研究机器人时，使机器人能够应对环境、传感器、执行机构、内部模型、近似算法等所带来的不确定性是必须面对的问题。
概率机器人在slam领域被推荐，内容也很充实，对概率机器人学这一新兴领域进行了全面的介绍。概率机器人学依赖统计技术表示信息和进行决策，以容纳当今大多数机器人应用中必然存在的不确定性，是机器人学的一个分支。它依赖统计技术表示信息和制定决策。这样做，可以接纳在当今大多数机器人应用中引起的不确定性。本书主要专注于算法，对于每种算法，均提供了四项内容：伪码示例；完整的数学推导；实验结果；算法优缺点的详细讨论。
《概率机器人》PDF中英文F+代码+习题解答+课件，中文PDF，513页，文字可以复制；英文PDF，668页，文字可以复制；配套习题解答和代码；配套课件。
下载: https://pan.baidu.com/s/1qjJG7E-3KYmn8cXteT6i6Q
提取码: bkyq
《概率机器人》包括了基础知识、定位、地图构建、规划与控制四大部分。共17章，每章的后都提供了练习题和动手实践的项目。致力于用概率的方法明确地表示不确定性，并研究机器人感知和机器人规划与控制的不确定性，以降低机器人系统的不确定性，使机器人能 工作于应用环境中，完成定位、地图构建、规划与控制。
学习人工智能概论时，推荐看看《人工智能:一种现代的方法第三版》，最权威、最经典的人工智能教材，已被全世界100多个国家的1200多所大学用作教材。
全面性以及结构的安排还是不错的，值得推荐，相信每个人都能从中获得自己觉得收获，而对于已经有基础的人来说或许会更有帮助。
《人工智能:一种现代的方法第3版》分为七大部分：第1部分“人工智能”，第II部分“问题求解”，第III部分“知识、推理与规划”，第IV部分“不确定知识与推理”，第V部分“学习”，第VI部分“通信、感知与行动”，第VII部分“结论”。
《人工智能 一种现代的方法第3版》中文PDF+英文PDF，中文PDF，944页，带书签目录。英文PDF，1145页，带书签目录。
下载: https://pan.baidu.com/s/1VAyklZVAA1KpQpgzS_vZBg
提取码: ssrg
从模型和算法的角度出发，人工智能的体系大致包括： 数据搜索、逻辑推理、机器学习(机器学习、深度学习、强化学习)、博弈对抗、前沿性问题(视觉、听觉、语言、触觉等）。 人工智能的体系当然不止这些。还应该有法律、伦理等，所以这是一门新兴的学科。
《凸优化》这本书感觉翻译得很好，是原理和应用的一个很好的折中，两方面都有太多值得深挖的东西。
主要是面向实际应用，提供了凸优化的理论框架，但不强调复杂的定理证明。丰富的实例是其特色。实例涉及的领域非常广例如通信，金融，机器学习等等。
机器学习会涉及到优化内容，凸优化内容非常丰富。理论部分不仅涵盖了凸优化的所有基本概念和主要结果，还详细介绍了几类基本的凸优化问题以及将特殊的优化问题表述为凸优化问题的变换方法，这些内容对灵活运用凸优化知识解决实际问题非常有用；应用部分分别介绍凸优化在解决逼近与拟合、统计估计和几何关系分析这三类实际问题中的应用；算法部分依次介绍求解无约束凸优化模型、等式约束凸优化模型以及包含不等式约束的凸优化模型的经典数值方法，以及如何利用凸优化理论分析这些方法的收敛性质。
《凸优化》中文版PDF+英文版PDF+习题题解，中文PDF，715页，带书签目录；英文PDF，732页，带书签目录；配套习题题解。
下载: https://pan.baidu.com/s/1NLcyJ4JEwlSqwJ2dWGHx3Q
提取码: 24f8
个人觉得收获的不只是知识，更重要的是思维方式在潜移默化中得到锻炼和提升。在这个过程中可以学习到如何问问题、判断问题的价值、分析和解决问题以及如何更加直观的理解抽象的知识。 可以逐步建立起一个清晰的理论框架：哪些知识重要，哪些知识是技术细节，听完课后十分清晰。
正在学习机器学习中的优化处理，感觉《机器学习与优化》写得还是比较通俗易懂的，第七章特征选择我需要，特征提取：相关系数，相关比，熵和互信息。。更高级的应该是文本挖掘的特征提取，比如LDA提取文本相似度或者自己给予问题需要构建特征变量。。。
《机器学习与优化》中文PDF+英文PDF，中文PDF，288页，带目录，彩色配图，文字可复制；英文PDF，325页，带目录，彩色配图，文字可复制。
下载: https://pan.baidu.com/s/1TDeFWL0j3f2Jay5FI7sH3Q
提取码: kyfi
通过讲解机器学习中的监督学习和无监督学习，并结合特征选择和排序、聚类方法、文本和网页挖掘等热点问题，论证了“优化是力量之源”这一观点，为机器学习在企业中的应用提供了切实可行的操作建议。
最优化方法和理论来源于军事、管理、经济和工程技术领域的各个方面，其内容的深度和广度也随着各个不同阶段的科学技术水平而发展。数据是实践中的真实数据，解决问题的人员组成是多学科的，处理问题的方法渗透着物理学的思想。
《非线性最优化基础》从凸分析的观点全面系统地介绍了非线性最优化的基本理论，是国际著名优化专家Masao Fulkushima教授的最新力作。详尽透彻地讲解了(光滑与非光滑优化问题、半定规划问题等)各类优化问题的最优性理论、稳定性理论、灵敏度分析、对偶性理论以及相关的凸分析基础等，还深入介绍了变分不等式问题、非线性互补问题以及均衡约束数学规划问题等均衡问题的最新结果。
