生涯数据
17）案例实战：信用卡欺诈行为检测
18）案例实战：泰坦尼克号获救预测
19）案例实战：鸢尾花数据集分析
20）案例实战：级联结构的机器学习模型
21）案例实战：员工离职预测
22）案例实战：使用神经网络进行手写字体识别
23）案例实战：主成分分析
24）案例实战：基于NLP的股价预测 
25）案例实战：借贷公司数据分析

课程二、人工智能与深度学习实战
课程风格通俗易懂，必备原理，形象解读，项目实战缺一不可！主体课程分成四个大模块(1)神经网络必备基础知识点，(2)深度学习模型，(3)深度学习框架Caffe与Tensorflow，(4)深度学习项目实战。 课程首先概述讲解深度学习应用与挑战，由计算机视觉中图像分类任务开始讲解深度学习的常规套路。对于复杂的神经网络，将其展开成多个小模块进行逐一攻破，再挑战整体神经网络架构。对于深度学习模型形象解读卷积神经网络原理，详解其中涉及的每一个参数，对卷积网络架构展开分析与评估，对于现阶段火爆的对抗生成网络以及强化学习给出形象解读，并配合项目实战实际演示效果。 基于框架实战，选择两款深度学习最火框架，Caffe与Tensorflow，首先讲解其基本使用方法，并结合案例演示如何应用框架构造神经网络模型并完成案例任务。 选择经典深度学习项目实战，使用深度学习框架从零开始完成人脸检测，验证码识别，人脸关键点定位，垃圾邮件分类，图像风格转换，AI自己玩游戏等。对于每一个项目实战，从数据预处理开始一步步构建网络模型并展开分析与评估。 课程提供所涉及的所有数据，代码以及PPT，方便大家快速动手进行项目实践！

1）深度学习概述与挑战
2）图像分类基本原理门
3）深度学习必备基础知识点
4）神经网络反向传播原理
5）神经网络整体架构
6）神经网络案例实战图像分类任务
7）卷积神经网络基本原理
8）卷积参数详解
9）卷积神经网络案例实战
10）经典网络架构分析 
11）分类与回归任务
12）三代物体检测算法分析
13）数据增强策略
14）TransferLearning
15）网络架构设计
16） 深度学习框架Caffe网络结构配置
17）Caffe
18）深度学习项目实战人脸检测

19）人脸正负样本数据源制作
20）人脸检测网络架构配置习模型
21）人脸检测代码实战
22）人脸关键点定位项目实战
23）人脸关键点定位网络模型
24）人脸关键点定位构建级联网络
25）人脸关键点定位测试效果与分析 
26）Tensorflow框架实战
27）Tensorflow构建回归模型
28）Tensorflow构建神经网络模型
29）Tensorflow深度学习模型
30）Tensorflow打造RNN网络模型
31）Tensorflow项目实战验证识别
32）项目实战图像风格转换
33）QLearning算法原理
34）DQN网络架构
35）项目实战DQN网络让AI自己玩游戏
36）项目实战对抗生成网络等