CS书单｜斯坦福大学的学生CS课上都在学什么？

本书受到了埃隆·马斯克的大力赞扬，马斯克称它是唯一一本把深度学习讲得十分全面的书籍。三位专家对深度学习进行了广泛的介绍，涵盖了深度学习的数学背景，从表征学习到深度生成模型的几个研究视角，以及行业内使用的技术，包括NLP、计算机视觉和优化算法。

当你开发机器学习系统时，准确度是不够的。你还需要确保你的模型是公平的，没有被篡改过，在不同的条件下不会崩溃，并且能被人们理解。你的设计和开发过程必须是透明和包容的，你不希望你创造的系统是有害的。本书引入了最新研究，着重探讨如何打造最值得信赖的机器学习系统？

强化学习（RL）将在未来十年内实现人工智能的最大突破，使算法能够在任意环境中学习，并达成任意的目标。这一令人兴奋的发展避免了传统机器学习（ML）算法中的限制。这本实用的书向数据科学和人工智能专业人士展示了如何通过强化学习，使机器能够自我学习？

本书旨在教你如何构建神经网络的书，以便你能更好地理解深度学习和所有元素的工作原理。你可以通过学习编码神经元、创建层、计算损失和进行反向传播，以及一些关于ML算法结构的一般背景，用深度学习在现实世界中做出更多创新的事情。

这是第一本介绍与人工智能有关的政治挑战的书。它超越了单纯的警告和指责，从政治哲学的独特视角出发，展示了各种政治问题如何受到新兴人工智能技术的影响——从正义、歧视到民主和监控，揭示了技术固有的政治性质。

本书利用实例、插图、练习和清晰的教学，来教你如何构建强大的深度学习系统。它将注释的Python代码与直观的解释相结合，根据环境的反应来探索DRL技术。你将看到算法是如何运作的，并学会使用评估性反馈来开发自己的DRL代理。

这是第一本提出贝叶斯观点的模式识别教科书，它详细介绍了贝叶斯方法的发展、模式识别和机器学习。该书提出了近似推理算法，允许在精确答案不可行的情况下快速获得近似答案。作者建议你看书前最好熟悉多元微积分、线性代数和概率学。

在这本开创性的著作中，埃里克·鲍姆提出了对思维计算性的解释，探讨了计算机科学家可以从人类智能的进化中学习到什么？他认为，思维本质上是由DNA编程的。人类的学习速度很快，是因为DNA代码已经将头脑编程为只处理有意义的活动，而心智的复杂性正是人类进化的结果。

心灵是什么，它是如何工作的？在这本1988年的老书中，麻省理工学院人工智能实验室的创始人马文·明斯基提供了一个人类认知的模型，深入探讨了包括语言、记忆和意识在内的主题。他将思维描绘成一个由微小部件组成的 “社会"，我们的思考、感觉和行动都来自于这些基本组成部分的互动。

本书获得了1979年的普利策奖，作者道格拉斯·霍夫斯塔特对意义、还原、递归等认知科学的核心概念进行探索，并提出了大胆的假设：如果生命可以从细胞的形式化基质中生长出来，如果意识可以从神经元发射的形式化系统中出现，那么计算机也会达到人类智能的程度。