ai_all_resources

数学、機械学習、深層学習のための AI リソースの究極のコンピレーション

共有されない知識は無駄になります。 - ジェイコブス氏族

このコレクションは、以下の人々によって作成された優れた ML および DL チュートリアルを編集したものです。

• アンドレイ・カルパシーのブログ
• ブランドン・ローハー
• アンドリュー・トラスク
• ジェイ・アランマー
• セバスチャン・ルーダー
• 蒸留
• ジョシュ・スターマーとのスタットクエスト
• 送信デックス
• レックス・フリッドマン
• 3青1茶色
• アレクサンダー・アミニ
• コーディングトレイン
• クリストファー・オラ

フォローすべきコミュニティ

• AI コインバトールここに参加しますか?
  • Telegram : 毎日の最新情報
  • Facebook : コインバトール AI スクール
• TensorFlow ユーザー グループ コインバトール
  • ミートアップ：TFUGCbe
  • フェイスブック：TFUGCbe

このリポジトリは次の者によって作成および管理されています。

ナヴァニース・マリンガン

データ サイエンスを行う理由とその始め方

• 機械学習を始める方法!
• データサイエンスで有意義なキャリアを築く方法
• 私が独自に作成した人工知能の修士号
• PyImageSearch
• Python で機械学習とデータ サイエンスを学ぶための初心者に優しい 5 つのステップ

ML の概要

• ルイス・セラーノ: 機械学習への親切な入門
• StatQuest: 機械学習への優しい入門
• 誰でも使える機械学習機械学習アルゴリズムとそのアプリケーションを実際の例とともに簡単な言葉で要約します。

機械学習は誰でもできる

• Teachable Machine自分の画像、音声、ポーズを認識できるようにコンピューターをトレーニングします。専門知識やコーディングは必要なく、サイトやアプリなどの機械学習モデルを迅速かつ簡単に作成できます。

MOOC

• 機械学習 by Andrew Ng、スタンフォードIMDB 10/10 (笑) :P
• Datacamp : Python を使用したデータ エンジニア
• 機械学習の概要について取り上げるトピック ナイーブ ベイズ、SVM、デシジョン ツリー、回帰、外れ値、クラスタリング、特徴スケーリング、テキスト学習、特徴選択、PCA、検証、評価メトリクス
• ディープラーニングのための TensorFlow の紹介TensorFlow を学ぶための最適なコース
• エンドツーエンドの機械学習
• NVIDIA ディープラーニング研究所
• プログラマーのための機械学習入門!
• プログラマーのための実践的な深層学習、v3
• ファストAI

トップ大学のコース

スタンフォード大学

• CS221 - 人工知能: 原理と技術 Percy Liang および Dorsa Sadigh 著
• CS229 - 機械学習 by Andrew Ng
• CS230 - 深層学習 by Andrew Ng
• CS231n - 視覚認識のための畳み込みニューラル ネットワーク (Fei-Fei Li および Andrej Karpathy 著)
• CS224n - 深層学習による自然言語処理 (Christopher Manning 著)
• CS234 - 強化学習 by Emma Brunskill
• CS330 - ディープマルチタスクとメタラーニング by Chelsea Finn
• CS25 - トランスフォーマーユナイテッド

カーネギーメロン大学

• CS/LTI 11-711: 高度な NLP (Graham Neubig 著)
• CS/LTI 11-747: NLP のためのニューラル ネットワーク by Graham Neubig
• CS/LTI 11-737: 多言語 NLP (Graham Neubig 著)
• CS/LTI 11-777: マルチモーダル機械学習 (Louis-Philippe Morency 著)
• CS/LTI 11-785: 深層学習入門 (Bhiksha Raj および Rita Singh 著)
• CS/LTI 低リソース NLP ブートキャンプ 2020 by Graham Neubig

マサチューセッツ工科大学

• 6.S191 - ディープラーニング入門 (Alexander Amini と Ava Amini 著)
• 6.S094 - ディープラーニング by Lex Fridman
• 6.S192 - 芸術、美学、創造性のためのディープラーニング by Ali Jahanian

