{阅读} 机器学习与人工智能资源导引
pongba
刘鎏
人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索 这些无疑是 CS 领域最好玩的分支了（也是互相紧密联系的），也是最近我关注得比较多的领域。打算集这里的牛人们之力，整理一个资源导引，不仅包括经典书籍，还有期刊，名人，Website 等网络资源，整理完了建一个页面保存起来（供瞻仰:P ）:-)我先列几个吧，比较初级和经典的，肯定有许多遗漏，请大家补充：书籍：1. 入门好书《Programming Collective Intelligence》，培养兴趣是最重要的一环，一上来看大部头很容易被吓走的:P2. Peter Norvig 的 《AI, Modern Approach 2nd》（无争议的领域经典），上次讨论中 Shenli 使我开始看这本书了，建议有选择的看，部头还是太大了，比如我先看里面的概率推理部分的。3. 《The Elements of Statistical Learning》，数学性比较强，可以做参考了。4. 《Foundations of Statistical Natural Language Processing》，自然语言处理领域公认经典。5. 《Data Mining, Concepts and Techniques》，华裔科学家写的书，相当深入浅出。6. 《Managing Gigabytes》，信息检索经典。7. 《Information Theory：Inference and Learning Algorithms》，参考书吧，比较深。
相关数学基础（参考，不是拿来通读的）：《矩阵分析》，Roger Horn。矩阵分析领域无争议的经典。《概率论及其应用》，威廉·费勒。也是极牛的书。__ 哪位补充一本基本的线性代数的？《Nonlinear Programming, 2nd》非线性规划的参考书。《Convex Optimization》凸优化的参考书。工具：1. Weka （或知识发现大奖的数据挖掘开源工具集，非常华丽）
Wikipedia：这个可以不用列了，直接去上面一搜，反正到处都是超链接。牛人：这个要列表里面的 Ph.D 大大们群策群力来完成了。
Han jiawei (UIUC)
期刊：
--
Liu Liu
Ph.D Student
Department of Systems Engineering
University of TianJin
Tel: 022 27408147
E-mail: liuli...@gmail.com
liu...@tju.edu.cn
Zoom.Quiet
> 人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索 这些无疑是 CS
> 领域最好玩的分支了（也是互相紧密联系的），也是最近我关注得比较多的领域。
> 打算集这里的牛人们之力，整理一个资源导引，不仅包括经典书籍，还有期刊，名人，Website 等网络资源，整理完了建一个页面保存起来（供瞻仰:P ）:-)
>
> 我先列几个吧，比较初级和经典的，肯定有许多遗漏，请大家补充：
这方面是俺垂涎久己,但是没有对应知识支持的领域了,,,
就玩过一会 Robocode ,,, 在这儿旁观先,,,
> 书籍：
> 1. 入门好书《Programming Collective Intelligence》，培养兴趣是最重要的一环，一上来看大部头很容易被吓走的:P
> 2. Peter Norvig 的 《AI, Modern Approach 2nd》（无争议的领域经典），上次讨论中 Shenli
> 使我开始看这本书了，建议有选择的看，部头还是太大了，比如我先看里面的概率推理部分的。
> 3. 《The Elements of Statistical Learning》，数学性比较强，可以做参考了。
> 4. 《Foundations of Statistical Natural Language Processing》，自然语言处理领域公认经典。
> 5. 《Data Mining, Concepts and Techniques》，华裔科学家写的书，相当深入浅出。
> 6. 《Managing Gigabytes》，信息检索经典。
> 7. 《Information Theory：Inference and Learning Algorithms》，参考书吧，比较深。
> 相关数学基础（参考，不是拿来通读的）：
> 《矩阵分析》，Roger Horn。矩阵分析领域无争议的经典。
> 《概率论及其应用》，威廉·费勒。也是极牛的书。
> __ 哪位补充一本基本的线性代数的？
> 《Nonlinear Programming, 2nd》非线性规划的参考书。
> 《Convex Optimization》凸优化的参考书。
> 工具：
语言呢?
