对于零基础新手想要人工智能入门的第一步，应该是多看基本大师的书，对人工智能有一个初步的系统的了解。那么人工智能看什么书呢?现在就来看看吧。
人工智能入门书籍
1、《人工智能：一种现代的方法》
介绍：作者为Stuart Russell和Peter Norvig。Russell，加州大学伯克利分校的计算机科学教授，发表了100多篇关于人工智能的论文。Norvig 现为谷歌研究总监，美国人工智能协会的创始会员之一，ACM院士。
推荐理由：人工智能领域的经典教科书。中文版的出版社介绍称，“系统地介绍了人工智能的理论和实践，并深入介绍了人工智能各个主要的研究方向。”相信人工智能入门的新手看完会对人工智能用一个整体的理解。
2、《Python机器学习 预测分析核心算法》
介绍：作者Michael Bowles，利用多年的机器学习经验带领读者设计、构建并实现自己的机器学习方案。
推荐理由：机器学习关注于预测，其核心是一种基于数学和算法的技术，要掌握该技术，需要对数学及统计概念有深入理解，能够熟练使用R 语言或者其他编程语言。本书通过集中介绍两类可以进行有效预测的机器学习算法，展示了如何使用Python 编程语言完成机器学习任务，从而降低机器学习难度，使机器学习能够被更广泛的人群掌握。
3、《深度学习》(Deep Learning)
介绍：作者为Ian Goodfellow、Yoshua Bengio和Aaron Courville。Goodfellow是谷歌研究科学家，2014年从蒙特利尔大学毕业，获机器学习博士学位。发明了生成对抗网络(GAN)，在深度学习领域贡献卓越。Bengio是蒙特利尔大学计算机科学与运筹学系的教授，主要研究目标是了解产生智力的学习原则。Courville是蒙特利尔大学计算机科学与运筹学系的助理教授。
推荐理由：被誉为AI圣经，深度学习领域奠基性的经典畅销书。本书的介绍信息称：不仅介绍了与深度学习有关的数学及相关概念的背景知识，包括线性代数、概率论、信息论、数值优化等。还介绍了工业界中实践者用到的深度学习技术，包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等。最后，还提供了一些深度学习的研究方向，涵盖的理论主题包括线性因子模型、自编码器、表示学习、结构化概率模型、蒙特卡罗方法、配分函数、近似推断以及深度生成模型。
学人工智能要学什么内容
入门深度学习最重要的就是需要掌握三大基本网络框架，即CNN卷积神经网络、RNN循环神经网络和GAN对抗神经网络。
(1)CNN卷积神经网络：比较流的深度学习模型，已成为当前图像识别领域的研究热点。主要应用于图像分类、目标检测、人脸识别、风格迁移等;
(2)RNN循环神经网络：应用领域最广泛的深度学习模型，只要考虑时间先后顺序问题的都可以使用RNN来解决，常见的应用领域有:自然语言处理、机器翻译、语音识别、音乐合成、聊天机器人、推荐算法等;
(3)GAN对抗神经网络：这是非监督式学习的一种方法，GAN的应用范围较广，扩展性也很强，主要应用于图像生成、数据增强和图像处理等领域。
学人工智能可以干什么
1、数据科学家
数据科学家是指能采用科学方法、运用数据挖掘工具对复杂多量的数字、符号、文字、网址、音频或视频等信息进行数字化重现与认识，并能寻找新的数据洞察的工程师或老师(不同于统计学家或分析师)。一个优秀的数据科学家需要具备的素质有：懂数据采集、懂数学算法、懂数学软件、懂数据分析、懂预测分析、懂市场应用、懂决策分析等。
2、 软件工程师
软件工程师英文是Software Engineer，是从事软件职业的人员的一种职业能力的认证，通过它说明具备了工程师的资格。软件工程师是从事软件开发相关工作的人员的统称。它是一个广义的概念，包括软件设计人员、软件架构人员、软件工程管理人员、程序员等一系列岗位，工作内容都与软件开发生产相关。软件工程师的技术要求是比较全面的，除了最基础的编程语言、数据库技术等，还有诸多如JavaScript、AJAX等前沿技术。此外，关于网络工程和软件测试的其他技术也要有所涉猎。
3、AI/机器学习工程师
机器学习项目的核心是机器学习工程师。他们具有数据科学，应用研究和高级编程的背景和技能，负责运行机器学习项目，负责管理将代码投入生产所需的基础架构和数据管道。机器学习工程师必须能够“跨越数学和编程数学之间的界限”。AI不同垂直行业的企业，包括图像识别、语音识别、医药和网络安全等，都需要这个岗位的人才。
4、软件架构师
软件架构师是软件行业中一种新兴职业，工作职责是在一个软件项目开发过程中，将客户的需求转换为规范的开发计划及文本，并制定这个项目的总体架构，指导整个开发团队完成这个计划。主导系统全局分析设计和实施、负责软件构架和关键技术决策的人员。
5、数据分析师
数据分析师是数据师Datician['detn]的一种，指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。
