醫療大數據券商行業研究報告及人工智能·經典書籍收藏整理
關于人工智能，我們經常會聽說這些話：

1、下一個十年，人工智能可能會爆發，并主導一個科技與商業時代；

2、當大數據遇到人工智能，最值得期待的領域之一就是醫療大健康；

3、人工智能會取代醫生。

那為何，人工智能技術走到今天，依然面臨著重重困難？因為，屬于這個時代的人才還遠未到來。

1、可能你是舉世名醫，但你不懂算法是怎么設計出來的；

2、可能你數學或計算機天才，精通各種算法，但你不懂臨床。

那未來，究竟誰能夠奠定并引領這個行業的發展？答案：我們推測，最有可能是懂算法思維與邏輯的醫生。

"世界互聯網之父”凱文·凱利，在新書《必然》里說：我們以后的工資水平取決于是否能與人工智能配合。所以，為了未來，就算學不會，你也要懂。

這個年代，關于人工智能和大數據的書，沒有一萬本也有一千本，而在這里，我們列出來的，都是經過專業人士仔細挑選的，沒有一本水書。

第一部分主要是入門級的介紹書籍，讀懂這些書不需要太多的數學基礎，適合外行的人員入門，也適合本行業的人進一步拓寬視野；

第二部分主要是專業書籍，主要包括數學基礎，傳統的機器學習，深度學習，已經結合編程語言的相關資料；

第三部分主要是醫療大數據/人工智能技術在醫療行業中的應用，這一部分電子書不多，但是對應的券商行業研究報告非常多。這里也為大家梳理了近幾年來質量非常高的相關行業報告。

第一部分 大數據與人工智能概述

1.《生命3.0》

《生命3.0》一書中，作者邁克斯·泰格馬克對人類的終極未來進行了全方位的暢想，從我們能活到的近未來穿行至1萬年乃至10 億年及其以后，從可見的智能潛入不可見的意識，重新定義了“生命”“智能”“目標”“意識”，并澄清了常見的對人工智能的誤解，將幫你構建起應對人工智能時代動態的全新思維框架，抓住人類與人工智能共生演化的焦點。

2.《終極算法：機器學習和人工智能如何重塑世界》

這本書的名字，顯示著作者試圖在機器學習的各個流派間進行整合，最終提出機器學習里的“牛頓三定律”的理想。作者在這本書里，介紹了當前常用的算法的發展歷程，這些算法包括決策樹，遺傳算法，神經網絡，樸素貝葉斯及貝葉斯網絡，隱式馬爾可夫鏈，K最近鄰及支持向量機，作者還介紹了無監督學習的算法。在介紹算法時，作者還介紹了機器學習里最大的兩個阻礙，過擬合及維度災難。

3.《奇點臨近》

《奇點臨近》是一本有思維方法論啟示的書；十一本站在歷史的高度，正面思考科技力量的書；是一本充滿想象與預言，但又不失科學論證的書。可以很好的開闊我們對未來的視野。

4.《智能浪潮》

作者在書中創新性提出，我們已經進入一個被增強了的時代，在這個時代，個人和組織在科技的影響下將會出現顛覆式轉變，他在書中舉出了大量的案例和豐富的圖片向我們展示了一個智能的未來。在當下快速變化的世界，無論是個人還是組織，這本書都是一本實用的指南。

5.《心智社會》

人工智能之父馬文·明斯基認為“大腦不過是肉做的機器”，大腦中不具備思維的微小單元可以組成各種思維——意識、精神活動、常識、思維、智能、自我，最終形成“統一的智慧”。這種智能組合就是“心智社會”。馬文·明斯基之所以被譽為人工智能之父，不是因為他發現了某一個特別NB的算法。而是因為其對人類的認知過程有著獨特的見解，從而能利用對人類認知的洞察來指導機器學習算法的研發。其在70年代寫成的心智社會一書，令當前的人工智能研究者還會常讀常新。

6.《情感機器》

《情感機器》是人工智能之父集一生功力寫成的集大成之作。如何讓機器有感情，是在機器智能即將超越人之后的人工智能的下一個天花板。情感計算的概念，也隨著Chatbot（聊天機器人）而火了起來。閱讀這本書，會讓讀者認識到情感不一定是人類獨有的特征。情況也可以被表示為一連串的計算。而賦予機器情感，我們也能造成有常識，有直覺的機器。如果你想打破人工智能的黑盒子，這本書也是一本需要反復研讀的大作。