ユニバーシティ・カレッジ・ロンドン

• COMP M050 強化学習 David Silver 著

YouTube ML プレイリスト

• Josh Starmer による StatQuest による機械学習
• コーディングトレインによるインテリジェンスと学習

機械学習用語集

• この用語集では、さまざまな分野の一般的な機械学習用語と、TensorFlow に固有の用語を定義します。

機械学習の基礎(これらの用語は以下のアルゴリズムでよく使用されます)

• バイアスと分散
• 相互検証
• 機械学習の基礎: 混同行列
• 感度と特異性
• ROCとAUCをわかりやすく解説！
• StatQuest: R 二乗の説明
• 正則化パート 1: リッジ回帰
• 正則化パート 2: ラッソ回帰
• 最尤度
• 共分散と相関パート 1: 共分散
• 統計の基礎: 平均、分散、標準偏差
• 統計の基礎: 母集団パラメータ
• 用語集: 統計
• 用語集: 機械学習
• R2乗を見る

数学

• 機械学習のための数学この記事では、機械学習のための数学を学習するための優れた電子リソース (MOOC、YouTube 講義、書籍) をまとめました。
• 機械学習のための数学 – 書籍 機械学習のための数学に関するあらゆることを網羅した素晴らしい 1 冊。 (無料電子ブック)
• 3Blue1Brown による次のリソースを参照することを強くお勧めします。
  • 線形代数の本質▶️
  • 微積分のエッセンス▶️
  • 微分方程式▶️
• ギルバート・ストラング: 線形代数 vs 微積分▶️
• タミル語での積分微積分の基礎▶️
• 新しい fast.ai コース: 計算線形代数
• 線形代数の本

パイソン

• Socratica による Python プログラミング チュートリアル▶️
• w3schools による Python チュートリアル?
• Python プログラミングを学習していますか?

ナンピー

• NumPy とデータ表現の視覚的な紹介
• CS231n : Python Numpy チュートリアル
• NumPy リソース : エンドツーエンドの機械学習ライブラリの一部
• 100 の numpy 演習 (解決策付き)
• 101 データ分析のための NumPy 演習 (Python)
• Numpy チュートリアル – ndarray の概要
• Sci-Py 講義 : NumPy: 数値データの作成と操作
• 初心者向けの Python NumPy チュートリアル▶️初心者向けのこのチュートリアルで NumPy ライブラリの基本を学びましょう。 NumPy がどのように動作するか、および Python の組み込みリストとどのように比較するかについての背景情報を提供します。このビデオでは、NumPy を使用してコードを記述する方法を説明します。配列作成の基本から始まり、その後、より高度な内容に進みます。このビデオでは、配列の作成、インデックス付け、計算、統計、再形成な​​どについて説明します。
• Python NumPy チュートリアル – 例で NumPy 配列を学ぶ
• Python Numpy 配列のチュートリアル
• NumPy チュートリアル: Python を使用したデータ分析
• 深層学習の前提条件: Python の Numpy スタック▶️

パンダ

• Pandas を使用した Python でのデータ分析の穏やかなビジュアル入門
• Data School によるパンダを使用した Python でのデータ分析▶️
• Data School によるパンダのベスト プラクティス▶️
• Python Pandas チュートリアル: 初心者向けの完全な入門

機械学習の YouTube プレイリスト

• CodeBasics: 機械学習チュートリアル Python ▶️
• StatQuest: 機械学習▶️
• senddex: Python を使用した機械学習▶️
• SimpliLearn: 機械学習のチュートリアル ビデオ▶️
• Python での機械学習チュートリアル▶️
• deeplizard: 機械学習と深層学習の基礎▶️

ML、DL のビジュアル説明

• MLU-EXPLAIN
• CNNの解説者

注: 以下では、人気のある機械学習アルゴリズムに関する最適な講義を見つけることができます。

線形回帰

• 線形回帰: Luis Serrano によるわかりやすい紹介▶️
• 統計 101: 線形回帰、その基本▶️
• 回帰直線フィッティング プレイグラウンド
• 回帰曲線フィッティング プレイグラウンド

ロジスティック回帰

• 線形回帰とロジスティック回帰 |データサイエンストレーニング |エドゥレカ▶️
• ロジスティック回帰とパーセプトロン アルゴリズム: Luis Serrano による親切な紹介▶️

デシジョンツリー

• StatQuest: デシジョン ツリー▶️
• StatQuest: デシジョン ツリー、パート 2 - 特徴選択と欠損データ▶️
• ディシジョン ツリーの例を紹介しますか?
• ディシジョンツリー?
• パイソン | sklearnを使用した決定木回帰?
• ML |ロジスティック回帰 vs デシジョン ツリー分類?

