Libros de IA impresionantes
Algunos impresionantes libros y PDF relacionados con la IA para descargar y aprender.
Prefacio
Este repositorio solo utilizado para el aprendizaje, no se usa en los negocios.
Bienvenido por proporcionar excelentes libros en este repositorio o decirme qué gran libro necesitas e intentaré agregarlo en este repositorio, cualquier idea de que puedas crear problemas o relaciones públicas aquí.
Debido a la limición de almacenamiento de archivos grandes de GitHub, todos los libros PDF almacenados en Yandex.Disk .
Algunos símbolos matemáticos que se usan a menudo pueden referir esta página
Contenido
- Organización con documentos/investigaciones
- Campo de entrenamiento
- Libros
- Teoría introductoria y comenzar
- Matemáticas
- Minería de datos
- Aprendizaje profundo
- Filosofía
- Quantum con AI
- Quantum básico
- AI cuántica
- Marco relacionado con la cantidad
- Libs con libros en línea
- Aprendizaje de refuerzo
- Selección de características
- Aprendizaje automático
- Aprendizaje profundo
- PNLP
- CV
- Meta aprendizaje
- Transferir el aprendizaje
- Auto ML
- Reducción de dimensionalidad
- Capacitación distribuida
Organización con documentos/investigaciones
- arxiv.org
- Ciencia
- Naturaleza
- Publicaciones de DeepMind
- Investigación de Operai
Campo de entrenamiento
- Operai Gym: un conjunto de herramientas para desarrollar y comparar algoritmos de aprendizaje de refuerzo. (Puede jugar con Atari, Box2d, Mujoco, etc.)
- Malmo: Project Malmö es una plataforma para la experimentación y la investigación de inteligencia artificial construida sobre Minecraft.
- DeepMind PYSC2: Starcraft II Entorno de aprendizaje.
- Procgen: Procgen Benchmark: Gym-Beusmentos de gimnasio generados por procedimientos.
- Torchtai: una plataforma BOT para la investigación de aprendizaje automático sobre Starcraft®: Brood War®
- Válvula DOTA2: API de Asesing del juego DOTA2. (CN Doc)
- Marco Mario AI: un marco de Mario AI para usar métodos AI.
- Google Dopamine: la dopamina es un marco de investigación para la prototipos rápidos de los algoritmos de aprendizaje de refuerzo
- TextWorld: Microsoft: un entorno de aprendizaje Sandbox para capacitación y prueba de agentes de aprendizaje de refuerzo (RL) en juegos basados en texto.
- Mini cuadrícula: entorno minimalista del mundo de la cuadrícula para el gimnasio Operai
- Magent: una plataforma para el aprendizaje de refuerzo de muchos agentes
- Xworld: un paquete de simulador C ++/Python para el aprendizaje de refuerzo
- MMO neural: un entorno de juego masivamente multiagente
- Minatar: Minatar es un plato de prueba para agentes de IA que implementa la versión miniaturizada de varios juegos Atari 2600.
- Craft-Env: Craftenv es un entorno de artesanía en 2D
- Gym-Sokoban: Sokoban es japonés para el guardián de almacén y un videojuego tradicional
- Pommerman Playground anfitriona de Pommerman, un clon de Bomberman construido para la investigación de IA.
- Miniworld de Gym-Miniworld es un simulador de entorno interior 3D minimalista para la investigación de aprendizaje y robótica de refuerzo
- VIZDOOMGYM Upenai Gym Wrapper para Vizdoom (una plataforma de investigación de IA basada en la fatalidad para el aprendizaje de refuerzo de la información visual cruda) entornos.
- 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 Transformer 结构的斗地主 ai
Libros
Teoría introductoria y comenzar
- Inteligencia artificial: un enfoque moderno (tercera edición) - Stuart Russell y Peter Norvig
- Algoritmos de inteligencia artificial de Grokking comercial - Rishal Hurban
Matemáticas
- Un primer curso en probabilidad Primer curso de probabilidad (octavo) - Sheldon M Ross
- Optimización convexa - Stephen Boyd
- Elementos de la teoría de la información Elementos - Thomas Cover & Jay A Thomas
- Matemáticas discretas y sus aplicaciones 7th - Kenneth H. Rosen
- Introducción al álgebra lineal (5º) - Gilbert Strang
- Álgebra lineal y sus aplicaciones (5) - David C Lay
- Teoría de la probabilidad La lógica de la ciencia - Edwin Thompson Jaynes
- Probabilidad y estadísticas 4th - Morris H. DeGroot
- Inferencia estadística (2º) - Roger Casella
- 信息论基础 (原书 原书 Elementos de la teoría de la información Elementos 第 2 版) - Thomas Cover & Jay A Thomas
- 凸优化 (原书 原书 optimización convexa) - Stephen Boyd
- 数理统计学教程 - 陈希儒
- 数学之美 2th - 吴军
- 概率论基础教程 (原书 原书 Un primer curso en probabilidad Primer curso de probabilidad 第 9 版) - Sheldon M Ross
- 线性代数及其应用 (原书 原书 álgebra lineal y sus aplicaciones 第 3 版) - David C Lay
- 统计推断 (原书 原书 Inferencia estadística 第二版) - Roger Casella
- 离散数学及其应用 (原书 Matemáticas discretas y sus aplicaciones 第 7 版) - Kenneth H.Rosen
Minería de datos
- Introducción a la minería de datos - bronceado
- Programación de inteligencia colectiva - Toby Segaran
- Ingeniería de características para el aprendizaje automático - Amanda Casari, Alice Zheng
- 集体智慧编程 - Toby Segaran
Aprendizaje automático
- Teoría de la información, inferencia y algoritmos de aprendizaje - David JC Mackay
- Aprendizaje automático - Tom M. Mitchell
- Reconocimiento de patrones y aprendizaje automático - Christopher Bishop
- Los elementos del aprendizaje estadístico - Trevor Hastie
- Aprendizaje automático para OpenCV - Michael Beyeler (código fuente aquí)
- 机器学习 - 周志华
- 机器学习 (原书 原书 原书 原书 原书 原书 aprendizaje automático) - Tom M. Mitchell
- 统计学习方法 - 李航
Aprendizaje profundo
- Aprendizaje rápido en línea
- Sumerja el aprendizaje profundo: (usando mxnet) un libro interactivo de aprendizaje profundo con código, matemáticas y discusiones.
