相關書籍PDF資料下載見：https://pan.baidu.com/s/1lMO23nnrIag8Glvy2Be0Iw
最全AI書籍資料整理推薦：
《21個項目玩轉深度學習：基於TensorFlow的實踐詳解》PDF+源代碼
《153分鐘學會R》
《AI·未來》
《ggplot2：數據分析與圖形藝術》
《Hadoop權威指南(第2版)》
《Hadoop權威指南（第四版）》中文PDF+英文PDF+源代碼
《Keras快速上手：基於Python的深度學習實戰》
《OpenCV3計算機視覺 Python語言實現(第二版)》
《OpenCV官方教程中文版（For Python）》
《Python3網絡爬蟲開發實戰》中文PDF+源代碼
《Python編程從入門到實踐》（高清中文版PDF+高清英文版PDF+源代碼）
《Python編程快速上手：讓繁瑣工作自動化》【高清中文版PDF+高清英文版PDF+源代碼】
《Python編程入門(第3版)》中文PDF+英文PDF
《Python程序設計與算法基礎教程》
《Python核心編程(第三版)》（高清中文版PDF+高清英文版PDF+源代碼）
《Python機器學習》高清英文版PDF+中文版PDF+源代碼及數據集
《Python機器學習基礎教程》高清中文版PDF+高清英文版PDF+源代碼
《Python機器學習及實踐從零開始通往Kaggle競賽之路》
《Python機器學習經典實例》(高清中文版PDF+高清英文版PDF+源代碼)
《Python機器學習實踐指南》(高清中文版PDF+高清英文版PDF+源代碼)
《Python機器學習—預測分析核心算法》高清中文版PDF+高清英文版PDF+源代碼
《Python基礎教程（第3版）》（高清中文版PDF+高清英文版PDF+源代碼）
《Python金融大數據分析》中文版PDF+英文版PDF+源代碼
《Python金融實戰》中文版PDF+英文版PDF+源代碼
《Python進行自然語言處理》
《Python深度學習》高清中文版pdf+高清英文版pdf+源代碼
《Python神經網絡編程》中文版PDF+英文版PDF+源代碼
《Python數據處理》（高清中文版PDF+高清英文版PDF+源代碼）
《Python數據分析基礎》高清中文PDF+高清英文PDF+源代碼
《Python數據分析基礎教程：NumPy學習指南(第2版)》高清中文PDF+英文PDF+源代碼
《Python數據科學手冊》高清中文版PDF+高清英文版PDF+源代碼
《Python數據可視化編程實戰》中文版PDF+英文版PDF+源代碼
《Python數據挖掘入門與實踐》高清中文版+高清英文版+源代碼
《Python網絡數據採集》高清中文版PDF+高清英文版PDF+源代碼
《Python學習手冊(第4版)》高清中文PDF+高清英文PDF+源代碼
《Python遊戲編程快速上手(第3版)》高清中文版PDF+高清英文版PDF+源代碼
《Python語言及其應用》高清中文版PDF+高清英文版PDF+源代碼
《R數據科學》高清中文版PDF+高清英文版PDF+源代碼
《R數據可視化手冊》高清英文版PDF+中文版PDF+源代碼
《R語言編程藝術》中文版PDF+英文版PDF+源代碼
《R語言實戰（第2版）》高清中文版PDF+高清英文版PDF+源代碼
《R語言與網站分析》
《TensorFlow 官方文檔中文版》
《TensorFlow機器學習實戰指南》中文版PDF+英文版PDF+源代碼
《TensorFlow機器學習項目實戰》中文PDF+英文PDF+源代碼
《TensorFlow技術解析與實戰》高清中文PDF+源代碼
《TensorFlow實戰》中文版PDF+源代碼
《TensorFlow實戰Google深度學習框架(第2版)》中文版PDF和源代碼
《白話大數據與機器學習》PDF+《圖解機器學習》PDF
《白話深度學習與TensorFlow》中文版PDF
《貝葉斯方法概率編程與貝葉斯推斷》中文版PDF+英文版PDF+源代碼
《貝葉斯思維：統計建模的Python學習法》高清中文版PDF+高清英文版PDF+源代碼