ランダムフォレスト

• StatQuest: ランダム フォレスト パート 1 - 構築、使用、評価▶️
• StatQuest: ランダム フォレスト パート 2: 欠損データとクラスタリング▶️
• 完全な初心者向けのランダムフォレスト?

機械学習の促進

• 機械学習を強化するチュートリアル |アダプティブ ブースティング、勾配ブースティング、XGBoost |エドゥレカ▶️
• AdaBoostの明確な説明▶️
• 勾配ブースト パート 1: 回帰の主なアイデア▶️
• 勾配ブースト パート 2: 回帰の詳細▶️
• 勾配ブースト パート 3: 分類▶️
• 勾配ブースト パート 4: 分類の詳細▶️
• XGBoost パート 1: 回帰用の XGBoost ツリー▶️
• XGBoost パート 2: 分類のための XGBoost ツリー▶️
• アンサンブルメソッド Sci-kit 学習

SVM

• サポート ベクター マシン (SVM): Luis Serrano によるわかりやすい紹介▶️
• サポートベクターマシンをわかりやすく解説！ by スタットクエスト▶️
• サポート ベクター マシン パート 2: StatQuest による多項式カーネル▶️
• サポート ベクター マシン パート 3: StatQuest によるラジアル (RBF) カーネル▶️
• サポート ベクター マシンの仕組み / ブラック ボックスを開く方法▶️
• サポート ベクター マシン - インテリジェンスの数学 (第 1 週) ▶️
• サポート ベクター マシンをわかりやすく説明しますか?
• サポート ベクター マシン (SVM) - 楽しくて簡単な機械学習▶️

ベイズの定理

• ベイズの定理と確率を直感的に理解する▶️
• ベイズ定理と隠れマルコフ モデルのわかりやすい紹介▶️
• ベイジアンの罠▶️
• 単純ベイズ分類器: フレンドリーなアプローチ▶️

K最近傍法

• KNNをゼロから作る？
• K 最近傍アルゴリズムを使用した機械学習の基礎?

K 平均法

• StatQuest: K 平均法クラスタリング▶️
• 機械学習チュートリアル Python - 13: K 平均クラスタリング▶️
• K 平均法クラスタリング アルゴリズム - Python での K 平均法の例 - 機械学習アルゴリズム - Edureka ▶️

主成分分析 (PCA)

• StatQuest: PCA の主要なアイデアをわずか 5 分で作成!!! ▶️
• StatQuest: 主成分分析 (PCA)、ステップバイステップ▶️
• 主成分分析 (PCA) by Luis Serrano ▶️

確率的グラフィカルモデル

• 確率的グラフィカル モデルの専門分野

ゼロからの勾配降下法

最高の

• 勾配降下法を使用した線形回帰?
• 勾配降下法、ステップバイステップ▶️
• 確率的勾配降下法を明確に説明!!! ▶️
• 最適化の仕組み機械学習の最適化の基礎に関する短期シリーズ
• 勾配降下法を使用した線形回帰
  • コード
• 多項式回帰
• 線形回帰における勾配降下法 - 数学?
• ダミーのためのニューラル ネットワーク バックプロパゲーションの基礎▶️

エクストラグッドワンズ

• 3.4: 勾配降下法を使用した線形回帰 - 知能と学習▶️
• 3.5: 勾配降下法の数学 - 知性と学習▶️
• 3.5a: 微積分: べき乗則 - 知性と学習▶️
• 3.5b: 微積分: 連鎖規則 - 知性と学習▶️
• 3.5c: 微積分: 偏微分 - 知性と学習▶️

消失グラデーション

• 勾配消失問題▶️
• 勾配消失問題を克服する方法▶️

極小値の処理方法

• https://datascience.stackexchange.com/questions/24534/does-gradient-descent-always-converge-to-an-optimum
• https://datascience.stackexchange.com/questions/18802/does-mlp-always-find-local-minimum
• https://www.coursera.org/learn/deep-neural-network/lecture/RFANA/the-problem-of-local-optima