Prologo
Lisp
,,,
> 1. Weka （或知识发现大奖的数据挖掘开源工具集，非常华丽）
> Wikipedia：
> 这个可以不用列了，直接去上面一搜，反正到处都是超链接。
> 牛人：
> 这个要列表里面的 Ph.D 大大们群策群力来完成了。
> 期刊：
> 同上。
> P.S. 与认知科学交叉的一些资料请参考上次的一个帖子 。
> --
> 刘未鹏(pongba)|C++的罗浮宫
> http://blog.csdn.net/pongba
> TopLanguage
> http://groups.google.com/group/pongba
>
--
http://zoomquiet.org'''
过程改进乃是催生可促生靠谱的人的组织!
PE keeps evolving organizations which promoting people be good!'''
Du Lei
pongba
2008/9/9 pongba <pon...@gmail.com>:
> 人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索 这些无疑是 CS呃,老鹏的精力非常牛叉哪,,,,
> 领域最好玩的分支了（也是互相紧密联系的），也是最近我关注得比较多的领域。
> 打算集这里的牛人们之力，整理一个资源导引，不仅包括经典书籍，还有期刊，名人，Website 等网络资源，整理完了建一个页面保存起来（供瞻仰:P ）:-)
>
> 我先列几个吧，比较初级和经典的，肯定有许多遗漏，请大家补充：
pongba
Wang SH.
相关国际会议等级分类列表
AREA: Artificial Intelligence and Related Subjects
Rank 1:
AAAI: American Association for AI National Conference
IJCAI: International Joint Conference on AI
UAI: Conference on Uncertainty in AI
ICML: International Conference on Machine Learning
NIPS: Neural Information Processing Systems
Rank 2:
AID: International Conference on AI in Design
ECAI: European Conference on AI
IAAI: Innovative Applications in AI
ECML: European Conf on Machine Learning
ICNN/IJCNN: Intl (Joint) Conference on Neural Networks
ICPR: Intl Conf on Pattern Recognition
ICDAR: International Conference on Document Analysis and Recognition
CVPR:
Rank 3:
PRICAI: Pacific Rim Intl Conf on AI
AAI: Australian National Conf on AI
AI*IA: Congress of the Italian Assoc for AI
ANNIE: Artificial Neural Networks in Engineering
ANZIIS: Australian/NZ Conf on Intelligent Inf. Systems
CAIA: Conf on AI for Applications
CAAI: Canadian Artificial Intelligence Conference
ASADM: Chicago ASA Data Mining Conf: A Hard Look at DM
ICMS: International Conference on Multi-agent Systems
ASC: Intl Conf on AI and Soft Computing
AREA: Data Mining, KDD and Data Bases
Rank 1:
SIGKDD: ACM Special Interest Group Conf on Knowledge Discovery in Data and Data Mining
SIGMOD: ACM Special Interest Group Conf on Management Of Data
PODS: ACM SIGMOD Conf on Principles of DB Systems
VLDB: Very Large Data Bases
ICDE: Intl Conf on Data Engineering
ICDM: IEEE International Conference on Data Mining
Rank 2:
PKDD: Intl. Conf. on Principles and Practice of Knowledge Discovery in Database
PAKDD: Pacific-Asia Conf on Knowledge Discovery & Data Mining
SSD: Intl Symp on Large Spatial Databases
DEXA: Database and Expert System Applications
FODO: Intl Conf on Foundation on Data Organization
EDBT: Extending DB Technology
DOOD: Deductive and Object-Oriented Databases
DASFAA: Database Systems for Advanced Applications
CIKM: Intl. Conf on Information and Knowledge Management
SSDBM: Intl Conf on Scientific and Statistical DB Mgmt
Rank 3:
COMAD: Intl Conf on Management of Data
BNCOD: British National Conference on Databases
ADC: Australasian Database Conference
ADBIS: Symposium on Advances in DB and Information Systems
DaWaK - Data Warehousing and Knowledge Discovery
IDEAS - International Database Engineering and Application Symposium
Others:
NDB - National Database Conference (China)
KDDMBD - Knowledge Discovery and Data Mining in Biological Databases Meeting
IDC(W) - International Database Conference (HK CS)
WebDB - International Workshop on the Web and Databases
SBBD: Brazilian Symposium on Databases
W2GIS - International Workshop on Web and Wireless Geographical Information Systems
DOLAP - International Workshop on Data Warehousing and OLAP
--
pongba
王宁
Machine Learning, Tom Michell, 1997.