7.《理解信念：人工智能的科學理解》

這本書的作者尼爾斯•尼爾森（NilsJ.Nilsson）是斯坦福大學教授。這是一本哲學書。其核心論旨包括，我們人類的感覺系統是獲取外界信息、形成信念的唯一途徑；運用科學方法、經由嚴格批評和修正而建立起來的信念，是相對真實且更為有用的。人工智能在某種程度上，和人類一樣擁有信念，或者可以說，人類是一臺臺復雜的機器。

8.《人工智能的未來》

《人工智能的未來》作者庫茲韋爾認為，2045年，人工智能將超越人類智能，儲存在云端的“仿生大腦新皮質”與人類的大腦新皮質將實現“對接”，世界將開啟一個新的文明時代，“奇點”到來！那個時候，我們是誰？我們是什么？人還能稱之為人嗎？

9.《AI:人工智能的本質與未來》

人工智能界神級女性牛人的詳盡之作。作者從專業的角度，深入淺出，梳理了人工智能發展的歷程，其經歷的不同階段概括，如今最前沿的發展現狀以及面臨的困境，并探討了其未來發展的可能性，堪稱一部精彩的人工智能進化史。

10.《未來簡史：從智人到智神》

《未來簡史:從智人到智神》進入21世紀后，曾經長期威脅人類生存、發展的瘟疫、饑荒和戰爭已經被攻克，智人面臨著新的待辦議題：永生不老、幸福快樂和成為具有“神性”的人類。在解決這些新問題的過程中，科學技術的發展將顛覆我們很多當下認為無需佐證的“常識”，比如人文主義所推崇的自由意志將面臨嚴峻挑戰，機器將會代替人類做出更明智的選擇。

11.《智能的本質-人工智能與機器人領域的64個大問題》

在書中，作者從常識出發，對人工智能和機器人表達了很多“令人驚訝”而又讓人深思的觀點。例如在陪伴老年人方面，迄今為止先進的機器人都不如狗做得好。書中充滿了思辨和哲學判斷，感覺作者屬于樂觀派中的悲觀派，樂觀的是認為不會出現終結者，悲觀的是AI發展還是太慢了。

12.《第二次機器革命》

《第二次機器革命》這本書，是那種能夠在機場書店找到的圖書，這本書不算厚，兩三個小時就可以讀完，也不算燒腦。書中的內容圍繞著以人工智能和數字化為代表的技術對未來社會的影響展開論述。

13.《人工智能時代》

這本書的作者Kaplan是斯坦福大學頂尖人工智能專家。卡普蘭本科畢業于芝加哥大學歷史與科學哲學專業，之后考入賓夕法尼亞大學計算機科學專業，后進入斯坦福大學人工智能實驗室工作。這本書的英文名直譯過來是人不必遵守機器的規則。這是一個老人寫的書，這種警世的書也需要由一個老人寫出，作者見證了人工智能的低潮與復興，見證了越來越大的貧富差距。他活到了替子女說話的年紀，又沒有丟掉幽默。這樣智慧的老人，值得我們去傾聽。

14.《大數據時代》

《大數據時代》是國外大數據研究的先河之作，本書作者維克托•邁爾•舍恩伯格被譽為“大數據商業應用第一人”，擁有在哈佛大學、牛津大學、耶魯大學和新加坡國立大學等多個互聯網研究重鎮任教的經歷，早在2010年就在《經濟學人》上發布了長達14頁對大數據應用的前瞻性研究。維克托•邁爾•舍恩伯格在書中前瞻性地指出，大數據帶來的信息風暴正在變革我們的生活、工作和思維，大數據開啟了一次重大的時代轉型，并用三個部分講述了大數據時代的思維變革、商業變革和管理變革。

15.《爆發：大數據時代預見未來的新思維》

本書是一本超越《黑天鵝》的驚世之作。如果說塔勒布認為人類行為是隨機的，都是小概率事件，是不可以預測的；那么全球復雜網絡權威Barabasi則認為，人類行為93%是可以預測的。

16.《智慧社會：大數據與社會物理學》

如果要在大數據領域推舉出一個代表性的科學家，阿萊克斯·彭特蘭是一個無法令人忽略的名字。經過數年極具開創性的研究，社會物理學這個全新科學領域的根基已足夠深厚。社會物理學是關于想法流的科學，正是在想法流的幫助下，我們才得以提高集體智能，促進智慧社會的形成。