- D2L -PYTORCH - (Buce en el aprendizaje profundo) Versión de Pytorch.
- 动手学深度学习 - (sumergirse en el aprendizaje profundo) para los chinos.
- Aprendizaje profundo - Ian Goodfellow y Yoshua Bengio y Aaron Courville
- Métodos y aplicaciones de aprendizaje profundo - Li Deng y Dong Yu
- Aprender arquitecturas profundas para AI - Yoshua Bengio
- Aprendizaje automático una perspectiva algorítmica (2º) - Stephen Marsland
- Diseño de la red neuronal (2º) - Martin Hagan
- Redes neuronales y máquinas de aprendizaje (3er) - Simon Haykin
- Redes neuronales para ciencias aplicadas e ingeniería - Sandhya Samarasinghe
- 深度学习 深度学习 (原书 原书 原书 原书 原书 原书 原书 原书 原书 原书 原书 ian goodfellow & yoshua bengio & aaron courville
- 神经网络与机器学习 (原书 原书 redes neuronales y máquinas de aprendizaje) - Simon Haykin
- 神经网络设计 (原书 原书 原书 原书 原书 diseño de red neuronal) - Martin Hagan
- Ai interpretable comercial - Ajay Thampi
- AI conversacional comercial - Andrew R. Freed
Filosofía
- Comercial compatible humano: inteligencia artificial y el problema del control - Stuart Russell
- Comercial Vida 3.0: Ser humano en la era de la inteligencia artificial - Max Tegmark
- Superinteligencia comercial : caminos, peligros, estrategias - Nick Bostrom
Quantum con AI
Libs con libros en línea
GC (contenido generativo)
- Difusión estable-[Paper] Un modelo de difusión de texto a imagen latente
- Difusión estable V2: síntesis de imagen de alta resolución con modelos de difusión latente
- GFPGAN - [Paper] GFPGAN tiene como objetivo desarrollar algoritmos prácticos para la restauración de la cara del mundo real.
- ESRGAN - [Paper] Talleres ECCV18 - SRGAN mejorado. Champion PirM Challenge en supercepción perceptiva. Los códigos de entrenamiento están en Basicsr.
- CodeFormer - [Paper] - [Neurips 2022] hacia la restauración de la cara ciega robusta con el transformador de búsqueda de libros de códigos
- UNIPC - [Paper] UNIPC: un marco de corrector predictor unificado para un muestreo rápido de modelos de difusión
Aprendizaje de refuerzo
- A3C - Google Deepmind Asíncrono ventaja algoritmo de actor -crítico
- Q-Learning Sarsa DQN DDQN-Q-Learning es un algoritmo de aprendizaje de refuerzo basado en el valor
- DDPG - Gradiente de política determinista profunda,
- Curiosidad a gran escala: estudio a gran escala del aprendizaje impulsado por la curiosidad
- PPO - Algoritmos de optimización de políticas proximales de OpenAI
- RND - Destilación de la red aleatoria OpenAI, un bono de exploración para el método de aprendizaje de refuerzo profundo.
- VIME - Información variacional de OpenAI Maximizando la exploración
- DQV - Aprendizaje de valor de calidad profunda (DQV)
- ERL - Gradiente de política guiada por evolución en el aprendizaje de refuerzo
- MF Multi-Agente RL-Campo medio de aprendizaje de refuerzo de agente múltiple. (Este documento incluye MF-Q y MF-AC)
- MAAC-Actor-Atention-Critic para el aprendizaje de refuerzo de múltiples agentes
Selección de características
- Scikit -Feature: una colección de algoritmos de selección de características, disponibles en GitHub
Aprendizaje automático
- Scikit Learn ( Python ) - Aprendizaje automático en Python.