《從Excel到Python數據分析進階指南》高清中文版PDF
《大數據之路：阿里巴巴大數據實踐》
《大數據治理》
《大數據治理與服務》
《動手學深度學習》高清PDF
《父與子的編程之旅python【第二版】》高清中文版PDF+高清英文版PDF+源代碼
《機器學習：實用案例解析》中文版PDF+英文版PDF+源代碼
《機器學習》
《機器學習》
《機器學習導論》
《機器學習導論》
《機器學習基礎教程》中文PDF+英文PDF
《機器學習實踐應用》高清PDF+源代碼
《機器學習實戰：基於Scikit-Learn和TensorFlow》高清中英文PDF+源代碼
《機器學習實戰》(高清中文版PDF+高清英文版PDF+源代碼)
《機器學習系統設計》高清中文版+高清英文版+源代碼
《機器學習與數據科學(基於R的統計學習方法)》高清中文PDF+源代碼
《機器學習之路》
《機器之心》
《教孩子學編程Python語言版》中文版PDF+英文版PDF+源代碼
《解析卷積神經網絡深度學習實踐手冊》
《解析深度學習語音識別實踐》
《精通Python爬蟲框架Scrapy》中文PDF+英文PDF+源代碼
《精通Python自然語言處理》高清中文版PDF+高清英文版PDF+源代碼
《矩陣分析與應用（第二版）張賢達》PDF
《浪潮之巔》
《利用Python進行數據分析(第二版)》高清中文版PDF+高清英文版PDF+源代碼
《零基礎入門學習Python》電子書PDF+筆記+課後題及答案
《零起點Python大數據與量化交易》中文PDF+源代碼
《流暢的Python》高清中文版PDF_mobi+高清英文版PDF_mobi+源代碼大全套
《面向機器智能的TensorFlow實踐》中文版PDF+英文版PDF+源代碼
《模式識別與機器學習》
《趣學Python編程》中文PDF+英文PDF+源代碼
《人工智能：國家人工智能戰略行動抓手》
《人工智能：智能系統指南》
《人工智能》
《人工智能基礎》
《人工智能時代的教育革命》
《人工智能一種現代方法》
《人類簡史》
《深度學習、優化與識別》PDF+《深度學習原理與TensorFlow實踐》PDF
《深度學習：一起玩轉TensorLayer》
《深度學習：原理與應用實踐》中文版PDF
《深度學習精要（基於R語言）》高清中文版PDF+高清英文版PDF+源代碼
《深度學習入門：基於Python的理論與實現》高清中文版PDF+源代碼
《深度學習-伊恩·古德費洛》【中文版和英文版】【高清完整版PDF】
《深度學習與計算機視覺》
《深度學習之PyTorch實戰計算機視覺》PDF
《深度學習之TensorFlow：入門、原理與進階實戰》PDF+源代碼
《深入淺出強化學習：原理入門》
《深入淺出深度學習：原理剖析與python實踐》PDF+源代碼
《神經網絡與機器學習（第3版）》高清英文PDF+中文PDF
《神經網絡與深度學習（美）MichaelNielsen著》中文版PDF+英文版PDF+源代碼
《生物信息學機器學習方法》
《失控》
《時間簡史》
《時間序列分析及應用：R語言（原書第2版）》
《實用機器學習(孫亮 著)》PDF+源代碼
《數據科學實戰手冊(R+Python)》中文PDF+英文PDF+源代碼
《數據科學中的R語言》中文PDF+源代碼
《數據挖掘實用機器學習技術（中文第二版）》
《數據挖掘與R語言》
《數理統計與數據分析 原書第3版》
《統計手冊：金融中的統計方法》
《統計學習方法》
《統計學習基礎 數據挖掘、推理與預測》
《圖說D3數據可視化利器從入門到進階》
《未來簡史》
《吳恩達深度學習課程筆記》
《一天搞懂深度學習》
《智能革命》
《智能時代》
階段一、人工智能基礎 － 高等數學必知必會
本階段主要從數據分析、概率論和線性代數及矩陣和凸優化這四大塊講解基礎，旨在訓練大家邏輯能力，分析能力。擁有良好的數學基礎，有利於大家在後續課程的學習中更好的理解機器學習和深度學習的相關算法內容。同時對於AI研究尤爲重要，例如人工智能中的智能很大一部分依託“概率論”實現的。