老书，牛人。现在看来内容并不算深，很多章节有点到为止的感觉，但是很适合新手（当然，不能"新"到连算法和概率都不知道）入门。比如决策树部分就很精彩，并且这几年没有特别大的进展，所以并不过时。另外，这本书算是对97年前数十年机器学习工作的大综述，参考文献列表极有价值。国内有翻译和影印版，不知道绝版否。
Modern Information Retrieval, Ricardo Baeza-Yates et al. 1999
老书，牛人。貌似第一本完整讲述IR的书。可惜IR这些年进展迅猛，这本书略有些过时了。翻翻做参考还是不错的。另外，Ricardo同学现在是Yahoo Research for Europe and Latin Ameria的头头。
Pattern Classification (2ed), Richard O. Duda, Peter E. Hart, David G. Stork
大约也是01年左右的大块头，有影印版，彩色。没读完，但如果想深入学习ML和IR，前三章（介绍，贝叶斯学习，线性分类器）必修。
还有些经典与我只有一面之缘，没有资格评价。另外还有两本小册子，论文集性质的，倒是讲到了了不少前沿和细节，诸如索引如何压缩之类。可惜忘了名字，又被我压在箱底，下次搬家前怕是难见天日了。
（呵呵，想起来一本：Mining the Web - Discovering Knowledge from Hypertext Data）
说一本名气很大的书：Data Mining: Practical Machine Learning Tools and Techniques。Weka的作者写的。可惜内容一般。理论部分太单薄，而实践部分也很脱离实际。DM的入门书已经不少，这一本应该可以不看了。如果要学习了解Weka，看文档就好。第二版已经出了，没读过，不清楚。
人：
Tom Michell，前面说过了。他的主页上有很多Machine Learning的课程，可以看看。
Andrew Moore, 06年之前一直跟Tom Mitchell一起开课。主页上有很多写得非常不错的幻灯片，不过数学稍微多一点。
Jiawei Han，UIUC的大牛。我有几个同学跟过（着）他，在伊力诺依那个据说鸟不拉屎的地方灌水（SigKDD, ICML, etc）如麻。。。
Yiming Yang，CMU牛。有一篇综述入门必读。
A Comparative Study on Feature Selection in Text Categorization
周志华，就是牛人，不说了，自己去主页膜拜。小百合如果没关应该还能翻出这位同学当年读博灌水的帖子。
刊：
Machine Learning
International Conference on Machine Learning
SigKDD
WWW （今年在北京开，口号是One World, One Web，呵呵，应景）
就知道这么多了。其他等专业灌水的同志们补充吧。
文：
读得太少。眼下只能想到一片综述：
Text Categorization, Fabrizio Sebastiani, 2005
当然，顺便路过的就不用下了。毕竟是学术论文，虽然不难，也比论坛最有技术含量的帖子艰深十倍。
Du Lei
另外信息检索第一大牛Croft老爷也正在写教科书，应该很快就要面世了。据说是非常pratical的一本书。
Eric
其实这方面主要还是会议比较重要, 期刊一般就是跟进在会议后面的. 教科书也只是给个框架, 真正要做研究, 还得看会议论文集. 比较重要的会议上
面也列举了, 不过也不要迷信就是了, 有些不怎么样的会议也有好的研究成果.
