一張李開複與徐小平四目對視的照片，讓李開複在微網誌、微信朋友圈上刷屏了。這是2017年3月4日李開複在三亞出席一場活動中被攝影師抓拍到的照片，當天他在大會上的演講主題是“我不是李開複，我是人工智能”。周志華教授2017年提出了“深度森林”，吸引了很多研究者的關注，人工智能産業發展最核心的要素是什麼？周教授認為真正需要的是人才。
入行人工智能該讀什麼書？文末下方小編精選了人工智能領域必需書單，今天
京東購書，暢享5折封頂，疊加99元減20元現金券，算下來不到4折，夠劃算吧，不僅如此，文末留言你想要讀的人工智能圖書，我們将選出2名讀者贈送一本，僅限今日哦。
圖1：李開複和徐小平四目對視，被網友加上“台詞” （圖檔來源：投資界供圖）
周志華教授2017年提出了“深度森林”，吸引了很多研究者的關注，這是一種基于決策樹森林而非神經網絡的深度學習模型。本月，周志華團隊又提出了多層梯度提升決策樹模型，它通過堆疊多個回歸 GBDT 層作為建構塊，并探索了其學習層級表征的能力。此外，與層級表征的神經網絡不同，他們提出的方法并不要求每一層都是可微，也不需要使用反向傳播更新參數。是以，多層分布式表征學習不僅有深度神經網絡，同時還有決策樹!
7月28日至29日中國人工智能大會（CCAI2018）将于深圳舉行，屆時周志華教授将發表題為《深度森林初探》的精彩報告，向國内外各界人士分享他對于深度學習要素探讨的最新觀點。
在此之前，我們梳理了周志華教授在人工智能領域的主要思考和精華内容、幫助大家跟随周教授聚焦AI。
周志華，南京大學計算機科學與技術系主任、人工智能學院院長、歐洲科學院外籍院士、Fellow of the ACM, AAAI, AAAS, IEEE, IAPR, IET/IEE, CCF, CAAI
機器學習，從深度神經網絡到深度森林
“現在我們處于一個大資料的時代，但是我想現在所有人都非常清楚，這個大資料并不意味着真正大的價值，要得到資料裡面的價值，我們就必須要進行有效的資料分析，而今天我們要通過計算機來進行資料分析，就必須要進行機器學習。”周志華教授曾多次發表演講闡述他對于機器學習的前沿思考。
關于深度學習是什麼的問題，周志華教授曾通過一個案例向大家解釋。這個例子描述的是，有一個很著名的學會“Siam”，它的旗艦報《Siam News》裡面談到機器學習深度學習就是一個“子女”。周教授進一步談何為“深度”：生理學上能夠得到一點基本的啟發，那就是一個細胞可以得到很多的信号，這個現象在1943年被兩位學者總結成簡單的數學公式：幾個加和，再減掉一個數，再用函數處理一下。這個公式一直到今天還在使用。今天看到這麼複雜的深度學習系統，它的奧秘是什麼呢？周教授認為，所謂的神經網絡也好，深度神經網絡也好，最基本的單元就是這樣一個簡單的函數。
周教授還在論文中指出，近十年來，深度神經網絡在機器學習領域取得了顯著進展。多層表征被認為是深度神經網絡的關鍵要素，通過建構分層或「深層」結構，該模型能夠在有監督或無監督的環境下從原始資料中學習良好的表征，這被認為是其成功的關鍵因素。成功的應用領域包括計算機視覺、語音識别、自然語言處理等。
同時，盡管不可微模型如梯度提升決策樹（gradient boosting decision tree，GBDT）是模組化離散或表格資料的主要方法，但是它們很難整合這種表征學習能力。周志華團隊提出的多層 GBDT 森林（mGBDT），通過堆疊多個回歸 GBDT 層作為建構塊，探索學習層級表征的能力，該模型可以使用層間目标傳播的變體進行聯合訓練，無需推導反向傳播和可微性，實驗和可視化均證明該模型在性能和表征學習能力方面的有效性。
人工智能産業發展，真正需要的是人才
除了研究機器學習的前沿課題，周志華教授也非常關注人工智能的産業發展。盡管人工智能技術已經在很多産業廣泛應用，但在周教授看來，人工智能技術主要的應用領域就是網際網路行業。他認為機器學習技術提供了利用資料的方法，可以解決由“人”這個主體在各行各業積累下的大量資料。“未來的人工智能技術就應該像電力一樣，會進入所有的行業。”周教授指出。
人工智能産業發展最核心的要素是什麼？周教授認為真正需要的是人才。
周教授表示，特别是和一般的軟體産業比，人工智能産業是一個非常凸現個人才智的行業。人工智能是軟體業的明珠，個别人的聰明才智在哪個方面取得算法上的突破，就會真的提高生産力。人工智能行業的特點，決定了人工智能的人才培養特别重要。在全球争搶人工智能人才的年代，高水準人工智能人才培養的造血能力會導緻産業核心競争力的差異，而人工智能人才培養基地也會直接促進人工智能産業人才積聚形成。
即将要舉行的中國人工智能大會（CCAI2018）曆經三屆沉澱，已經成為國内人工智能領域産、學、研緊密結合的高端前沿交流平台，通過彙聚全球AI領域的頂級專家展開精彩演講，助力國家培養高水準人工智能人才。周志華教授将在大會主報告中對深度學習的要素進行讨論，并認為深度學習未必一定要通過神經網絡模型實作。周志華教授将介紹其在深度森林方面的初步探索，這是一種基于決策樹森林而非神經網絡的深度學習模型。
