Tolle KI -Bücher
Einige fantastische KI -verwandte Bücher und PDFs zum Herunterladen und Lernen.
Vorwort
Dieses Repo, das nur zum Lernen verwendet wird, verwenden Sie nicht im Geschäft.
Willkommen für die Bereitstellung großartiger Bücher in diesem Repo oder sagen Sie mir, welches großartige Buch Sie benötigen, und ich werde versuchen, es in diesem Repo anzuhängen, jede Idee, die Sie hier erstellen oder PR erstellen können.
Aufgrund von GitHub Large Dateispeicherlimition werden alle in yandex.disk gespeicherten Bücher PDF gespeichert.
Einige häufig verwendete mathematische Symbole können diese Seite verweisen
Inhalt
- Organisation mit Papieren/Forschung
- Trainingsgelände
- Bücher
- Einführungstheorie und Start machen
- Mathematik
- Data Mining
- Tiefes Lernen
- Philosophie
- Quantum mit AI
- Quantenbasis
- Quanten ai
- Quantenbezogenes Framework
- Libs mit Online -Büchern
- Verstärkungslernen
- Feature -Auswahl
- Maschinelles Lernen
- Tiefes Lernen
- NLP
- Cv
- Metalernen
- Übertragungslernen
- Auto ml
- Dimensionsreduzierung
- Verteiltes Training
Organisation mit Papieren/Forschung
- arxiv.org
- Wissenschaft
- Natur
- DeepMind Publications
- OpenAI -Forschung
Trainingsgelände
- OpenAI -Fitnessstudio: Ein Toolkit zum Entwicklung und Vergleich von Verstärkungslernenalgorithmen. (Kann mit Atari, Box2d, Mujoco usw. spielen ...)
- MALMO: Project Malmö ist eine Plattform für Experimente und Forschungsarbeiten für künstliche Intelligenz, die auf Minecraft aufgebaut sind.
- DeepMind Pysc2: Starcraft II -Lernumgebung.
- Procgen: Procgen Benchmark: Verfahren erzeugte, spielartige Gymnastik-Umgebung.
- Torchcraftai: Eine BOT -Plattform für maschinelles Lernen für StarCraft®: Brood War®
- Valve DOTA2: DOTA2 GAME ACESSING API. (CN DOC)
- Mario AI Framework: Ein Mario AI -Framework für die Verwendung von KI -Methoden.
- Google Dopamin: Dopamin ist ein Forschungsrahmen für das schnelle Prototyping von Verstärkungslernalgorithmen
- Textworld: Microsoft - Eine Lernumgebung Sandbox zum Training und Testen von RL -Agenten (Verstärkungslernen) in textbasierten Spielen.
- Mini Grid: Minimalistic Gridworld -Umgebung für Openai Fitnessstudio
- Magent: Eine Plattform für Verstärkungslernen mit vielen Agenten
- Xworld: Ein C ++/Python -Simulator -Paket zum Verstärkungslernen
- Neuronales MMO: Eine massiv mehrfache Spielumgebung
- Minatar: Minatar ist ein Testbett für AI -Agenten, das eine miniaturisierte Version mehrerer Atari 2600 -Spiele implementiert.
- Craft-Env: Cainerv ist eine 2D-Handwerksumgebung
- Fitnessstudio-Sokoban: Sokoban ist Japanisch für Lagerhüter und ein traditionelles Videospiel
- Pommerman Playground veranstaltet Pommerman, ein Klon von Bomberman, der für die KI -Forschung gebaut wurde.
- miniworld im Fitnessstudio-Mini-Welt ist ein minimalistischer 3D-Innenumgebungssimulator für die Forschung für Verstärkung und Robotik
- Vizdoomgym Openai Gympatice Wrapper für Vizdoom (eine Doom-basierte AI-Forschungsplattform für Verstärkungslernen aus rohen visuellen Informationen) Umgebungen.
