人工智能正在日益渗透到所有的技术领域

计算机视觉、语音识别、自然语言处理

便是目前深度学习很热门的三大应用方向

博文菌列举了三大方向优秀的技术好书

一起来了解这些会影响我们未来的重要技术吧

NO.1

自然语言处理

《智能问答与深度学习》

王海良 李卓恒 林旭鸣 著

本书介绍了近年来自然语言处理和机器阅读的成果，带有翔实的示例，对实际应用有很好的借鉴意义。

本书面向在校学生或计算机软件从业人员，由浅入深地介绍了人工智能在文本任务中的应用。书中不但介绍了自然语言处理、深度学习和机器阅读理解等基础知识，还简述了信息论、人工智能等的发展过程。

NO.2

自然语言处理

《自然语言处理理论与实战》

唐聃 等 著

自然语言处理是什么？谁需要学习自然语言处理？自然语言处理在哪些地方应用？相关问题一直困扰着不少初学者。针对这一情况，作者结合教学经验和工程应用编写此书。

本书帮助初学者快速入门自然语言处理，理解理论的基础上，通过实例掌握自然语言处理技术。

NO.3

计算机视觉

《解析深度学习：卷积神经网络原理与视觉实践》

魏秀参 著

周志华教授作序力荐，展现深度学习特别是CNN从数据、模型到系统的全栈式开发过程和技巧，一流的深度学习入门实践书！

本书作为卷积神经网络的入门书籍，兼顾基础知识和学习难点，让初学者不仅可以看明白、而且能够读懂，知其所以然并举一反三运用到自己的工程实践中。在内容上涵盖深度卷积神经网络的基础知识和实践应用两大方面。通过“基础知识”和“实践技巧”两方面使读者从更高维度了解、掌握并成功构建针对自身应用问题的深度卷积神经网络。

NO.4

计算机视觉

《深度学习之PyTorch实战计算机视觉》

唐进民 编著

本书旨在帮助零基础或基础较为薄弱的读者入门深度学习，达到能够独立使用深度学习知识处理计算机视觉问题的水平。

通过阅读本书，你将学到人工智能的基础概念及Python 编程技能，掌握PyTorch 的使用方法，学到深度学习相关的理论知识，比如卷积神经网络、循环神经网络、自动编码器，等等。在掌握深度学习理论和编程技能之后，还会学到如何基于PyTorch 深度学习框架实战计算机视觉。

NO.5

语音识别

《解析深度学习：语音识别实践》

【美】俞栋 邓力 著

俞凯 钱彦旻 译

了解深度学习应用实践不可错过的经典专著。

首部介绍语音识别中深度学习技术细节的专著。全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用，包括“深度神经网络-隐马尔可夫混合模型”的训练和优化，特征表示学习、模型融合、自适应，以及以循环神经网络为代表的若干先进深度学习技术。