一、數據分析
1）常數e
2）導數
3）梯度
4）Taylor
5）gini係數
6）信息熵與組合數
7）梯度下降
8）牛頓法
二、概率論
1）微積分與逼近論
2）極限、微分、積分基本概念
3）利用逼近的思想理解微分，利用積分的方式理解概率
4）概率論基礎
5）古典模型
6）常見概率分佈
7）大數定理和中心極限定理
8）協方差(矩陣)和相關係數
9）最大似然估計和最大後驗估計
三、線性代數及矩陣
1）線性空間及線性變換
2）矩陣的基本概念
3）狀態轉移矩陣
4）特徵向量
5）矩陣的相關乘法
6）矩陣的QR分解
7）對稱矩陣、正交矩陣、正定矩陣
8）矩陣的SVD分解
9）矩陣的求導
10）矩陣映射/投影
四、凸優化
1）凸優化基本概念
2）凸集
3）凸函數
4）凸優化問題標準形式
5）凸優化之Lagerange對偶化
6）凸優化之牛頓法、梯度下降法求解
階段二、人工智能提升 － Python高級應用
隨着AI時代的到來以及其日益蓬勃的發展，Python作爲AI時代的頭牌語言地位基本確定，機器學習是着實令人興奮，但其複雜度及難度較大，通常會涉及組裝工作流和管道、設置數據源及內部和雲部署之間的分流而有了Python庫後，可幫助加快數據管道，且Python庫也在不斷更新發布中，所以本階段旨在爲大家學習後續的機器學習減負。
一、容器
1）列表:list
2）元組:tuple
3）字典: dict
4）數組: Array
5）切片
6）列表推導式
7）淺拷貝和深拷貝
二、函數
1）lambda表達式
2）遞歸函數及尾遞歸優化
3）常用內置函數/高階函數
4）項目案例：約瑟夫環問題
三、常用庫
1）時間庫
2）併發庫
3）科學計算庫
4）Matplotlib可視化繪圖庫
5）鎖和線程
6）多線程編程
階段三、人工智能實用 － 機器學習篇
機器學習利用算法去分析數據、學習數據，隨後對現實世界情況作出判斷和預測。因此，與預先編寫好、只能按照特定邏輯去執行指令的軟件不同，機器實際上是在用大量數據和算法去“自我訓練”，從而學會如何完成一項任務。
所以本階段主要從機器學習概述、數據清洗和特徵選擇、迴歸算法、決策樹、隨機森林和提升算法、SVM、聚類算、EM算法、貝葉斯算法、隱馬爾科夫模型、LDA主題模型等方面講解一些機器學習的相關算法以及這些算法的優化過程，這些算法也就是監督算法或者無監督算法。
一、機器學習
1）機器學習概述
二、監督學習
1）邏輯迴歸
2）softmax分類
3）條件隨機場
4）支持向量機svm
5）決策樹
6）隨機森林
7）GBDT
8）集成學習
三、非監督學習
1）高斯混合模型
2）聚類
3）PCA
4）密度估計
5）LSI
6）LDA
7）雙聚類
四、數據處理與模型調優
1）特徵提取
2）數據預處理
3）數據降維
4）模型參數調優
5）模型持久化
6）模型可視化
階段四、人工智能實用 － 數據挖掘篇
本階段主要通過音樂文件分類和金融反欺詐模型訓練等項目，幫助大家對於上階段的機器學習做更深入的鞏固，爲後續深度學習及數據挖掘提供項目支撐。
項目一：百度音樂系統文件分類
音樂推薦系統就是利用音樂網站上的音樂信息，向用戶提供音樂信息或者建議，幫助用戶決定應該聽什麼歌曲。而個人化推薦則是基於音樂信息及用戶的興趣特徵、聽歌歷史行爲，向用戶推薦用戶可能會感興趣的音樂或者歌手。推薦算法主要分爲以下幾種：基於內容的推薦、協同過濾推薦、基於關聯規則推薦、基於效用推薦、基於知識推薦等；推薦系統常用於各個互聯網行業中，比如音樂、電商、旅遊、金融等。
項目二：千萬級P2P金融系統反欺詐模型訓練
目前比較火的互聯網金融領域，實質是小額信貸，小額信貸風險管理，本質上是事前對風險的主動把控，儘可能預測和防範可能出現的風險。本項目應用GBDT、Randomforest等機器學習算法做信貸反欺詐模型，通過數據挖掘技術，機器學習模型對用戶進行模型化綜合度量，確定一個合理的風險範圍，使風險和盈利達到一個平衡的狀態。
階段五、人工智能前沿 － 深度學習篇
