自学人工智能时，以下是一些推荐的书籍：
- 《人工智能：一种现代的方法》
-
作者 : Stuart Russell 和 Peter Norvig
-
简介 ： 这本书是人工智能领域的经典之作，内容丰富且体系完整，涵盖了人工智能的核心要点，包括问题求解、知识表示、搜索算法、机器学习、规划以及推理等众多主要方向。最新版本还更新了近期的理论和实践成果，适合研究生、科研人员和从业者阅读。
- 《机器学习》（西瓜书）
-
作者 ： 周志华（南京大学副校长）
-
简介 ： 这本书是国内很经典的机器学习教材，但因出版时间较早，深度学习内容较少。适合有较强数理基础的同学，对书上的知识点做到大概了解即可。
- 《神经网络与深度学习》（蒲公英书）
-
作者 ： 邱锡鹏（复旦大学教授）
-
简介 ： 课本上的内容主要涉及过去的深度学习部分，需要补充机器学习和近两年发展的大模型相关知识，对书上的知识点做到大概了解即可。
- 《人工智能》
-
作者 ： 王东（清华大学副研究员）
-
简介 ： 这是一本很薄的书，适合作为入门教材，内容可读且知识点丰富，但作为考研备考参考书需要重新编排总结。
- 《深度学习》
-
作者 : Ian Goodfellow、Yoshua Bengio 和 Aaron Courville
-
简介 ： 通常被称为“深度学习花书”，详细介绍了深度学习的基本原理、技术和应用，适合既有机器学习基础的读者，也适合深入学习深度学习的初学者。
- 《Python深度学习》
-
作者 : François Chollet
-
简介 ： 这本书旨在帮助读者使用Python进行深度学习实践，覆盖了使用Python和深度学习框架（如TensorFlow和Keras）进行实际项目开发的方方面面。
- 《Python编程：从入门到实践（第3版）》
-
作者 ： 埃里克·马瑟斯
-
简介 ： 适合零基础读者，通过生动的示例和项目实战，帮助读者快速掌握Python编程。
- 《简单微积分：学校未教过的超简易》
-
作者 ： 神永正博
-
简介 ： 用浅显易懂的方式介绍微积分的基本原理，帮助读者克服对数学的恐惧，为后续的机器学习知识打下基础。
这些书籍涵盖了人工智能的基本理论和应用，从入门到进阶都有涉及，适合不同层次的学习者。建议根据自身的基础和需求选择合适的书籍进行学习。