我的 AI 入门阅读清单

通读类

《动手学深度学习》—— 阿斯顿·张、李沐 等

最适合入门的一本。特点是"代码即正文"，每个概念都配可运行实现，而且有免费在线版持续更新。建议顺序：线性回归 → softmax → 多层感知机 → 卷积 → 循环 → 注意力。前面的数学推导可以跳过，先跑通代码再回来看。

《Python 编程：从入门到实践》—— Eric Matthes

如果编程基础为零，从这本开始。它不是 AI 书，但先把 Python 写顺了，后面所有实践都会轻松。前半部分讲语法，后半部分做小项目。

工具书（不通读，查）

《深度学习》—— Goodfellow、Bengio、Courville

也就是常说的"花书"。理论深度足够，但不适合从头读到尾 —— 前几章的数学基础部分容易劝退。用法是：遇到某个概念想搞清楚来龙去脉时，翻对应章节。第 6、7、8 章（前馈网络、正则化、优化）值得精读。

《统计学习方法》—— 李航

传统机器学习方法的清晰梳理，公式推导完整。做 AI 之前如果没接触过机器学习，这本比花书友好得多。适合当参考手册，每章独立。

《计算机程序的构造和解释》（SICP）

不是 AI 书，但它训练的是"如何把问题抽象成可计算的形式"。读不读完不重要，第一章和第二章就足够改变写代码的方式。

一个顺序建议

Python 基础 → 动手学深度学习（跑通代码） → 统计学习方法（补理论）
          ↘ 遇到概念不清时查花书

别做的事

不要一开始就啃论文。没有实现经验时读论文，读到的只是符号，记不住也用不上。等能跑通一个完整训练流程之后，再看论文会有完全不同的效率。