- ddz-ai 以孤立语假设和宽度优先搜索为基础 ， 构建了一种多通道堆叠注意力 构建了一种多通道堆叠注意力 构建了一种多通道堆叠注意力 构建了一种多通道堆叠注意力 结构的斗地主 结构的斗地主 ai
Bücher
Einführungstheorie und Start machen
- Künstliche Intelligenz - ein moderner Ansatz (3. Ausgabe) - Stuart Russell & Peter Norvig
- Kommerzielle Trokking -Algorithmen für künstliche Intelligenz - Rishal Hurbans
Mathematik
- Ein erster Kurs in Wahrscheinlichkeitser erster Kurs in Wahrscheinlichkeit (8.) - Sheldon M Ross
- Konvexe Optimierung - Stephen Boyd
- Elemente der Informationstheorie Elemente - Thomas Cover & Jay A Thomas
- Diskrete Mathematik und ihre Anwendungen 7. - Kenneth H. Rosen
- Einführung in die lineare Algebra (5.) - Gilbert Strang
- Lineare Algebra und ihre Anwendungen (5.) - David C Lay Laie
- Wahrscheinlichkeitstheorie Die Logik der Wissenschaft - Edwin Thompson Jaynes
- Wahrscheinlichkeit und Statistik 4. - Morris H. DeGroot
- Statistische Inferenz (2.) - Roger Casella
- 信息论基础 (原书 Elemente der Informationstheorie Elemente 第 2 版) - Thomas Cover & Jay A Thomas
- 凸优化 (原书 Konvexe Optimierung) - Stephen Boyd
- 数理统计学教程 - 陈希儒
- 数学之美 2. - 吴军
- 概率论基础教程 (原书 Ein erster Kurs in Wahrscheinlichkeit Erster Kurs der Wahrscheinlichkeit 第 9 版) - Sheldon M Ross
- 线性代数及其应用 (原书 lineare Algebra und ihre Anwendungen 第 3 版) - David C Lay Lay
- 统计推断 (原书 Statistische Inferenz 第二版) - Roger Casella
- 离散数学及其应用 (原书 diskrete Mathematik und ihre Anwendungen 第 7 版) - Kenneth H.Rosen
Data Mining
- Einführung in Data Mining - Pang -nun Tan
- Programmierung kollektiver Intelligenz - Toby Segaran
- Feature Engineering für maschinelles Lernen - Amanda Casari, Alice Zheng
- 集体智慧编程 - Toby Segaran
Maschinelles Lernen
- Informationstheorie, Inferenz und Lernalgorithmen - David JC Mackay
- Maschinelles Lernen - Tom M. Mitchell
- Mustererkennung und maschinelles Lernen - Christopher Bishop
- Die Elemente des statistischen Lernens - Trevor Hastie
- Maschinelles Lernen für OpenCV - Michael Beyeler (Quellcode hier)
- 机器学习 - 周志华
- 机器学习 (原书 maschinelles Lernen) - Tom M. Mitchell
- 统计学习方法 - 李航
Tiefes Lernen
- Online -Schnelllernen
- Tauchen Sie in Deep Learning - (mit MXNET) ein interaktives Deep Learning -Buch mit Code, Mathematik und Diskussionen.
- D2L -Pytorch - (Tauchen Sie in Deep Learning) Pytorch -Version.
- 动手学深度学习 - (tauchen Sie in tiefes Lernen ein) für Chinesisch.
- Deep Learning - Ian Goodfellow & Yoshua Bengio & Aaron Courville
- Deep -Lernmethoden und Anwendungen - Li Deng & Dong Yu
- Tiefe Architekturen für AI - Yoshua Bengio lernen
- Maschinelles Lernen Eine algorithmische Perspektive (2.) - Stephen Marsland
- Neural Network Design (2.) - Martin Hagan
- Neuralnetzwerke und Lernmaschinen (3.) - Simon Haykin
- Neuronale Netze für angewandte Wissenschaften und Ingenieurwesen - Sandhya Samarasinghe
- 深度学习 (原书 Deep Learning) - Ian Goodfellow & Yoshua Bengio & Aaron Courville
- 神经网络与机器学习 (原书 neuronale Netzwerke und Lernmaschinen) - Simon Haykin
- 神经网络设计 (原书 Design des neuronalen Netzwerks) - Martin Hagan
- Kommerzielle interpretierbare AI - Ajay Thampi
- Kommerzielle Konversations -AI - Andrew R. Freed
Philosophie
- Kommerzielle menschliche kompatibel: künstliche Intelligenz und das Problem der Kontrolle - Stuart Russell
- Handelsleben 3.0: Menschen im Zeitalter der künstlichen Intelligenz - Max Tegmark
- Kommerzielle Superintelligenz: Pfade, Gefahren, Strategien - Nick Bostrom
Quantum mit AI
Libs mit Online -Büchern
GC (generativer Inhalt)
- Stabile Diffusion-[Papier] Ein latentes Text-zu-Image-Diffusionsmodell
- Stabile Diffusion V2 - Hochauflösende Bildsynthese mit latenten Diffusionsmodellen
- GFPGAN - [Papier] GFPGGAN zielt darauf ab, praktische Algorithmen für die reine Gesichtsrestaurierung zu entwickeln.