Scikit-Learn

• scikit-learn による機械学習の入門?
• Python 機械学習: Scikit-Learn チュートリアル

ディープラーニング

• DEEP BLUEBERRY BOOKこれは、ディープ ラーニングに関するリンクを集めた小さくて非常に焦点を絞ったコレクションです。ディープ ラーニングについて学びたいと思っていたが、どこから始めればよいかわからない場合は、適切な場所を見つけたかもしれません。
• 6.S191: ディープラーニング入門 (2019)
  • クラス講義 (YouTube) - MIT 6.S191: ディープラーニングの概要
  • 研究室
• MIT 6.S191 深層学習入門 (2020)
• MIT 6.S191 深層学習入門 (2023) (YouTube)
• MIT ディープラーニングの基礎: 概要と概要
• MITディープラーニング、レックス・フリッドマン著
  • ディープラーニング講座（YouTube）
• タミル語のディープラーニング

ディープラーニングの本

• イアン・グッドフェロー、ヨシュア・ベンジオ、アーロン・クールヴィルによるディープラーニングの教科書
• ニューラルネットワークとディープラーニング by Michael Nielsen
• Grokking Deep Learning by Andrew Trask

ディープラーニング論文

• ディープラーニング論文の読み込みロードマップ

NN

• ディープ ラーニングとニューラル ネットワークのフレンドリーな入門書▶️
• 初心者のための機械学習: ニューラル ネットワークの入門?それらがどのように機能するか、および Python でゼロから実装する方法についての簡単な説明。
• ニューラル ネットワークの基本についての視覚的かつ対話型ガイド?
• 基本的なニューラル ネットワークの数学を視覚的かつ対話的に見てみましょう?
• ニューラル ネットワーク アーキテクチャ▶️
• ウェルチ研究所が解き明かすニューラルネットワーク▶️
  • YouTube の短編シリーズ Neural Network Demystified のサポート コード。
• 3Blue1Brows によるニューラル ネットワーク シリーズ▶️

コンピュータビジョン

• CS131 コンピューター ビジョン: 基礎とアプリケーション 2019 年秋
• CS231A: コンピューター ビジョン、3D 再構成から認識まで 2018 年冬
• CS231n 視覚認識用畳み込みニューラル ネットワーク
• コンピュータビジョンノートブック

CNN

• CS231n: 視覚認識のための畳み込みニューラル ネットワーク 2019 年春
• CS231n: 視覚認識のための畳み込みニューラル ネットワーク
• 畳み込みニューラル ネットワークと画像認識へのわかりやすい入門書
• 畳み込みニューラル ネットワークの包括的なガイド — ELI5 の方法
• Tensorflow 畳み込みニューラル ネットワーク (CNN)
• 畳み込みネットワークの本
• CNN、パート 1: 畳み込みニューラル ネットワークの概要
• CS231n Winter 2016 BY Andrej Karpathy 15 ビデオ
• 畳み込みニューラル ネットワークにおける 1D、2D、および 3D 畳み込みの直感的な理解
• CNN Explainer非専門家が畳み込みニューラル ネットワーク (CNN) について学習できるように設計されたインタラクティブな視覚化システム

物体検出

Cogneethi による物体検出ネットワークの進化

物体検出に関する詳細なチュートリアル。 HOG、SIFT などの古典的な CV テクニックから、Overfeat、Faster RCNN などの畳み込みニューラル ネットワーク ベースのテクニックまで、さまざまなトピックについて直感でレクチャーします。初期の論文から現在の論文まで、アイデアがどのように進化したかを学びます。したがって、Evolution of Object Detection Networks という名前が付けられました。

• シフト |スケール不変特徴量変換
• 豚の直感 |方向性のあるグラデーションのヒストグラム
• NMS |非最大値の抑制
• オブジェクトのローカリゼーション |境界ボックス回帰
• 物体検出
• RCNN
• 空間ピラミッドマッチング | SPM
• SPPNet オブジェクト検出
• 高速RCNNネットワーク
• より高速な RCNN
• Yolo v4 オブジェクト検出 - 仕組みとその素晴らしさ!
• フレームワークとライブラリ
  • Facebook AIによるDetectron2
  • MM検出
  • メディアパイプ
  • ヨロ
  • TensorFlow オブジェクト検出 API
  • コンピュータービジョンのレシピ
• ラベル付けツール
  • ラベル画像
  • ロボフロー
  • ラベルスタジオ
• コードサンプル
  • YOLO-オブジェクトカウント-API

