一、什么专业会上数学物理方法这本书？

我目前研二在读，要学习一门叫“数学物理方程与特殊函数”的课，讲解求解贝塞尔函数方法等的一些知识点，我是机械工程，不过我猜测数学物理方法可能机械工程专业（工学）、数学专业（理学）、物理学专业（理学）都可能会上这本书。

二、数学建模有关的书籍有哪些？

1、《数学建模》（美）Frank R.Giordano Maurice D.Weir William P.Fox 著 叶其孝 姜启源 等译机械工业出版社2、《数学模型》 编者: 姜启源 谢金星 叶俊 出版社：高等教育出版社但是想要搞好数模，基本知识是根基，比如运筹学，首推清华大学出版社的《运筹学》，又称“绿皮书”。数理统计也是必不可少的，这方面优秀的书很多，随便在图书馆借一本就行。其次就是要看看软件教程啦，像matlab，lingo，spss，eviews等。这些是数模的基本准备，很多知识还要在比赛过程中现学，学习怎样快速学习其实才是最重要的

三、人工智能四大名著？

《Deep Learning with Python》本书自出版以来收到众多好评，因为是 Keras 作者写的书，所以全书基本围绕着 Keras 讲深度学习的各种实现，从 CNN，RNN 到 GAN 等，偏入门，但也承载着很多作者对深度学习整体性的思考。这是一本偏实战的书，教你使用 Keras 快速实现深度学习经典项目。看完这本书，基本能对 Keras 和深度学习实战有比较初步的掌握了。

《Python Machine Learning》本书使用了 Scikit-Learn 和 TensorFlow，分别讲解机器学习和深度学习，并每章配备实操代码。还有一点是讲解了如何将机器学习模型发布到 Web 应用。整个知识体系相对更加完善，是一本比较全面的机器学习书籍。

《Hands-On Machine Learning with Scikit-Learn & TensorFlow》本书中文译为《Scikit-Learn 与 TensorFlow 机器学习实用指南》。这本书最大的特色从理论上讲就是言简意赅，全书基本上没有太多复杂的数学公式推导，语言通俗易懂，很容易看得懂、看得下去。正本书兼顾理论与实战，是一本非常适合入门和实战的机器学习书籍。

《Deep Learning》又名“花书”。该书由三位大佬 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 撰写，是深度学习领域奠基性的经典教材。相信这本书大部分人入坑深度学习的都知道！

四、机械专业大学学什么数学？

根据不同大学用的教材也不一样，一般情况，985和211用的教材是同济第七版高等数学，也有自己编写的教材，例如吉林大学和浙江大学，都是自己老师编写出版的，无论用什么教材学的内容都是差不多的，高等数学的内容有导数与微积分，函数极限，概论统计，几何等等。