- Esrgan - [Papier] ECCV18 -Workshops - Verbesserte SRGAN. Champion Pirm Challenge zur Wahrnehmungs-Superauflösung. Die Trainingscodes befinden sich in Grundlagen.
- Codeformer - [Papier] - [Neurips 2022] In Richtung einer robusten Blindgesichts -Wiederherstellung mit Codebuch -Lookup -Transformator
- UNIPC - [Papier] UNIPC: Ein einheitlicher Prädiktor -Korrektur -Framework für die schnelle Stichprobe von Diffusionsmodellen
Verstärkungslernen
- A3C - Google Deepmind Asynchronous Advantage Actor -Critic Algorithmus
- Q-Learning Sarsa DQN DDQN-Q-Learning ist ein wertbasierter Verstärkungslernenalgorithmus
- DDPG - Tiefe deterministische politische Gradient, Gradient,
- Großflächen Neugier-groß an
- PPO - OpenAI Proximale Politikoptimierungsalgorithmen
- RND - OpenAI Random Network Destillation, ein Explorationsbonus für die Tiefverstärkungslernen -Methode.
- VIME - OpenAI Variationsinformationen maximieren die Erforschung
- DQV - DQV -Lernen (Deep Quality -Value (DQV)
- ERL - Evolutionsgeführte politische Gradienten beim Verstärkungslernen
- MF Multi-Agent RL-Mittelstufe Multi-Agent-Verstärkungslernen. (Dieses Papier umfasst MF-Q und MF-AC)
- MAAC-Actor-Attention-Critic für Verstärkungslernen mit mehreren Agenten
Feature -Auswahl
- Scikit -Feature - Eine Sammlung von Feature -Auswahlalgorithmen, die auf GitHub erhältlich sind
Maschinelles Lernen
- Scikit Learn ( Python ) - maschinelles Lernen in Python.
- Linfa ( rost ) - Spirit of
scikit learn , ein Rost Ml lib. - Xgboost ( Python, R, JVM, Julia, CLI ) - Xgboost Libs Dokument.
- LightGBM ( Python, R, CLI ) - Microsoft LightGBM Libs Funktionen.
- Catboost ( Python, R, CLI ) - Yandex Catboost Libs Schlüsselalgorithmus PDF Papper.
- Stacknet ( Java, CLI ) - Einige Modellstapelalgorithmen, die in dieser LIB implementiert sind.
- RGF - Lernen nichtlineare Funktionen mit
Regularized Greedy Forest (Multi -Core -Implementierung FASTRGF) - FM, Fastfm, FFM, XDeepfm - Faktorisierungsmaschinen und einige erweiterte Algorithmen
Tiefes Lernen
- GNN -Papiere - Must -Read -Papiere in Grafik neuronalen Netzwerken (GNN)
- EffizientesNet - Überdenken der Modellskalierung für Faltungsnetzwerke
- Densenet - dicht verbundene Faltungsnetzwerke
NLP
- XLNET - Repo XLNET: Verallgemeinerte autoregressive Vorbereitung für das Sprachverständnis
- Bert - Vorausbildung von tiefen bidirektionalen Transformatoren für das Sprachverständnis
- GPT-3-Sprachmodelle sind nur wenige Schusslerner
Cv
- Fast R-CNN-Fast Region-basierte Faltungsnetzwerkmethode (FAST R-CNN) zur Objekterkennung
- Mask R-CNN-Mask R-CNN, erstreckt sich schneller R-CNN durch Hinzufügen eines Zweigs zur Vorhersage einer Objektmaske parallel zum vorhandenen Zweig zur Erkennung von Begrenzungsboxen.
