ホーム>プログラミング関連>AI ソースコード
ダウンロード

AI アプリを始めるための AI 関連の学習教材と実践ツールのリスト

デザイン思考 – はじめに

  • スタンフォードのデザイン思考の仮想集中コース

アマゾン ウェブ サービスの学習教材

  • AWS AI セッション – このセッションでは、すべての Amazon AI テクノロジー製品 (Lex、Polly、Rekognition、ML、Deep Learning AMI) の概要を説明します。

自分のペースで進められるラボ

AWS のセルフペース ラボでは、AWS のサービスと実際のクラウド シナリオを使用した、ライブ AWS 環境での実践的な演習を提供します。段階的な手順に従って、サービスを学習し、ユースケースを実践し、AWS 認定の準備をしてください。

入門ラボ

  • AWS Lambda の概要

レックス

  • Amazon Lex の概要
  • Amazon Lex ウェビナー
  • Amazon Lex: AWS 会話型インターフェイス (チャットボット)
  • ドキュメント

ポリー

  • Amazon Polly の概要
  • Amazon Polly ウェビナー -
  • Amazon Polly – AWS Text To Speech (TTS) サービス
  • ドキュメント
    • アマゾン ポリーとは何ですか?
    • 開発者リソース

認識

  • Amazon Rekognition の概要
  • Amazon Rekognition - ディープラーニングベースの画像分析ウェビナー
  • Amazon Rekognition – AWS 画像認識サービス
  • ドキュメント – Amazon Rekognition とは何ですか?

機械学習

  • 機械学習

  • セッション 1 – 開発者がスマート アプリケーションを構築できるようにする

  • セッション 2 - Amazon Machine Learning を使用した顧客離れの予測

  • AWS Machine Learning – ML モデルを作成およびテストし、それらのモデルを本番環境にデプロイするためのエンドツーエンドのマネージド サービス

  • ドキュメント

    • Amazon 機械学習とは何ですか?
    • 開発者リソース

  • AWS Deep Learning AMI – ディープラーニングの取り組み向けに最適化された Amazon Machine Image (AMI)

推奨される追加リソース

基礎、上級、エキスパート レベルのラボでスキルを次のレベルに引き上げましょう。

  • Microsoft Windows を使用した Amazon EC2 インスタンスの作成
  • 初めての Amazon Virtual Private Cloud (VPC) を構築する
  • Windows での AWS CodeCommit の使用
  • Amazon DynamoDB の操作

Google Cloud - 学習教材

以下は、Google Cloud について学習するのに役立つ学習教材です。

ネットワーク

  • ネットワーキング 101 – 43 分

コードラボは、次のような一般的なクラウド開発者エクスペリエンスを提供します。

  • ラボ環境をセットアップし、GCP 環境を操作する方法を学びます。
  • 一般的なオープンソース ツールを使用して、世界中のネットワークを探索します。
  • 一般的なユース ケースをデプロイします。つまり、HTTP 負荷分散とマネージド インスタンス グループを使用して、スケーラブルなマルチリージョン Web サーバーをホストします。
  • ネットワークとインスタンスのテストと監視。
  • 掃除。

Google Cloud Platform のソリューションの開発 – 8 時間

インフラストラクチャー

  • Kubernotes 上の Node.js を使用して Slack ボットを構築する – 43 分
  • 仮想マシンの作成 – 10 分
  • App Engine 入門 (Python) – 13 分

データ

  • Google Cloud データ準備の概要 – 7 分
  • Cloud SQL を使用してマネージド MySQL データベースを作成する – 19 分
  • オブジェクトをクラウド ストレージにアップロードする – 11 分

AI、ビッグデータ、機械学習

  • Google Cloud 機械学習の概要 – 1 時間
  • 例による機械学習 API – 30 分
  • Google Cloud Platform ビッグデータと機械学習の基礎

追加の AI マテリアル

  • 自動素晴らしい: Google Cloud Platform 上の高度なデータ サイエンス – 45 分
  • Cloud Dataflow でビッグ データ テキスト処理パイプラインを実行する – 21 分
  • Cloud ML エンジンと Datalab を使用した画像分類 – 58 分
  • Cloud ML Engine と Datalab を使用した構造化データ回帰 – 58 分

