细节之处，神明降临。您请看。。。
历时两年，《人工智能基础——数学知识》和《人工智能入门——常用工具》两本书终于面世！！！
京东、当当、亚马逊各大网站均已上线。
以前从来没想过，我会写人工智能的书。如果我的大学同学知道了，他们的表情一定是这样的：
听过我课程的同学都知道，我在讲人工智能的时候，特别喜欢抽丝剥茧，从设计者最初的灵感动机，到数学形式的落地，从公式的推导到最终的代码实现、从SDK调用到工程实践，层层递进。这种一层一层拨开迷雾的感觉让我很爽，我的学生也很爽，大家一起爽才是真的爽。
但也有不爽的时候。每当同学让我推荐课外读物的时候，就尴尬了。
虽然我的电脑上有很多库存，但我没有完整的看过任何一本。我没有看过的书自然不敢推荐给学生看，第一怕误人子弟，第二怕暴露自己读书少的事实。
第三，最重要的，那些书并不适合初学者。比如李航的《统计机器学习》，比如经典的同济教材，这些书很牛，但是是给有基础的读者看的。对于小白入门来说，其实并不友好！包括我自己，看这些书的时候，都是这样的：
因为我以前有过写书的经验，再加上学生们的切实需求，所以就萌生了写一系列初学者能看得懂的人工智能图书的念头。写什么内容呢？
初学者学习一门新技术有三个阶段：第一阶段是，怎么使用；第二阶段是，原理是什么；第三阶段是，如何实现、为什么这样实现。学习人工智能也是如此，先用起来，再考虑原理，最后考虑为什么。
所以，我规划了这个系列，共两本书，《人工智能入门——常用工具》是针对第一个阶段，《人工智能基础——数学知识》针对第二阶段。（本来还有第三本算法，因为某些原因放弃了）。
当然，我还有一个很大的愿景，希望这两本书不仅有用，还要有料甚至有趣，读者看起来不会累觉不爱。如果能像吴军的《数学之美》一样，那就圆满了！
既然书的定位明确了，接下来就是考虑目标读者的痛点是什么？在这一点上，我是有绝对的发言权的！因为我的人工智能知识，全部来自自学，入门者的痛苦和需求我洞若观火。
二十多年前因为非常喜欢编程，我参加了成人教育。您知道，要想拿到一纸证书，需要考数学。我那会儿觉得，数学这东西，完全就是应试教育，完全没有操作系统、数据库、计算机网络这些课程实用有趣，所以不喜欢待在教室里听那些枯燥的公理和定理。
我是在雅虎做竞价广告（也叫计算广告学）期间接触了人工智能（当时还不叫人工智能，而是叫数据挖掘、机器学习，当时我所在的组也是数据组）。
本来我是个程序员，结果猛然发现，计算广告是个大坑，表面看起来是“写程序”，但剥去外表，本质上却是数学。
那个时候，还没有那么多的开源包可以调用，所有的算法都要自己去撸。同事的代码，虽然每一行都能看懂什么意思，但是放在一起就不知道在说什么了，结果就是一个标点符号都不敢动，更别提调参了！
从那会儿开始，我对人工智能的认知也才逐步客观和理性起来。也是从那时候开始，我才重新认识数学——这个最熟悉的陌生人。
那是十多年前的事了，当时的学习环境远没有现在方便，别说网课了，网络都不普及。所以，我唯一的方法就是自学。
您应该知道，人工智能编程不像其它编程，只需要有点逻辑思维再记住语法就可以上手了，人工智能是和数学紧密联系在一起的。而对于当时没有数学基础的我来说，想吃下人工智能这碗饭，很有点像蚂蚁吃大象了，无处下口啊。
但我又不想调职调岗甚至换一份工作，怎么办呢，硬着头皮上了。
我是从聚类算法开始的，之所以选择它下口，因为它是当时我能看懂的少数算法之一。最简单的聚类算法如K-means不需要什么高深数学知识，对着伪代码撸一套自己的实现也很容易。
撸完代码后还不算完，还要看看实际效果，当时虽然还没有Scikit-learn这样成熟的三方包可以使用，但幸好有SPSS、Clementine（现在叫SPSS Modeler）、R语言这些老牌工具。每次做完一个练习，我都会对照效果，如果出入太大，就查资料，重新调整代码。就这样不断的密集练习，我大概花了1个月的时间，才把第一个入门算法搞定。
后来，我用相同的方法，搞定了决策树、线性回归、逻辑回归、隐马尔可夫模型（HMM）、最大熵模型......
回忆起来，那段经历挺苦逼的。有时候我很羡慕现在的新人，想学什么太简单了，上网随手一搜，大把的资料推送到你面前，免费的、收费的、深入的、浅出的、20天从入门到精通的、3个月从小白到专家的。新人的痛苦不再是无处学，而是去哪儿学，不是能不能学会，而是还能不能静下心。
如果您想静静了，欢迎光临，下期精彩继续。
原文引自艾特大圣公众号，有趣有料有故事，欢迎大家来串门儿！