12 本免费 MIT AI 教材【文末附下载链接】

MIT 到底发布了什么，为什么几乎没人用

MIT 的研究员们写的不是博客文章。

他们没有录制为观看时长优化的 YouTube 教程。

他们写了 12 本研究生级别的教科书，涵盖了现代 AI 的完整理论基础。机器学习基础。深度学习。强化学习。决策算法。伦理。概率论。

来自培养了那些正在构建所有人都在讨论的模型的机构的一手资料。

每本书都免费。

每个链接都公开可用。

几乎没人在用。

大多数人会把这个列表当作阅读清单——收藏起来，改天再看。

以下是全部 12 本书，每本解锁什么能力，以及直接下载链接。

完整的 12 本书系统

基础篇

1. Foundations of Machine Learning — Mehryar Mohri 等

整个系统的理论支柱。涵盖学习算法为什么有效背后的数学原理，而不仅仅是怎么用。

上传这本书后，Claude 不再给出表层模式识别，开始解释价格行为背后的统计力学。

mlbook.cs.nyu.edu

2. Understanding Deep Learning — Simon J.D. Prince

对神经网络实际如何处理和加权信息的最清晰解释。

读这本书改变了我的提示词写法。理解 Claude 在响应时在做什么——而不只是它产出了什么——让每次交互都更精准。

udlbook.github.io/udlbook

3. Machine Learning Systems — MIT

将理论连接到生产。模型如何构建、部署以及在真实环境中如何失败。

理解 Claude 的失败模式和它的能力一样重要。这本书教你什么时候不该信任输出。

mlsysbook.ai

进阶技术篇

4. Algorithms for Decision Making — Kochenderfer, Wheeler, Wray

彻底重塑了我对入场、持有和退出思考方式的书。

将序贯决策视为不确定性下的策略问题。这是我现在在 Claude 内部构建仓位管理的理论基础。

algorithmsbook.com

5. Deep Learning — Goodfellow, Bengio, Courville

深度学习的原始教科书。密度高但基础性强。

理解这本书告诉你为什么特定的 Claude 行为会发生，以及如何工程化绕过它们。

deeplearningbook.org

强化学习篇

6. Reinforcement Learning: An Introduction — Sutton and Barto

强化学习的圣经。

每个 Agent、每个进行序贯推理的 Claude 工具，都可以追溯到这本书。想理解 Claude 在多步骤任务上为什么表现如此，从这里开始。

incompleteideas.net/book/the-book.html

7. Distributional Reinforcement Learning — Bellemare 等

大多数人会跳过的那本。但它是最重要的。

它将分析框架从期望收益转移到结果的完整概率分布。在回报呈现肥尾和不对称的领域，这个区别至关重要。

distributional-rl.org

8. Multi-Agent Reinforcement Learning — Albrecht, Christianos, Schafer

多个决策 Agent 如何在共享环境中学习交互。

直接适用于考虑多 Agent Claude 架构的人，或理解市场参与者如何集体创造价格动态。

marl-book.com

9. Algorithms for Decision Making — Kochenderfer（长周期版）

专注于长期时间跨度下的不确定性决策。

这里的概率框架直接适用于不完全信息下的投资组合构建和仓位规模。

mykel.kochenderfer.com/textbooks

伦理与概率篇

10. Fairness and Machine Learning — Barocas, Hardt, Narayanan

这个列表中最被低估的书。

理解模型在哪里崩溃、偏见在哪里进入，对于知道什么时候不该信任 Claude 的输出至关重要。大多数人忽略它。读了它的人使用 AI 工具比没读的人更准确。

fairmlbook.org

11. Probabilistic Machine Learning: An Introduction — Kevin Murphy

第一卷。正是这本书触发了前面描述的 Kelly 准则事件。

Murphy 从概率论基础出发构建每个概念。上传这本书后，Claude 获得了完全不同的分析基准线。

probml.github.io/book1.html

12. Probabilistic Machine Learning: Advanced Topics — Kevin Murphy

第二卷。因果推断。不确定性下的决策。研究生级别的生成模型。

正是这一层给了 Claude 挑战我的框架而非确认它们的理论基础。

probml.github.io/book2.html

https://url96.ctfile.com/d/35561896-165225724-372a33?p=4184

 (访问码: 4184)