(オプション) ディープラーニングと Tensorflow

  • Tensorflow とディープラーニングのチュートリアル – 2:35 時間
  • ディープラーニングコース – 上級ユーザーのみ

追加の参考資料

  • ビッグデータと機械学習 @ Google Cloud Next '17 - 49 本のビデオのコレクション

IBMワトソン学習教材

(このスペースでは貢献を歓迎します)

  • IBM ワトソンの概要
  • IBM Watson Cognitive API
  • IBMワトソンナレッジスタジオ

ビジュアルスタジオ

UCI データセット

Microsoft チャットボット学習教材

スキルの前提条件

  • Git と Github
  • NodeJS
  • VSコードIDE

トレーニングパス

上記の前提条件スキルをお持ちの場合は、アドバンスト トレーニング パスを受講し、それ以外の場合は初心者トレーニング パスを受講してください。

前提条件のチュートリアル

  • Git と Github
  • Node.js
    • 初心者向けの Node.js チュートリアル
    • VS Code の Node.js チュートリアル
  • Visual Studio コードの概要

初心者トレーニング パス

環境のセットアップ

  • Git をダウンロードしてインストールする
  • GitHub アカウントをセットアップする_
  • NodeJS をダウンロードしてインストールする
  • IDE をダウンロードしてインストールする - Visual Studio Code
  • Bot Framework エミュレーターをダウンロードしてインストールする
  • Bot Education プロジェクトの Git clone - git clone
  • Azure の無料試用版アカウントをセットアップする

コグニティブ サービス (インテリジェンスの定義)

  • コグニティブ サービス ADS 教育デッキを読む – git clone
  • LUIS を使用した自然言語の理解に関するガイドを確認してください。
  • インストールされている Bot Education プロジェクト – bot-educationStudent-ResourcesLabsCognitiveServicesLab_SetupLanguageModel.md から NLP (LUIS) トレーニング ラボを完了します。

ボット フレームワーク (チャット ボットの構築)

  • ダウンロードした Bot Framework ADS Education Deck を読み取ります - (あなたのパス)bot-extras
  • Bot Framework のドキュメントを確認します (コア概念、NodeJS 用のボット ビルダー、およびボット インテリジェンス) -
  • ローカル環境をセットアップし、インストールされている Bot Education プロジェクトからエミュレーターを実行します – bot-educationStudent-ResourcesLabsNodeLab1_SetupCheckModel.md
  • bot-educationStudent-ResourcesBOTsNodebot-hello の「bot-hello」をエミュレータで確認してテストします。

高度なトレーニング パス

環境のセットアップ

  • Git をダウンロードしてインストールする
  • GitHub アカウントをセットアップする_
  • NodeJS をダウンロードしてインストールする
  • IDE をダウンロードしてインストールする - Visual Studio Code
  • Bot Framework エミュレーターをダウンロードしてインストールする
  • Bot Education プロジェクトの Git clone - git clone
  • Azure の無料試用版アカウントをセットアップする
  • Bot Builder サンプルの Git clone – git clone

コグニティブ サービス (インテリジェンスの定義)

  • コグニティブ サービス ADS 教育デッキを読む – git clone
  • LUIS を使用した自然言語の理解に関するガイドを確認してください。

ボット フレームワーク (チャット ボットの構築)

  • ダウンロードした Bot Framework ADS Education Deck を読み取ります - (あなたのパス)bot-extras
  • Bot Framework のドキュメントを確認します (コア概念、NodeJS 用のボット ビルダー、およびボット インテリジェンス) -
  • ローカル環境をセットアップし、インストールされている Bot Education プロジェクトからエミュレーターを実行します – bot-educationStudent-ResourcesLabsNodeLab1_SetupCheckModel.md

コグニティブ サービス (インテリジェンスの定義) - ラボ

  • インストールされた BOT 教育プロジェクトから NLP (LUIS) トレーニング ラボを完了する
    • bot-educationStudent-ResourcesLabsCognitiveServicesLab_SetupLanguageModel.md
  • LUIS BOT サンプルの確認、展開、実行