17.《大數據可視化：重構智慧社會》

大數據的目的最終還是要講一個好故事。而人類是一種視覺動物，一幅圖的效果好過千言萬語。這本書舉出了很多第一線的例子，來說明怎么樣去做出好的數據可視化，對于任何要處理數據的人來說，這本書中的道理都是必不可少的，須要透徹掌握的。

18.《大數據思維與決策》

《大數據思維與決策》是大數據時代的奠基之作，耶魯大學計量經濟學家伊恩·艾瑞斯早在20世紀末就洞察到大數據浪潮的到來。《大數據思維與決策》通過講述各個領域有關大數據分析與決策的經典案例，為讀者解答了一系列關系到現在與未來的問題，如為什么谷歌和亞馬遜比你還了解你自己的喜好、醫生如何利用數據分析做出正確診斷、教師是否要摒棄自身創造性為孩子提供有效的教育指導，以及政府、法院如何在推動信息公開的同時制定出有益于未來的制度和法案等。

19.《赤裸裸的未來·大數據時代：如何預見未來的生活和自己》

全書主題聚焦于未知與未來，但論述絕非建立在想象之上的空中樓閣，其間穿插著大量事例，或基于客觀現實，或依據科學推測，生動有趣。塔克爾通過大量的訪談和調查，約見各領域的權威人士，積累了極為豐富的素材，提取了他們有關現實的觀點和對未來的預期，為我們展開了有關未來社會各領域的翔實可信的圖景，講述的雖是前沿科技主題，內容卻平實親和。

20.《大數據：從概念到運營》

大多數企業對大數據這個概念并不陌生，但真正通過對大數據相關業務的有效運營獲得業績增長的企業卻少之又少。為了扭轉這一局面，企業應該如何針對自己的業務領域開辟新的數據源？如何搭建合理的大數據應用架構？如何讓業務部門與技術部門高效互動以提供更好的用戶體驗？比爾•施瑪澤是大數據領軍企業易安信的首席技術官，在這本書中，他毫無保留地分享了自己在大數據領域超過20年的從業經驗。

第二部分 人工智能 算法書籍

21、《人工智能：一種現代的方法》——作者: 羅素 (Stuart J.Russell) 著。

22、《人工智能：復雜問題求解的結構和策略》作者：George F.Luger著。

23、《白話大數據與機器學習》——作者：高楊、衛崢 著。

24、《白話深度學習與TensorFlow》——作者：高楊、衛崢 著。

25、《深度學習》——作者：Ian Goodfellow著。

26、《機器學習導論》——作者：Ethem Alpaydin著。

27、《機器學習實踐指南》-作者：麥好 著。

28、《機器學習與R語言》——作者：Brett Lantz 著。

29、《機器學習》——作者：周志華

30、《python機器學習實踐指南》——作者：Alexander T. Combs

31、《數學之美》——作者：吳軍 著。

32、《機器學習實戰》——作者：[美] Peter Harrington 著；

33、《模式識別》——作者：Sergios，Theodoridis著；

34、《統計學習理論》——作者: Vladimir N.vapnik

35、《神經網絡原理》—— 作者: Simon Haykin

36、《程序員的數學》——作者: [日] 結城浩

37、《集體智慧編程》——作者: Toby Segaran

38、《數據挖掘概念與技術》——作者：Jiawei Han

39、《神經網絡與機器學習》——作者：Simon Haykin

40、《貝葉斯思維：統計建模的Python學習法》——作者：Allen B. Downey

41、《圖像處理、分析與機器視覺》——作者：Milan Sonka，

42、《機器視覺》——作者：[美] 伯特霍爾德·霍恩 著；

43、《面向機器智能的TensorFlow實踐》——作者: 山姆·亞伯拉罕

44、《深度學習原理與TensorFlow實戰》——作者：喻儼

45、《深度學習-21天實戰caffe》——作者：趙永科

46、《TensorFlow實戰google深度學習框架》——作者：鄭澤宇

47、《TensorFlow實戰》-作者：黃文堅

48、《Spark快速大數據分析》——作者：Holden Karau & Andy Konwinski著

49、《R語言實戰-機器學習與數據分析》——作者：左飛

50、《Keras快速上手：基于Python的深度學習實戰》-謝梁

第三部分
人工智能+醫療 券商行業研究報告合集。