我脑海中浮现的两本书是：

1. 人工智能：一种现代方法
2. 深度学习书

他们都从基础开始，并在继续前进的同时升级。

另外感谢您的推荐，我会看看它，因为我想在我职业生涯的某个阶段跳槽金融：）

你想在人工智能和机器学习中学到什么？人工智能涵盖了许多实际应用，所以你的问题在这里可能有点含糊。我会向你推荐有关机器学习本身的书籍，因为它是人工智能的一部分。

简单地说，机器学习的目标有两个：推理和预测。推理：这里的目标是理解输入变量和输出变量之间的关系。如果我更改输入的值，输出值将如何变化？预测：这里我们对数据如何变化不那么感兴趣，而只是想知道输出变量的值。

所以，一般来说，你应该对统计感兴趣，更具体地说是关于预测和推理。就是这样，但这并不能帮助您决定要购买哪些书。

这是清单（这是一个受欢迎的清单）

图书

主算法

如果您想以轻松有趣的方式学习机器学习算法，如果下一本书让您头疼，那么最好继续学习。当然值得一读。

R 中应用的统计学习简介

这本书是列表中最平易近人的一本书。它需要对数学有一定的了解才能理解某些公式，但是文本的编写方式仍然可以在您深入数学之前使概念清晰。确保您使用 R 进行练习。这是一项很好的学习技能，它会使理论更加具体。

这本书和列表中的下一本书可在线免费获得，但如果您愿意，您仍然可以在亚马逊上购买纸质版本。我给你链接了免费版本。

统计学习的要素

这个从 ISLR 停止的地方开始。它更重数学并探索新概念。你会发现与第一本书有一些重叠，这将有助于巩固你在第一本书中学到的概念。

前三本书已经让您轻松进入该领域。但是，如果您决定更加认真地学习，那么以下书籍绝对应该在您的阅读清单上：

模式识别和机器学习

深度学习

强化学习

对于这些书，我能给你的最好建议是从头到尾阅读它们。不要一次读太多，休息一下，试着向自己解释你读到的东西。它通常在纸上有意义，然后当你大声说出来时就没有那么多了。不要将公式视为可以跳过的内容。相反，将它们视为乐高积木。每个符号的含义都在每本书开头的索引中定义。试着解释公式中的每个符号；然后解释符号如何相互作用。一旦你理解了这个公式，试着想想当某些符号改变值时会发生什么。这样，您将非常牢固地掌握公式。AI和ML领域有很多用行话来说，它可能会变得势不可挡。通过真正了解某些算法的工作原理，您将不再被花哨的名称所愚弄，并开始意识到有很多重复。

享受 ！

人工智能和机器学习是一个很大的领域。如果您想要最广泛的非平凡介绍，您应该查看：

机器学习：概率视角。

它涵盖了从经典统计方法到图形模型和深度学习的所有内容。如果你对与 AI 相关的话题特别感兴趣，而不是机器学习，我认为你会喜欢学习强化学习。可能是由于最近对该领域重新产生了兴趣，第二版

强化学习：简介

刚刚出来。原始版本相当不错，而这个新版本除其他外，还有一个非常有趣的应用部分，包括 AlphaGo 和 Watson（以 Jeopardy 闻名）。

如果你不确定你想学什么，datasciencetexts.com包含一些相关和必备学科的简短描述，以及你可能感兴趣的推荐书籍。（披露：我帮助建立了它。）

快乐阅读！