ボット フレームワーク (チャット ボットの構築) – ラボ

  • ローカル環境をセットアップし、インストールされた Bot Education プロジェクトからエミュレータを実行します
    • bot-educationStudent-ResourcesLabsNodeLab1_SetupCheckModel.md
  • エミュレータで「bot-hello」を確認してテストします。
    • bot-educationStudent-ResourcesBOTsNodebot-hello
  • エミュレータで「ボット認識」を確認してテストします。
    • bot-educationStudent-ResourcesBOTsNodebot-recognizers

講義ビデオ

<title></title> <script src="js/navigation.js"></script>

ソースバークレー

講義タイトル講師学期
講義1導入ダン・クライン2012年秋
講義2情報のない検索ダン・クライン2012年秋
講義3情報に基づいた検索ダン・クライン2012年秋
講義4制約充足問題 Iダン・クライン2012年秋
講義5制約充足問題 IIダン・クライン2012年秋
講義6敵対的検索ダン・クライン2012年秋
講義 7 Expectimax とユーティリティダン・クライン2012年秋
講義8マルコフの意思決定プロセス Iダン・クライン2012年秋
講義9マルコフの意思決定プロセス IIダン・クライン2012年秋
講義10強化学習 Iダン・クライン2012年秋
講義11強化学習Ⅱダン・クライン2012年秋
講義12確率ピーター・アビール2014年春
講義13マルコフモデルピーター・アビール2014年春
講義14隠れマルコフモデルダン・クライン2013年秋
講義15 HMMの応用・音声ピーター・アビール2014年春
講義16ベイズのネッツ: 表現ピーター・アビール2014年春
講義17ベイズ ネッツ: 独立性ピーター・アビール2014年春
講義18ベイズの網: 推論ピーター・アビール2014年春
講義19ベイズのネット: サンプリングピーター・アビール2013年秋
講義20意思決定図 / 完全な情報の価値ピーター・アビール2014年春
講義21機械学習: 単純ベイズニコラス・ヘイ2014年春
講義22機械学習: パーセプトロンピーター・アビール2014年春
講義23機械学習: カーネルとクラスタリングピーター・アビール2014年春
講義24高度なアプリケーション: NLP、ゲーム、ロボットカーピーター・アビール2014年春
講義25高度なアプリケーション: コンピューター ビジョンとロボティクスピーター・アビール2014年春

さらに、講義の資料を補足する追加のステップバイステップビデオもあります。これらのビデオは以下にリストされています。

講義タイトル講師注意事項
SBS-1 DFSとBFSピーター・アビールLec: 情報のない検索
SBS-2あ*検索ピーター・アビールレク: 情報に基づいた検索
SBS-3アルファ-ベータ枝刈りピーター・アビールレク: 敵対的検索
SBS-4 D分離ピーター・アビールレック: ベイズ ネッツ: 独立性
SBS-5 1 つの変数の削除ピーター・アビールLec: ベイズの網: 推論
SBS-6変数の削除ピーター・アビールLec: ベイズの網: 推論
SBS-7サンプリングピーター・アビールLec: ベイズのネッツ: サンプリング
SBS-8最尤度ピーター・アビールレクチャー: 機械学習: 単純ベイズ
SBS-9ラプラス平滑化ピーター・アビールレクチャー: 機械学習: 単純ベイズ
SBS-10パーセプトロンピーター・アビール講義: 機械学習: パーセプトロン



******************

学期ごとのビデオアーカイブ(バークレー)

