人工智能（AI）和机器学习（ML）是全球业务、技术和研究人员都感兴趣的话题，关于它的书籍、视频课程也非常的多，前天发布的文章中就有推荐bilibili上面很火爆的机器学习课程。想要深入学习，可以先系统的看看相关的书籍和视频课程，机器学习可以从两个方向说起：学习算法和应用领域，如果你有足够的机器学习知识，并对特定的领域有良好的理解，在职场供求中你肯定可以站在优势的那一边，以下为你推荐5本入门好书！

1、周志华《机器学习理论导引》

这本书为有志于学习和研究机器学习理论的读者提供导引。主要涵盖七个部分，分别对应机器学习理论中的七个重要概念或理论工具：可学性、（假设空间）复杂度、泛化界、稳定性、一致性、收敛率、遗憾界。

这是一本理论性较强的书籍，涉及大量的数学定理和各种证明。对读者的数学基础有较高的要求。它的写作也较为精炼，并不会在各个章节都给出示例。所有可以搭配别的书籍或教学视频一起食用。

2、周志华《机器学习》

这本书是机器学习领域的经典入门教材之一，没有过多的公式推导，对于一些想深究公式推导细节的读者来说可能不太合适，里面没有晦涩难懂的词汇，理论与示例相结合，阐述非常详细。旨在对西瓜书里比较难理解的公式加以解析，以及对部分公式补充具体的推导细节。

3、李航《统计学习方法》

这本书推导把关键步骤和推导都事无巨细的体现出来了。《机器学习》更适合数学基础比较好的人。《统计学习方法》会深扒原理背后的理论支撑，有助于更加深入的理解机器学习算法，对于初学者很友好，对后续深入研究会有很多好处。建议每章内容尽量去代码实现，重要的大参考文献要读，有助于理解书中内容。

4、Peter Harrington《机器学习实战》

这是一本浅显易懂的书，更加突出实战，减少讨论算法的原理和优缺点，大篇幅围绕实战展开，会给出一个示例，然后逐步编程实现，这样有助于让自己发现学习理论过程中容易忽略的点，进一步加深对机器学习的理解，我认为这本书还是很有必要看一下的，因为实践才能出真知。

5、Stuart.J Russell/Peter Norvig《人工智能：一种现代的方法》

关于整体性地了解人工智能，这本是最经典的教材。机器学习和深度学习只是人工智能的一个子领域而已。以及A* 算法，遗传算法，模拟退火，蚁群算法等等这类算法都是人工智能算法，只不过在现阶段，机器学习的算法更加吸引眼球。人工智能最近也有了巨大的突破，风靡全球，可以提前做好准备喔。

总结

机器学习是一门交叉学科，它涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。通常学习ML的时候，精读一本书即可，如果想在这个领域做更加深入的研究，还需要很多辅助。当然，我相信上述这些书籍已经够日常用了。