- Linfa ( Rust ) - Espíritu de
scikit learn , A Rust Ml Lib. - XGBOOST ( Python, R, JVM, Julia, CLI ) - Documento de XGBOost lib.
- LightGBM ( Python, R, CLI ) - Documento de características de Microsoft LightGBM Lib.
- Catboost ( Python, R, CLI ) - Yandex Catboost Lib's Key Algorithm PDF Papper.
- Stacknet ( Java, CLI ): algunos algoritmos de apilamiento de modelos implementados en esta lib.
- RGF - Aprender funciones no lineales utilizando
Regularized Greedy Forest (implementación de múltiples núcleos FASTRGF) - FM, FASTFM, FFM, XDEEPFM - Máquinas de factorización y algunos algoritmos extendidos
Aprendizaje profundo
- Documentos de GNN - Documentos de lectura imprescindible en redes neuronales gráficas (GNN)
- EficeTnet - Repensar la escala del modelo para redes neuronales convolucionales
- Densenet: redes convolucionales densamente conectadas
PNLP
- XLNET - Repo XLNet: pre -setraining autorregresivo generalizado para la comprensión del lenguaje
- BERT - Pre -capacitación de transformadores bidireccionales profundos para la comprensión del lenguaje
- GPT-3-Los modelos de idiomas son alumnos de pocos disparos
CV
- Método de red convolucional Fast R-CNN-Fast Basado en la región (RAST R-CNN) para la detección de objetos
- Máscara R-CNN-Máscara R-CNN, se extiende R-CNN más rápido agregando una rama para predecir una máscara de objeto en paralelo con la rama existente para el reconocimiento de la caja delimitadora.
- GQN - Red de consultas generativas de DeepMind, representación y representación de la escena neuronal
Meta aprendizaje
- MAML-Meta-learnicia agnóstica del modelo para una adaptación rápida de redes profundas
Transferir el aprendizaje
- GCN - Reconocimiento de disparo cero a través de integridades semánticas y gráficos de conocimiento
Auto ML
- Model Search ( Python ) - Google Model Search (MS) es un marco que implementa algoritmos Automl para la búsqueda de arquitectura de modelos a escala.
- TPOT ( Python ) - TPOT es una libor para Automl.
- Auto-sklearn ( Python )-Auto-sklearn es un kit de herramientas de aprendizaje automático automatizado y un reemplazo de un estimador de Scikit-Learn
- Auto-Kinas ( Python )-Auto-Kinas es una biblioteca de software de código abierto para el aprendizaje automático automatizado (AUTOML). Está desarrollado por Data Lab
- Transmogrifai ( jvm )-transmogrifai (pronunciado trăns-mŏgˈrə-fī) es una biblioteca automl escrita en Scala que se ejecuta encima de Spark
- Auto -Wekaa: proporciona una selección automática de modelos e hiperparámetros para Weka.
- MLBOX ( Python ) - Mlbox es una potente biblioteca de Python de aprendizaje automático automatizado
Capacitación de tuberías
- ZENML ( Python ) - Zenml está construido para practicantes de ML que están aumentando sus flujos de trabajo de ML hacia la producción
Reducción de dimensionalidad
- T-SNE ( no lineal/no params ): la incrustación estocástica de la incrustación estocástica (T-SNE) es un algoritmo de aprendizaje automático para la visualización
- PCA ( Lineal ) - Análisis de componentes principales
- LDA ( lineal ) - análisis discriminante lineal
- LLE ( no lineal ) - incrustación lineal localmente
- Laplacian Eigenmaps - Laplacian Eigenmaps para la reducción de dimensionalidad y representación de datos
- Mapeo de Sammon ( no lineal ): el mapeo de Sammon está diseñado para minimizar las diferencias entre las distancias entre puntos correspondientes en los dos espacios
Proceso de datos
- PANDAS ( Python ) - Biblioteca de análisis / manipulación de datos flexible y potente para Python.
- Polares ( Rust, Python ) - Lightning -Fast DataFrame Library para Rust y Python.
Capacitación distribuida
- Horovod - Horovod es un marco de capacitación distribuido para TensorFlow, Keras, Pytorch y MXNet. El objetivo de Horovod es hacer que el aprendizaje profundo distribuido sea rápido y fácil de usar.
- ACME: un marco de investigación para el aprendizaje de refuerzo (distribuido).
- Bagua: Bagua es un marco de desarrollo de algoritmo de capacitación distribuido flexible y de rendimiento.
Apoyar este proyecto
Colaboradores
Contribuyentes de código
Este proyecto existe gracias a todas las personas que contribuyen. [Contribuir].
Contribuyentes financieros
Conviértete en un contribuyente financiero y ayúdanos a mantener nuestra comunidad. [Contribuir]
Individuos
Organizaciones
Apoye este proyecto con su organización. Su logotipo aparecerá aquí con un enlace a su sitio web. [Contribuir]