最新の講義ビデオを以下に掲載します。

2014年春の講義ビデオ
2013年秋の講義ビデオ
2013年春の講義ビデオ
2012年秋の講義ビデオ

2014年春

講義タイトル講師注意事項
講義1導入ピーター・アビール
講義2情報のない検索ピーター・アビール
講義3情報に基づいた検索ピーター・アビール
講義4制約充足問題 Iピーター・アビール録音は少し不安定です。代替案については、2013 年秋の講義 4 を参照してください。
講義5制約充足問題 IIピーター・アビール
講義6敵対的検索ピーター・アビール
講義 7 Expectimax とユーティリティピーター・アビール
講義8マルコフの意思決定プロセス Iピーター・アビール
講義9マルコフの意思決定プロセス IIピーター・アビール
講義10強化学習 Iピーター・アビール
講義11強化学習Ⅱピーター・アビール
講義12確率ピーター・アビール
講義13マルコフモデルピーター・アビール
講義14隠れマルコフモデルピーター・アビール録音は少し不安定です。別の方法については、2013 年秋の講義 18 を参照してください。
講義15 HMMの応用・音声ピーター・アビール
講義16ベイズのネッツ: 表現ピーター・アビール
講義17ベイズ ネッツ: 独立性ピーター・アビール
講義18ベイズの網: 推論ピーター・アビール
講義19ベイズのネット: サンプリングピーター・アビール未録音。2013 年秋の講義 16 を参照
講義20意思決定図 / 完全な情報の価値ピーター・アビール
講義21機械学習: 単純ベイズニコラス・ヘイ
講義22機械学習: パーセプトロンピーター・アビール
講義23機械学習: カーネルとクラスタリングピーター・アビール
講義24高度なアプリケーション: NLP、ゲーム、ロボットカーピーター・アビール
講義25高度なアプリケーション: コンピューター ビジョンとロボティクスピーター・アビール
講義26結論ピーター・アビール未録音


******************

2013年秋

講義タイトル講師注意事項
講義1導入ダン・クライン
講義2情報のない検索ダン・クライン
講義3情報に基づいた検索ダン・クライン
講義4制約充足問題 Iダン・クライン
講義5制約充足問題 IIダン・クライン
講義6敵対的検索ダン・クライン
講義 7 Expectimax とユーティリティダン・クライン
講義8マルコフの意思決定プロセス Iダン・クライン
講義9マルコフの意思決定プロセス IIダン・クライン
講義10強化学習 Iダン・クライン
講義11強化学習Ⅱダン・クライン
講義12確率ピーター・アビール
講義13ベイズのネッツ: 表現ピーター・アビール
講義14ベイズ ネッツ: 独立性ダン・クライン
講義15ベイズの網: 推論ピーター・アビール
講義16ベイズのネット: サンプリングピーター・アビール
講義17意思決定図 / 完全な情報の価値ピーター・アビール
講義18隠れマルコフモデルダン・クライン
講義19 HMMの応用・音声ダン・クライン
講義20機械学習: 単純ベイズダン・クライン
講義21機械学習: パーセプトロンダン・クライン
講義22機械学習: カーネルとクラスタリングピーター・アビール
講義23機械学習: デシジョン ツリーとニューラル ネットワークピーター・アビール
講義24高度なアプリケーション: NLP とロボット カーダン・クライン未録音、2013 年春の講義 24 を参照
講義25高度なアプリケーション: コンピューター ビジョンとロボティクスピーター・アビール
講義26結論ダン・クライン
ピーター・アビール		未録音

******************

2013年春

講義タイトル講師注意事項
講義1導入ピーター・アビールビデオダウン
講義2情報のない検索ピーター・アビール
講義3情報に基づいた検索ピーター・アビール
講義4制約充足問題 Iピーター・アビール
講義5制約充足問題 IIピーター・アビール未録音、2012 年秋の講義 5 を参照
講義6敵対的検索ピーター・アビール
講義 7 Expectimax とユーティリティピーター・アビール
講義8マルコフの意思決定プロセス Iピーター・アビール
講義9マルコフの意思決定プロセス IIピーター・アビール
講義10強化学習 Iピーター・アビール
講義11強化学習Ⅱピーター・アビール
講義12確率ピーター・アビール
講義13ベイズのネッツ: 表現ピーター・アビール
講義14ベイズ ネッツ: 独立性ピーター・アビール
講義15ベイズの網: 推論ピーター・アビール
講義16ベイズのネット: サンプリングピーター・アビール
講義17意思決定図 / 完全な情報の価値ピーター・アビール
講義18隠れマルコフモデルピーター・アビール
講義19 HMMの応用・音声ピーター・アビール
講義20機械学習: 単純ベイズピーター・アビール
講義21機械学習: パーセプトロン Iニコラス・ヘイ
講義22機械学習: パーセプトロン IIピーター・アビール
講義23機械学習: カーネルとクラスタリングピーター・アビール
講義24高度なアプリケーション: NLP とロボット カーピーター・アビール
講義25高度なアプリケーション: コンピューター ビジョンとロボティクスピーター・アビール
講義26結論ピーター・アビール未録音

