常在toplanguage讨论组上推荐一些也常问里面牛人们搜罗有关资闲来麻.pdfVIP

我经常在TopLanguage讨论组上推荐一些书籍，也经常问里面的牛人们搜罗一些有关的资

料，人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索这些

无疑是CS领域最好玩的分支了（也是互相紧密联系的），这里将最近有关机器学习和人工

智能相关的一些学习资源归一个类：

首先是两个非常棒的Wikipedia条目，也算是wikipedia的重度用户了，门东西

的时候常常发现是始于wikipedia中间经过若干次，然后止于某一本或几本著作。

第一个是“人工智能的”（HistoryofArtificialIntelligence），在讨论组上写道：

事实比想象更令人惊讶。人工智能始于哲学思辨，中间经历了一个没有心理学（尤其是认

知学的）的帮助的阶段，仅通过牛人对人类思维的外在表现的归纳、内省，以及数学

工具进行探索，其间最令人激动的是HerbertSimon（决策理论之父，诺奖，领域牛人）

到结论的树状有哪些信誉好的足球投注网站（但由于组合，所以必须使启发式剪枝）。后来Simon又写了GPS

（GeneralProblemSolver），据说能解决一些能良好形式化的问题，如汉诺塔。但说到底

Simon的研究毕竟只触及了人类思维的一个很小很小的方面——FormalLogic，甚至更狭

义一点DeductiveReasoning（即不包含InductiveReasoning,TransductiveReasoning(俗称

analogicthinking）。还有诸多比如CommonSense、Vision、尤其是最为复杂的Language、

（这个就是所谓的EmboddiedMind理论。），则像一些老兄直接手动构建

Common-SenseKnowledgeBase，就很傻很天真了，须知人根据感知系统从自然界获取知识

是一个动态的自动更新的系统，而手动构建库则无异于古老的ExpertSystem的做法。

当然，以上只总结了很小一部分我个人觉得比较有趣或新颖的，每个人看到的有趣的地方不

一样，比如里面相当详细地介绍了神经网络理论的兴衰。所以强烈建议你看自己一遍，别

忘了里面到其他地方的。

顺便一说同学打算找时间把这个条目翻译出来，这是一个相当长的条目，看不动E文

的等着看翻译吧:)

第二个则是“人工智能”（ArtificialIntelligence）。当然，还有机器学习等等。从这些条目出

发能够找到许多非常有用和靠谱的深入参考资料。

然后是一些书籍

书籍：

1.《ProgrammingCollectiveIntelligence》，近年出的好书，培养是最重要的一环，

一上来看大部头很容易被吓走的:P

2.PeterNorvig的《AI,ModernApproach2nd》（无争议的领域经典）。

3.《TheElementsofStatisticalLearning》，数学性比较强，可以做参考了。

4.《FoundationsofStatisticalNaturalLanguageProcessing》，自然语言处理领域公认经典。

5.《DataMining,ConceptsandTechniques》，华裔科学家写的书，相当深入浅出。

6.《ManagingGigabytes》，信息检索好书。

7.《InformationTheory：InferenceandLearningAlgorithms》，参考书吧，比较深。

相关数学基础（参考书，不适合拿来通读）：

1.线性代数：这个参考书就不列了，很多。

2.矩阵数学：《矩阵分析》，RogerHorn。矩阵分析领域无争议的经典。

3.概率论与统计：《概率论及其应用》，威廉·也是极牛的书，可数学味道太重，不适

合做机器学习的。于是讨论组里的DuLei同学推荐了《AllOfStatistics》说到

机器学习这个方向，统计学也一样非常重要。推荐Allofstatistics，这是CMU的一本很简

洁的教科书，注重概念，简化计算，简化与MachineLearning无关的概念和统计内容，可以

说是很好的快速材料。

4.最优化方法：《NonlinearProgramming,2nd》非线性规划的参考书。《Convex

Opt