深度學習是實現機器學習的技術，同時深度學習也帶來了機器學習的許多實際應用，拓展了AI的使用領域，本階段主要從TensorFlow、BP神經網絡、深度學習概述、CNN卷積神經網絡、遞歸神經網、自動編碼機，序列到序列網絡、生成對抗網絡，孿生網絡，小樣本學習技術等方面講解深度學習相關算法以，掌握深度學習前沿技術，並根據不同項目選擇不同的技術解決方案。針對公司樣本不足，採用小樣本技術和深度學習技術結合，是項目落地的解決方案。
1）TensorFlow基本應用
2）BP神經網絡
3）深度學習概述
4）卷積神經網絡(CNN)
5）圖像分類(vgg,resnet)
6）目標檢測(rcnn,fast-rcnn,faster-rcnn,ssd)
7）遞歸神經網絡(RNN)
8）lstm,bi-lstm,多層LSTM
9）無監督學習之AutoEncoder自動編碼器
10）Seq2Seq
11）Seq2Seq with Attension
12）生成對抗網絡
13）irgan
14）finetune及遷移學習
15）孿生網絡
16）小樣本學習
階段六、人工智能進階 － 自然語言處理篇
自然語言處理（NLP）是計算機科學領域與人工智能領域中的一個重要方向。它已成爲人工智能的核心領域。自然語言處理解決的是“讓機器可以理解自然語言”這一到目前爲止都還只是人類獨有的特權，被譽爲人工智能皇冠上的明珠，被廣泛應用。本階段從NLP的字、詞和句子全方位多角度的學習NLP，作爲NLP的基礎核心技術，對NLP爲核心的項目，如聊天機器人，合理用藥系統，寫詩機器人和知識圖譜等提供底層技術。通過學習NLP和深度學習技術，掌握NLP具有代表性的前沿技術。
1）詞（分詞，詞性標註）代碼實戰
2）詞（深度學習之詞向量，字向量）代碼實戰
3）詞（深度學習之實體識別和關係抽取）代碼實戰
4）詞（關鍵詞提取，無用詞過濾）代碼實戰
5）句（句法分析，語義分析）代碼實戰
6）句（自然語言理解,一階邏輯）代碼實戰
7）句（深度學習之文本相似度）代碼實戰
階段七、人工智能進階 － 圖像處理篇
數字圖像處理(Digital Image Processing)是通過計算機對圖像進行去除噪聲、增強、復原、分割、提取特徵等處理的方法和技術。廣泛的應用於農牧業、林業、環境、軍事、工業和醫學等方面，是人工智能和深度學習的重要研究方向。深度學習作爲當前機器學習領域最熱門的技術之一，已經在圖像處理領域獲得了應用，並且展現出巨大的前景。本階段學習了數字圖像的基本數據結構和處理技術，到前沿的深度學習處理方法。掌握前沿的ResNet,SSD,Faster RCNN等深度學習模型，對圖像分類，目標檢測和模式識別等圖像處理主要領域達到先進水平。實際工作中很多項目都可以轉化爲本課程的所學的知識去解決，如行人檢測，人臉識別和數字識別。
一、圖像基礎
圖像讀，寫，保存，畫圖（線，圓，多邊形，添加文字）
二、圖像操作及算數運算
圖像像素讀取，算數運算，ROI區域提取
三、圖像顏色空間運算
圖像顏色空間相互轉化
四、圖像幾何變換
平移，旋轉，仿射變換，透視變換等
五、圖像形態學
腐蝕，膨脹，開/閉運算等
六、圖像輪廓
長寬，面積，周長，外接圓，方向，平均顏色，層次輪廓等
七、圖像統計學
圖像直方圖
八、圖像濾波
高斯濾波，均值濾波，雙邊濾波，拉普拉斯濾波等
階段八、人工智能終極實戰 － 項目應用
本階段重點以項目爲導向，通過公安系統人臉識別、圖像識別以及圖像檢索、今日頭條CTR廣告點擊量預估、序列分析系統、聊天機器人等多個項目的講解，結合實際來進行AI的綜合運用。
階段九、人工智能實戰 － 企業項目實戰
課程一、基於Python數據分析與機器學習案例實戰教程