******************

2012年秋

講義タイトル講師注意事項
講義1導入ダン・クライン
講義2情報のない検索ダン・クライン
講義3情報に基づいた検索ダン・クライン
講義4制約充足問題 Iダン・クライン
講義5制約充足問題 IIダン・クライン
講義6敵対的検索ダン・クライン
講義 7 Expectimax とユーティリティダン・クライン
講義8マルコフの意思決定プロセス Iダン・クライン
講義9マルコフの意思決定プロセス IIダン・クライン
講義10強化学習 Iダン・クライン
講義11強化学習Ⅱダン・クライン
講義12確率ピーター・アビール
講義13ベイズのネッツ: 表現ピーター・アビール
講義14ベイズ ネッツ: 独立性ピーター・アビール
講義15ベイズの網: 推論ピーター・アビール
講義16ベイズのネット: サンプリングピーター・アビール
講義17意思決定図 / 完全な情報の価値ピーター・アビール
講義18隠れマルコフモデルピーター・アビール
講義19 HMMの応用・音声ダン・クライン
講義20機械学習: 単純ベイズダン・クライン
講義21機械学習: パーセプトロンダン・クライン
講義22機械学習: カーネルとクラスタリングダン・クライン
講義23機械学習: デシジョン ツリーとニューラル ネットワークピーター・アビール
講義24高度なアプリケーション: コンピューター ビジョンとロボティクスピーター・アビール
講義25高度なアプリケーション: NLP とロボット カーダン・クライン
ピーター・アビール		未録音
講義26結論ダン・クライン
ピーター・アビール		未録音



******************

講義スライド

ビデオを含む講義スライドの完全なセットと、講義で実行されるデモのビデオは次のとおりです: スライド [~3 GB]。

以下のリストには、すべての講義の PowerPoint スライドが含まれています。

  • 講義 1: はじめに
  • 講義 2: 情報なしの検索
  • 講義 3: 情報に基づいた検索
  • 講義 4: CSP I
  • 講義 5: CSP II
  • 講義 6: 敵対的検索
  • 講義 7: Expectimax の検索とユーティリティ
  • 講義 8: 民主党 I
  • 講義 9: 民主党 II
  • 講義 10: 強化学習 I
  • 講義 11: 強化学習 II
  • 講義 12: 確率
  • 講義 13: マルコフ モデル
  • 講義 14: 隠れマルコフ モデル
  • 講義 15: 粒子フィルターと HMM の応用
  • 講義 16: ベイズ ネット I: 表現
  • 講義 17: ベイズ ネッツ II: 独立性
  • 講義 18: ベイズ ネット III: 推論
  • 講義 19: ベイズ ネット IV: サンプリング
  • 講義 20: 意思決定図と VPI
  • 講義 21: 単純ベイズ
  • 講義 22: パーセプトロン
  • 講義 23: カーネルとクラスタリング
  • 講義 24: 高度なアプリケーション (NLP、ゲーム、自動車)
  • 講義 25: 高度なアプリケーション (コンピュータ ビジョンとロボティクス)
  • 講義 26: 結論

すべての講義中のライブ デモのソース ファイルは、リリースに向けて Berkeley AI から準備されています。

厳選された研究論文

  • AI に関する最新の arxiv 論文投稿

  • Peter Norvig - 10 年でプログラミングを独学する

  • MIT AI ラボで研究を行う方法

  • マシンインテリジェンスに向けたロードマップ

  • リカレント ニューラル ネットワークによる協調フィルタリング (2016)

  • レコメンダー システムのためのワイド & ディープ ラーニング (2016)

  • 周辺化ノイズ除去オートエンコーダによるディープ協調フィルタリング (2015)

  • ノンパラメトリック ベイジアン マルチタスク協調フィルタリング (2013)