《非线性最优化基础》PDF+《非线性最优化计算方法》PDF，《非线性最优化基础》PDF，196页，带书签，文字可复制，《非线性最优化计算方法》PDF，421页，文字可复制 。
下载: https://pan.baidu.com/s/17iIElfRnQgb5_PnGgt9Odg
提取码: cihe
算是蛮有特色的优化教材，侧重理论，特别是最后一章简单介绍了VI、CP以及MPEC的内容。作者还整合了非光滑分析的基础理论，因此对入门者而言，通过学习此书可以在较短的时间内同时对传统的凸分析与较新的非光滑分析有一个大致的了解。
《非线性最优化计算方法》在课程内容的处理上遵循如下原则：突出方法，注重概念，适当介绍算法的基本理论；强调应用，加强算法实现的基本训练；引导主动思考，激发学习兴趣；通过算法到程序设计有序而系统的训练，提高程序设计的能力。分为上、下两篇。上篇共9章，介绍无约束最优化方法，包括基础知识（介绍凸集的基本性质，函数及凸函数的最优性条件），最优化问题及无约束最优化算法综述，以及求解无约束最优化问题的各种算法。下篇共8章，介绍约束最优化方法，包括线性规划问题及其解法，非线性规划的最优化条件及常用的算法，以及离散系统的动态规划方法等。
贝叶斯推理的方法非常自然和极其强大。大多数图书讨论贝叶斯推理，依赖于非常复杂的数学分析和人工的例子，使没有强大数学背景的人无法接触。《贝叶斯方法概率编程与贝叶斯推断》从编程、计算的角度来介绍贝叶斯推理，把贝叶斯理论和编程实践结合起来，都可以入门并掌握。
《贝叶斯方法 概率编程与贝叶斯推断》中文PDF+英文PDF+源代码，中文PDF，232页，带书签目录；英文PDF，233页；含源代码。
下载: https://pan.baidu.com/s/1rT9y9jDnR7mZAp3xBakYXg
提取码: fivs
贝叶斯推理的方法非常自然和极其强大。然而，大多数图书讨论贝叶斯推理，依赖于非常复杂的数学分析和人工的例子，使没有强大数学背景的人无法接触。《贝叶斯方法概率编程与贝叶斯推断》从编程、计算的角度来介绍贝叶斯推理，把贝叶斯理论和编程实践结合起来，使大多数程序员都可以入门并掌握。通过强大的Python语言库PyMC，以及相关的Python工具，包括NumPy\SciPy\Matplotlib讲解了概率编程。通过介绍的方法，只需付出很少的努力，就能掌握有效的贝叶斯分析方法。
学习机器学习时，我们一定要掌握scikit-learn的使用。推荐学习《scikit-learn机器学习常用算法原理及编程实战》，案例也采用的是中文数据，比较适用。《scikit-learn机器学习常用算法原理及编程实战》例子都比较通俗易懂，可以作为入门书，有实例代码和复习题，结合scikit和具体算例介绍机器学习的常用算法和scikit的使用，挺好的。
《scikit-learn机器学习常用算法原理及编程实战》PDF+源代码+黄永昌，《scikit-learn机器学习常用算法原理及编程实战》原版PDF，224页，带书签目录，文字可以复制。配套源代码。
下载: https://pan.baidu.com/s/1kW_hOes7V9yubgGZg99aSg
提取码: 2kg5
《scikit-learn机器学习常用算法原理及编程实战》通过通俗易懂的语言、丰富的图示和生动的实例，拨开了笼罩在机器学习上方复杂的数学“乌云”，学习者可以较低的代价和门槛轻松入门机器学习。《scikit-learn机器学习常用算法原理及编程实战》分为11章，主要介绍了在Python环境下学习scikit-learn机器学习框架的相关知识。主要内容有机器学习概述、Python机器学习软件包、机器学习理论基础、k-近邻算法、线性回归算法、逻辑回归算法、决策树、支持向量机、朴素贝叶斯算法、PCA 算法和k-均值算法等。
学习R语言必然要看R语言实战，R语言实战理论联系实践，非常简洁明了，从入门到高阶，感觉各个层次的编程人员都可以用到。
《R语言实战第2版》注重实用性，是一本全面而细致的R指南，高度概括了该软件和它的强大功能，展示了使用的统计示例，且对于难以用传统方法处理的凌乱、不完整和非正态的数据给出了优雅的处理方法。作者不仅仅探讨统计分析，还阐述了大量探索和展示数据的图形功能。新版做了大量更新和修正，新增了近200页内容，介绍数据挖掘、预测性分析和高级编程。
《R语言实战第2版》中文PDF+英文PDF+源代码，中文PDF， 558页， 带目录书签，文字可复制；英文PDF， 628 页， 带目录书签，文字可复制；配套源代码；
下载: https://pan.baidu.com/s/1PROSLbSStV5fyjfVXmxE2Q
提取码: ynxx
侧重实践，尽管是一本面向R初学者的书，但里边还有其他好的东西；很好地解决了初学者学会一大把语法细节却不知道如何应用长时间得不到成就感的问题。涉及内容虽多，但都抓住了最本质的部分讲，非常清晰。
真正的编程入门。没有专门去讲语法，而是在讲案例，做实用工具的过程中，穿插必要的知识，由问题引出语法点。这样读者从一开始就知道所用工具的存在价值，印象必然更深刻。Learn by creating，对初学者来说要比捧一本语法书好许多。在介绍module时又适时地讲了namespace的概念，以及文件和错误。
总而言之，更侧重实践，更重视内容之间的逻辑关联，遵从人们的真实学习过程来编排内容，而不是去刻意地梳理出所谓的知识体系。
来源：oschina
链接：https://my.oschina.net/u/4383329/blog/3347555