課程風格通俗易懂，基於真實數據集案例實戰。主體課程分成三個大模塊(1)python數據分析，(2)機器學習經典算法原理詳解,(3)十大經典案例實戰。通過python數據科學庫numpy,pandas,matplot結合機器學習庫scikit-learn完成一些列的機器學習案例。算法課程注重於原理推導與流程解釋，結合實例通俗講解複雜的機器學習算法，並以實戰爲主，所有課時都結合代碼演示。算法與項目相結合，選擇經典kaggle項目，從數據預處理開始一步步代碼實戰帶大家快速入門機器學習。旨在幫助同學們快速上手如何使用python庫來完整機器學習案例。選擇經典案例基於真實數據集，從數據預處理開始到建立機器學習模型以及效果評估，完整的講解如何使用python及其常用庫進行數據的分析和模型的建立。對於每一個面對的挑戰，分析解決問題思路以及如何構造合適的模型並且給出合適評估方法。在每一個案例中，同學們可以快速掌握如何使用pandas進行數據的預處理和分析，使用matplotlib進行可視化的展示以及基於scikit-learn庫的機器學習模型的建立。
1）Python數據分析與機器學習實戰課程簡介
2）Python快速入門
3）Python科學計算庫Numpy
4）Python數據分析處理庫Pandas
5）Python可視化庫Matplotlib
6）迴歸算法
7）模型評估
8）K近鄰算法
9）決策樹與隨機森林算法
10）支持向量機
11）貝葉斯算法
12）神經網絡
13）Adaboost算法
14）SVD與推薦
15）聚類算法
16）案例實戰：使用Python庫分析處理Kobe Bryan職業生涯數據
17）案例實戰：信用卡欺詐行爲檢測
18）案例實戰：泰坦尼克號獲救預測
19）案例實戰：鳶尾花數據集分析
20）案例實戰：級聯結構的機器學習模型
21）案例實戰：員工離職預測
22）案例實戰：使用神經網絡進行手寫字體識別
23）案例實戰：主成分分析
24）案例實戰：基於NLP的股價預測
25）案例實戰：借貸公司數據分析
課程二、人工智能與深度學習實戰
課程風格通俗易懂，必備原理，形象解讀，項目實戰缺一不可！主體課程分成四個大模塊(1)神經網絡必備基礎知識點，(2)深度學習模型，(3)深度學習框架Caffe與Tensorflow，(4)深度學習項目實戰。 課程首先概述講解深度學習應用與挑戰，由計算機視覺中圖像分類任務開始講解深度學習的常規套路。對於複雜的神經網絡，將其展開成多個小模塊進行逐一攻破，再挑戰整體神經網絡架構。對於深度學習模型形象解讀卷積神經網絡原理，詳解其中涉及的每一個參數，對卷積網絡架構展開分析與評估，對於現階段火爆的對抗生成網絡以及強化學習給出形象解讀，並配合項目實戰實際演示效果。 基於框架實戰，選擇兩款深度學習最火框架，Caffe與Tensorflow，首先講解其基本使用方法，並結合案例演示如何應用框架構造神經網絡模型並完成案例任務。 選擇經典深度學習項目實戰，使用深度學習框架從零開始完成人臉檢測，驗證碼識別，人臉關鍵點定位，垃圾郵件分類，圖像風格轉換，AI自己玩遊戲等。對於每一個項目實戰，從數據預處理開始一步步構建網絡模型並展開分析與評估。 課程提供所涉及的所有數據，代碼以及PPT，方便大家快速動手進行項目實踐！
1）深度學習概述與挑戰
2）圖像分類基本原理門
3）深度學習必備基礎知識點
4）神經網絡反向傳播原理
5）神經網絡整體架構
6）神經網絡案例實戰圖像分類任務
7）卷積神經網絡基本原理
8）卷積參數詳解
9）卷積神經網絡案例實戰
10）經典網絡架構分析
11）分類與迴歸任務
12）三代物體檢測算法分析
13）數據增強策略
14）TransferLearning
15）網絡架構設計
16） 深度學習框架Caffe網絡結構配置
17）Caffe
18）深度學習項目實戰人臉檢測
19）人臉正負樣本數據源製作
20）人臉檢測網絡架構配置習模型
21）人臉檢測代碼實戰
22）人臉關鍵點定位項目實戰
23）人臉關鍵點定位網絡模型
24）人臉關鍵點定位構建級聯網絡
25）人臉關鍵點定位測試效果與分析
26）Tensorflow框架實戰
27）Tensorflow構建迴歸模型
28）Tensorflow構建神經網絡模型
29）Tensorflow深度學習模型
30）Tensorflow打造RNN網絡模型
31）Tensorflow項目實戰驗證識別
32）項目實戰圖像風格轉換
33）QLearning算法原理
34）DQN網絡架構
35）項目實戰DQN網絡讓AI自己玩遊戲
36）項目實戰對抗生成網絡等