  • Tensorflow: 異種分散システム上の大規模機械学習

  • https://infoscience.epfl.ch/record/82802/files/rr02-46.pdf

  • Theano: CPU および GPU の数式コンパイラー。

  • Caffe: 高速な機能埋め込みのための畳み込みアーキテクチャ

  • Chainer: ニューラル ネットワークの強力で柔軟かつ直感的なフレームワーク

  • 大規模な分散型ディープネットワーク

  • 畳み込みニューラル ネットワークを使用した大規模なビデオ分類

  • ベクトル空間における単語表現の効率的な推定

  • 外国語としての文法

  • 畳み込みでさらに深くなる

  • 音声処理のための修正された線形単位について

  • 音声認識における音響モデリングのためのディープ ニューラル ネットワーク: 4 つの研究グループの共通見解。

  • ディープ畳み込みニューラル ネットワークを使用したスト​​リート ビュー画像からの複数桁の番号認識

  • グーグルは儲かるウェブ検索をAIマシンに引き渡す

スタンフォード シラバス CS 20SI: 深層学習研究のための Tensorflow

  • 群衆ベースのパーソナライズされた自然言語による推奨事項の説明

深層学習ソフトウェアフレームワークの比較研究

** Reddit_ML - 何を読んでいますか**

  • AI を活用したソーシャル ボット(2017 年 6 月 16 日)

人工知能の多くの部族

出典:https://medium.com/intuitionmachine/infographic-best-practices-in-training-deep-learning-networks-b8a3df1db53


******************

ディープラーニングのロードマップ

出典:https://medium.com/intuitionmachine/the-deep-learning-roadmap-f0b4cac7009a


******************

深層学習ネットワークをトレーニングするためのベスト プラクティス

出典: https://medium.com/intuitionmachine/infographic-best-practices-in-training-deep-learning-networks-b8a3df1db53


ML/DL チートシート

ニューラル ネットワーク アーキテクチャ

出典: http://www.asimovinstitute.org/neural-network-zoo/


Microsoft Azure アルゴリズムのフローチャート

出典: https://docs.microsoft.com/en-us/azure/machine-learning/machine-learning-algorithm-cheat-sheet


SAS アルゴリズムのフローチャート

出典: http://blogs.sas.com/content/subciousmusings/2017/04/12/machine-learning-algorithm-use/


******************

アルゴリズムの概要

出典: http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/


****************** 出典: http://thinkbigdata.in/best-known-machine-learning-algorithms-infographic/


****************** ### アルゴリズムの長所/短所 出典: https://blog.dataiku.com/machine-learning-explained-algorithms-are-your-friend


******************

パイソン

アルゴリズム

出典: https://www.analyticsvidhya.com/blog/2015/09/full-cheatsheet-machine-learning-algorithms/


******************

Python の基本

出典: http://datasciencefree.com/python.pdf


******************

出典: https://www.datacamp.com/community/tutorials/python-data-science-cheat-sheet-basics#gs.0x1rxEA


******************

ナンピー

出典: https://www.dataquest.io/blog/numpy-cheat-sheet/


******************

出典: http://datasciencefree.com/numpy.pdf


******************

出典: https://www.datacamp.com/community/blog/python-numpy-cheat-sheet#gs.Nw3V6CE


出典: https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/numpy/numpy.ipynb


******************

パンダ

出典: http://datasciencefree.com/pandas.pdf


******************

出典: https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.S4P4T=U


******************

出典: https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/pandas/pandas.ipynb


マットプロットリブ

出典: https://www.datacamp.com/community/blog/python-matplotlib-cheat-sheet


出典: https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/matplotlib/matplotlib.ipynb


Scikitラーン

出典: https://www.datacamp.com/community/blog/scikit-learn-cheat-sheet#gs.fZ2A1Jk


出典: http://peekaboo-vision.blogspot.de/2013/01/machine-learning-cheat-sheet-for-scikit.html


ソース: https://github.com/rcompton/ml_cheat_sheet/blob/master/supervised_learning.ipynb


******************

テンソルフロー

出典: https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_ Introduction/basic_operations.ipynb


ピトーチ

出典: https://github.com/bfortuner/pytorch-cheatsheet


******************

数学

確率

出典: http://www.wzchen.com/s/probability_cheatsheet.pdf


******************

線形代数

出典: https://minireference.com/static/tutorials/linear_algebra_in_4_pages.pdf


******************

統計

出典: http://web.mit.edu/~csvoss/Public/usabo/stats_handout.pdf


微積分

出典: http://tutorial.math.lamar.edu/getfile.aspx?file=B,41,N


拡大する
追加情報
関連アプリ
おすすめ
関連情報 すべて