3D オブジェクトの検出

• Objectron データセットの発表 | Google AI ブログ
• MediaPipe オブジェクトトロン | Objectron (3D オブジェクト検出)

画像の分割

• コンピューター ビジョン チュートリアル: 画像セグメンテーション技術の段階的な紹介 (パート 1)

GAN

• 敵対的生成ネットワーク (GAN) のフレンドリーな紹介 (Luis Serrano 著)
• 敵対的生成ネットワーク (GAN)、Ahlad Kumar 著
• 最初のシンプルな GAN を構築する
• Generative Adversarial Networks による顔編集
• 変分オートエンコーダ
• 50 行のコードで生成された敵対的ネットワーク (GAN) (PyTorch)
• 生成モデル

スタイル転送

• TensorFlow CNN による高速スタイル転送 ⚡???

NLP

• CS224n: 深層学習による自然言語処理
• NLP と改革者
• 図解 Word2vec

RNN

• リカレント ニューラル ネットワークの図解ガイド: 直観を理解する
• 誰でも Python で LSTM-RNN のコーディングを学ぶことができます (パート 1: RNN)ニューラル ネットワークの最初の記憶への小さな一歩です。
• リカレントニューラルネットワークの不合理な効果
• 初心者のためのリカレント ニューラル ネットワークの概要RNN とは何か、RNN がどのように機能するか、そして Python で最初から RNN を構築する方法についての簡単なチュートリアルです。
• Distill による注意と拡張リカレント ニューラル ネットワーク
• Distill による RNN での記憶の視覚化コンテキスト内の勾配の大きさを検査することは、反復ユニットが短期または長期のコンテキスト理解をいつ使用するかを確認するための強力なツールとなり得ます。
• NLP のための深層学習: ANN、RNN、LSTM について説明します。

LSTM

• LSTM ネットワークを理解する
• LSTM実装の説明
• LSTM オートエンコーダの優しい紹介

トランスフォーマーとセルフ・アテンション

Transformer ニューラル ネットワークのビジュアル ガイド (強く推奨)

• パート 1 - 位置の埋め込み
• パート 2 - マルチヘッドと自己注意
• パート 3 - デコーダーのマスクされた注意
• NLP トランスフォーマー注目プレイリスト
• 図解されたトランスフォーマー
• 注釈付きトランスフォーマー
• トランスフォーマーの紙とコード
• トランスフォーマーをゼロから
• トランスフォーマーノート
• トランスフォーマーの解説: GPT-3、BERT、T5 の背後にあるモデルを理解する
• Transformer のバリアントの包括的な概要。
• NLP とトランスフォーマー モデルの第一人者になる方法
• [マスタークラス] トランスフォーマー |アテンションモデル

バート

• スケッチを使って BERT を簡単に説明する
• BERT を初めて使用するためのビジュアル ガイド
• 図解された BERT、ELMo など(NLP が転移学習をどのように解読したか)
• BERT の説明: NLP の最先端の言語モデル
• BioBERT は、生物医学領域の言語表現モデルであり、特に生物医学固有表現認識、関係抽出、質問応答などの生物医学テキスト マイニング タスク用に設計されています。

GPT

• 図解 GPT-2 (Transformer 言語モデルの視覚化)

強化学習

• 深層強化学習コース ?️初心者から専門家まで楽しめる深層強化学習の無料コース。
• 強化学習アルゴリズムの実装。 Python、OpenAI Gym、Tensorflow。 Sutton の本と David Silver のコースに付属する演習と解決策。
• Unity 機械学習エージェント ツールキット
• 初めての機械学習ゲームを書いています! (1/4)
• 深層強化学習: ピクセルからポン by Andrej Karpathy
• 深層強化学習の初心者ガイド
• Unity ML エージェントの概要
• PyTorch を使用した深層強化学習アルゴリズム
• 講義: 強化学習の概要 - David Silver
• 書籍: 強化学習 - サットンとバルトによる入門
• 書籍: 深層強化学習ハンズオン (マキシム・ラパン著)