周志華教授的報告會有怎樣别開生面的前沿觀點呢？讓我們屏氣等待，共同見證AI大時代的每一次思想之花綻放！
入行人工智能，該讀什麼書？
除了了解人工智能人才的需求，該讀哪些書才不會被社會所淘汰？先敲重點，京東圖書
【異步圖書】5折封頂，疊加99元減20元優惠券,算下來不到45折，掃碼直接購書。
“深度學習”
《深度學習》
[美]Ian Goodfellow（伊恩·古德費洛）、[加]Yoshua Bengio（約書亞·本吉奧）、[加]Aaron Courville（亞倫·庫維爾） 著
AI聖經！深度學習領域奠基性的經典暢銷書！長期位居美國亞馬遜AI和機器學習類圖書榜首！所有資料科學家和機器學習從業者的必讀圖書！特斯拉CEO埃隆·馬斯克等國内外衆多專家推薦！
《Keras深度學習實戰》
[意大利]安東尼奧·古利 等著
本書用目前流行的Keras架構實作了大量深度學習算法，建構了衆多深度學習模型，并且介紹了深度學習在遊戲等實際場合中的應用，特别是本書還介紹了目前火熱的生成對抗網絡（GAN）的應用。全書通俗易懂，強調實際案例，适合廣大的機器學習從業者和愛好者入門與實踐。
《TensorFlow技術解析與實戰》
李嘉璇 著
上司“谷歌大腦”的工程師Jeff Dean發來寄語；李航、餘凱等人工智能領域專家傾力推薦； 基于TensorFlow1.1，包攬TensorFlow的新特性； 技術内容全面，實戰案例豐富，視野廣闊；人臉識别、語音識别、圖像和語音相結合等熱點一應俱全
《Python 深度學習》
[英] 尼格爾·劉易斯（N.D.Lewis） 著
本書是使用Python 進行深度學習實踐的一本初學指南。本書并未羅列大量的公式，而是通過一些實用的實際案例，以簡單直白的方式介紹深度神經網絡的兩項任務——分類和回歸，解析深度學習模型中的一些核心問題，以期讓讀者對深度學習的全貌有一個清晰的認識。
《精通資料科學：從線性回歸到深度學習》
唐亘 著
資料科學入門到實戰，介紹資料科學常用的工具——Python、數學基礎及模型，讨論資料科學的前沿領域——大資料和人工智能，包括機器學習領域經典的模型、分布式機器學習、神經網絡和深度學習等。
《Python神經網絡程式設計》
[英] 塔裡克·拉希德（Tariq Rashid）著
本書用輕松的筆觸，一步一步揭示了神經網絡的數學思想，并介紹如何使用Python程式設計語言開發神經網絡。本書将帶領您進行一場妙趣橫生卻又有條不紊的旅行——從一個非常簡單的想法開始，逐漸了解神經網絡的工作機制。您無需任何超出中學範圍的數學知識，并且本書還給出易于了解的微積分簡介。
本書為美亞五星暢銷書，備受關注。基于Python3.5，全彩印刷，如果隻選一本神經網絡圖書，他是首選。
《文本上的算法——深入淺出自然語言處理 》
路彥雄 著
本書結合作者多年學習和從事自然語言處理相關工作的經驗，力圖用生動形象的方式深入淺出地介紹自然語言處理的理論、方法和技術。本書抛棄掉繁瑣的證明，提取出算法的核心，幫助讀者盡快地掌握自然語言處理所必備的知識和技能。
《Python機器學習實踐指南》
【美】Alexander T. Combs 著
機器學習正在迅速成為資料驅動型世界的一個bi備子產品。許多不同的領域，如機器人、醫學、零售和出版等，都需要依賴這門技術。通過閱讀Python機器學習實踐指南 ，你将學習如何一步步建構真實的機器學習應用程式。
Python機器學習實踐指南 以通俗易懂，簡潔明了的方式，教你如何使用機器學習來收集、分析并操作大量的資料。通過易于了解的項目，本書講解如何處理各種類型的資料、如何以及何時應用不同的機器學習技術，包括監督學習和無監督學習。本書中的每個項目都同時提供了教學和實踐，你将學習如何使用聚類技術來發現低價的機票，以及如何使用線性回歸找到一間便宜的較高價的電梯大廈。
《Python機器學習 預測分析核心算法》
【美】Michael Bowles（鮑爾斯）著
機器學習關注于預測，其核心是一種基于數學和算法的技術，要掌握該技術，需要對數學及統計概念有深入了解，能夠熟練使用R 語言或者其他程式設計語言。
本書通過集中介紹兩類可以進行有效預測的機器學習算法，展示了如何使用Python 程式設計語言完成機器學習任務，進而降低機器學習難度，使機器學習能夠被更廣泛的人群掌握。
《人工智能（第2版）》
人工智能領域百科全書
(2018年8月出版)
圖文詳細、示例豐富，同時配備諸多附加資源，非常适合作為自學和教學指南。 被譽為人工智能領域百科全書。
本書總共分為6章，講述了如何多樣化探索人工智能領域，原書在亞馬遜上收到衆多高校老師和學生的好評。書中不僅介紹了人工智能的基礎理論，還介紹了機器學習、神經網絡、自然語言處理等熱門話題，幫助讀者全方位了解人工智能領域的方方面面。
長按二維碼，可以關注我們喲
在“異步圖書”背景回複“關注”，即可免費獲得2000門線上視訊課程
文章轉載自公衆号
點選閱讀原文：直接購書哦
閱讀原文