南大周志华的研究主要是机器学习和数据挖掘. 这些的底子都是统计了. 纯 AI 现在做的人满少的, 而且大体走 search 和 CSP 的
路, 所以难度很高. 而数据挖掘和机器学习包括信息获取这些, 相对比较新, 比较火.
领域比较热, 所以牛人就比较多了, 列举不完的 :)
Du Lei
http://net.pku.edu.cn/~course/cs410/schedule.html
Wang SH.
小马xioama
（美）麦克莱恩（Mac Lane,S） / （美）伯克霍夫（Birkhoff，G.） / 2007-8-1 / 人民邮电出版社 / 69.0 / 平装
有中译本,近世代数概论 (美)G.伯克霍夫,(美)S.麦克莱恩著 王连祥,徐广善译 人民教育出版社,1980
maximzhao
Bishop
Pattern Recognition and Machine Learning. 没有影印的，但是网上能下到。经典中的经典。
pattern classification 和这本书是两本必读之书。Pattern Recognition and Machine
Learning是很新，深入浅出，手不释卷。
> 1997.<http://www.amazon.com/Machine-Learning-Tom-M-Mitchell/dp/0070428077>
>
> Modern Information Retrieval, Ricardo Baeza-Yates et al.
> 老书，牛人。貌似第一本完整讲述IR的书。可惜IR这些年进展迅猛，这本书略有些过时了。翻翻做参考还是不错的。另外，Ricardo<http://www.dcc.uchile.cl/%7Erbaeza/>同学现在是Yahoo
>
> Pattern Classification
> Richard O. Duda<http://www.amazon.com/exec/obidos/search-handle-url?%5Fencoding=UTF8&...>,
> Peter E. Hart<http://www.amazon.com/exec/obidos/search-handle-url?%5Fencoding=UTF8&...>,
> David G. Stork<http://www.amazon.com/exec/obidos/search-handle-url?%5Fencoding=UTF8&...>
>
> 还有些经典与我只有一面之缘，没有资格评价。另外还有两本小册子，论文集性质的，倒是讲到了了不少前沿和细节，诸如索引如何压缩之类。可惜忘了名字，又被我压在箱底，下次搬家前怕是难见天日了。
>
> （呵呵，想起来一本：Mining the Web - Discovering Knowledge from Hypertext Data）
>
> 说一本名气很大的书：Data Mining: Practical Machine Learning Tools and
> Techniques。Weka的作者写的。可惜内容一般。理论部分太单薄，而实践部分也很脱离实际。DM的入门书已经不少，这一本应该可以不看了。如果要学习了解Weka，看文档就好。第二版已经出了，没读过，不清楚。
>
> 人：
>
> Tom Michell，前面说过了。他的主页上有很多Machine Learning的课程，可以看看。
>
>
> Jiawei Han，UIUC的大牛。我有几个同学跟过（着）他，在伊力诺依那个据说鸟不拉屎的地方灌水（SigKDD, ICML, etc）如麻。。。
>
> Yiming Yang，CMU牛。有一篇综述入门必读。
> A Comparative Study on Feature Selection in Text
>
> 周志华 <http://cs.nju.edu.cn/zhouzh/>
>
> 刊：
>
> European Conference on Machine Learning
> SigKDD
> 就知道这么多了。其他等专业灌水的同志们补充吧。
>
> 文：
>
> 读得太少。眼下只能想到一片综述：
> > 。
pongba
加一本书：
Bishop
Pattern Recognition and Machine Learning. 没有影印的，但是网上能下到。经典中的经典。
pongba
2008/9/10 maximzhao <zhaozh...@gmail.com>加一本书：
Bishop
Pattern Recognition and Machine Learning. 没有影印的，但是网上能下到。经典中的经典。Thanks，这本书的确非常赞。Bishop 本人也是领域大牛了。