パイトーチ

• Udacity : PyTorch を使用したディープラーニング
• 深層学習 (PyTorch) : コード
• Udacity : セキュア AI
• トーチスクリプト
• PyTorchZeroToAll (英語) Sung Kim の 14 ビデオ シリーズ
  • サポートコード
  • スライド

TensorFlow

• TensorFlow 2.0 の紹介: 初心者にとってはより簡単、専門家にとってはより強力 (TF World '19)
• TensorFlow Lite: デバイス上で ML を実行するためのソリューション (TF World '19)
• JavaScript での機械学習 (TensorFlow Dev Summit 2018)
• TensorFlow.js クイック スタート
• Keras と tf.keras: TensorFlow 2.0 の違いは何ですか?
• Raspberry Pi で TensorFlow Lite を実行して物体検出を行う方法
• コンピューターが物体を即座に認識する方法を学ぶ |ジョセフ・レドモン

TensorFlow コース

• 深層学習のための TensorFlow の概要
• TensorFlow の実践専門分野 : Coursera
• TensorFlow: データとデプロイメントの専門分野 : Coursera

PyTorch と TensorFlow

• PyTorch が機械学習エンジニアの間でこれほど人気になっているのはなぜですか?

転移学習

• Keras とディープラーニングによる転移学習
• ディープラーニングにおける実際のアプリケーションを使用した転移学習のための包括的な実践ガイド
• TensorFlow コアのチュートリアル

モデルのデプロイ

• 5 分でわかる機械学習: ML モデルのデプロイ方法 (SurveyMonkey エンジニアが説明)
• Django を使用して機械学習モデルをデプロイする
• MlFlow - 機械学習ライフサイクルのためのオープンソース プラットフォーム
• TensorFlow: データとデプロイメントの専門化

MLOPS

• MLOps Primer - 2021 MLOps について学ぶためのリソースのコレクション。

コード

• コードベーシック/py
• Google コードラボ

チートシート

• 人工知能
• 機械学習
• ディープラーニング
• 機械学習のヒントとコツ
• データサイエンスツール
• R による機械学習
• CHRIS ALBON のチートシートとフラッシュ カード
• MLOps ツール ランドスケープ v2 (+84 個の新しいツール) - 2020 年 12 月
• 数学ツール
• エンジニアのための常微分方程式

エッジ ML キット

• Nvidia Jetson Nano 開発者キット
• インテル® ニューラル・コンピューティング・スティック 2 (インテル® NCS2)
• コーラル

データサイエンスコンテスト

• カグル

重要な YouTube? AI/ML/RL/DS 分野のチャネル

• 3青1茶色
• ジョシュ・スターマーとのスタットクエスト
• セントデックス
• ルイス・セラーノ
• ブランドン・ローラー
• ディープトカゲ
• ティムとの技術
• マイクロソフトリサーチ
• コーリー・シェイファー
• データスクール
• 2分間のペーパー
• ウェルチ研究所
• シンプルに学ぶ
• 素晴らしい学び
• ディープラーニング.TV
• TensorFlow
• Deeplearning.ai
• コード箇条書き
• エドゥレカ！
• レックス・フリッドマン
• 人工知能チャネル
• freeCodeCamp.org
• クラウド×ラボ
• アレクサンダー・アミニ
• ジェフ・ヒートン
• アビシェク・タクール
• コーディングトレイン

参照

• 機械学習を始める方法!
• 私が独自に作成した人工知能の修士号
• https://end-to-end-machine-learning.teachable.com/courses/667372/lectures/11900568
• StatQuest による ML の基礎
• Python による機械学習 by senddex
• Python で機械学習とデータ サイエンスを学ぶための初心者に優しい 5 つのステップ - Daniel Bourke
• データスクール
• ニューラルネットワークとディープラーニング
• https://www.machinelearningisfun.com/
• https://medium.com/@ageitgey/machine-learning-is-fun-80ea3ec3c471
• https://medium.com/greyatom
• https://greyatom.com/glabs
• ジョン・サール：「人工知能における意識」 | Googleでの講演
• https://github.com/nature-of-code/NOC-S17-2-Intelligence-Learning/tree/master/week3-classification-regression
• https://github.com/nature-of-code/NOC-S17-2-Intelligence-Learning