- GQN - DeepMind Generative Query -Netzwerk, Repräsentation der neuronalen Szene und Rendering
Metalernen
- MAML-Modell-agnostisches Meta-Learning zur schnellen Anpassung von tiefen Netzwerken
Übertragungslernen
- GCN - Null -Shot -Erkennung über semantische Einbettungen und Wissensgrafiken
Auto ml
- Modellsuche ( Python ) - Google Model Search (MS) ist ein Framework, das Automl -Algorithmen für die Modellarchitektursuche im Maßstab implementiert.
- TPOT ( Python ) - TPOT ist eine LIB für Automl.
- Auto-Sklearn ( Python )-Auto-sklearn ist ein automatisiertes Toolkit für maschinelles Lernen und ein Drop-In-Ersatz für einen Scikit-Learn-Schätzer
- AUTO-KERAS ( PYTHON )-Auto-Kkeras ist eine Open-Source-Software-Bibliothek für automatisiertes maschinelles Lernen (Automl). Es wurde vom Data Lab entwickelt
- Transmogrifai ( JVM )-Transmogrifai (ausgesprochen Trăns-mŏgˈrə-fī) ist eine Automl-Bibliothek, die in Scala geschrieben wurde, die auf dem Spark läuft
- Auto -Wekaa - Bietet eine automatische Auswahl von Modellen und Hyperparametern für Weka.
- MLBox ( Python ) - MLBox ist eine leistungsstarke Python -Bibliothek für automatisiertes maschinelles Lernen
Pipeline -Training
- Zenml ( Python ) - Zenml ist für ML -Praktiker gebaut, die ihre ML -Workflows in Richtung Produktion erhöhen
Dimensionsreduzierung
- T-SNE ( nichtlineare/Nicht-Params )-TVERTIBURTIVE STOMASTISCHE NACHWERSCHAFT (T-SNE) ist ein Algorithmus für maschinelles Lernen für die Visualisierung
- PCA ( linear ) - Hauptkomponentenanalyse
- LDA ( linear ) - Lineare Diskriminanzanalyse
- LLE ( nichtlinear ) - lokal lineare Einbettung
- Laplace -Eigenmaps - Laplace -Eigenmaps für die Reduzierung der Dimensionalität und die Datenrepräsentation
- Sammon Mapping ( nichtlinear )-Sammon-Mapping wurde entwickelt, um die Unterschiede zwischen den entsprechenden Inter-Point-Abständen in beiden Räumen zu minimieren
Datenverarbeitung
- Pandas ( Python ) - Flexible und leistungsstarke Datenanalyse / Manipulationsbibliothek für Python.
- Polars ( Rost, Python ) - Lightning -Schneide -Datenframe -Bibliothek für Rost und Python.
Verteiltes Training
- Horovod - Horovod ist ein verteiltes Trainingsgerüst für Tensorflow, Keras, Pytorch und MXNET. Das Ziel von Horovod ist es, verteiltes tiefes Lernen schnell und einfach zu bedienen.
- ACME - Ein Forschungsrahmen für (verteilte) Verstärkungslernen.
- BAGUA - Bagua ist ein flexibler und Performantter -Rahmen für verteilte Trainingsalgorithmus.
Unterstützen Sie dieses Projekt
Mitwirkende
Code -Mitwirkende
Dieses Projekt besteht dank aller Menschen, die einen Beitrag leisten. [Beitragen].
Finanzielle Mitwirkende
Werden Sie ein finanzieller Mitwirkender und helfen Sie uns, unsere Gemeinschaft aufrechtzuerhalten. [Beitragen]
Individuen
Organisationen
Unterstützen Sie dieses Projekt mit Ihrer Organisation. Ihr Logo wird hier mit einem Link zu Ihrer Website angezeigt. [Beitragen]
