awesome AI books 다운로드 - awesome AI books 소스 코드 다운로드

awesome AI books

기타 소스코드

1.0.0

다운로드

멋진 AI 책

다운로드 및 학습을위한 멋진 AI 관련 서적 및 PDF.

머리말

이 저장소는 학습에만 사용되며 비즈니스에 사용하지 않습니다.

이 저장소에 훌륭한 책을 제공하는 것을 환영하거나 어떤 훌륭한 책을 필요로하는지 말해주십시오.이 저장소에서이를 추가하려고 노력할 것입니다. 여기에 문제 나 PR을 만들 수있는 아이디어.

GitHub 대형 파일 저장 제한으로 인해 모든 책 PDF가 Yandex.disk 에 저장되었습니다.

종종 사용되는 일부 수학 기호는 이 페이지를 참조 할 수 있습니다

콘텐츠

논문/연구가있는 조직
훈련장
서적
- 입문 이론과 시작
- 수학
- 데이터 마이닝
- 딥 러닝
- 철학
ai를 가진 양자
- 양자 기본
- 양자 ai
- 양자 관련 프레임 워크
온라인 서적과 함께
- 강화 학습
- 기능 선택
- 기계 학습
- 딥 러닝
- NLP
- CV
- 메타 학습
- 전송 학습
- 자동 ML
- 치수 감소
분산 교육

논문/연구가있는 조직

arxiv.org
과학
자연
심해 간행물
Openai Research

훈련장

Openai Gym : 강화 학습 알고리즘을 개발하고 비교하기위한 툴킷. (Atari, Box2D, Mujoco 등과 놀 수 있습니다 ...)
Malmo : Project Malmö는 인공 지능 실험 및 마인 크래프트 위에 구축 된 연구 플랫폼입니다.
Deepmind Pysc2 : Starcraft II 학습 환경.
Procgen : Procgen 벤치 마크 : 절차 적으로 생성 된 게임과 같은 체육관 환경.
Torchcrafi : Starcraft®에 대한 기계 학습 연구를위한 봇 플랫폼 : Brood War®
밸브 DOTA2 : DOTA2 게임 에이스 API. (CN Doc)
마리오 AI 프레임 워크 : AI 메소드를 사용하기위한 마리오 AI 프레임 워크.
Google 도파민 : 도파민은 강화 학습 알고리즘의 빠른 프로토 타이핑을위한 연구 프레임 워크입니다.
TextWorld : Microsoft- 텍스트 기반 게임에 대한 교육 및 테스트 강화 학습 (RL) 에이전트를위한 학습 환경 샌드 박스.
미니 그리드 : Openai 체육관을위한 최소 그리드 월드 환경
MAGENT : 많은 에이전트 강화 학습을위한 플랫폼
Xworld : 강화 학습을위한 C ++/Python 시뮬레이터 패키지
신경 MMO : 대규모 다중 게임 환경
MINATAR : Minatar는 여러 ATARI 2600 게임의 소형 버전을 구현하는 AI 에이전트 테스트 베드입니다.
Craft-env : Craftenv는 2D 공예 환경입니다
Gym-Sokoban : Sokoban은 Warehouse Keeper와 전통적인 비디오 게임의 일본인입니다.
Pommerman Playground는 AI Research를 위해 구축 된 Bomberman의 클론 인 Pommerman을 주최합니다.
Gym-Miniworld Miniworld는 강화 학습 및 로봇 연구를위한 최소한의 3D 내부 환경 시뮬레이터입니다.
Vizdoomgym Openai 체육관 래퍼 Vizdoom (원시 시각 정보로부터 강화 학습을위한 DOOM 기반 AI 연구 플랫폼) 환경.
ddz-ai ai, 构建了一种多通道堆叠注意力 변압기 结构的斗地主 ai

서적

입문 이론과 시작

인공 지능 - 현대 접근법 (3 판) -Stuart Russell & Peter Norvig
상업용 인공 지능 알고리즘 - Rishal Hurbans

수학

확률의 첫 번째 코스 확률의 첫 번째 코스 (8 일) -Sheldon M Ross
볼록 최적화 - Stephen Boyd
정보 이론 요소의 요소 -Thomas Cover & Jay A Thomas
개별 수학 및 응용 프로그램 7th -Kenneth H. Rosen
선형 대수 소개 (5 일) -Gilbert Strang
선형 대수 및 응용 프로그램 (5 일) -David C Lay
확률 이론 과학의 논리 -Edwin Thompson Jaynes
확률 및 통계 4 위 - Morris H. Degroot
통계적 추론 (2 위) - 로저 카젤라
信息论基础 (정보 이론 요소의 요소 第 2 版) -Thomas Cover & Jay A Thomas
凸优化 (ve 볼록 최적화) - Stephen Boyd
数理统计学教程 - 陈希儒
数学之美 2 일 - -
概率论基础教程 (first 확률의 첫 번째 코스 확률의 첫 번째 코스 第 9 版) -Sheldon M Ross
线性代数及其应用 (ear 선형 대수 및 그 응용 분야 第 3 版) -David C Lay
统计推断 (ist 통계적 추론 第二版) -Roger Casella
离散数学及其应用 (ete 이산 수학 및 그 응용 분야 第 7 版) -Kenneth H.Rosen

데이터 마이닝

데이터 마이닝 소개 -Pang -닝 탄
프로그램 집단 지능 프로그래밍 - Toby Segaran
기계 학습을위한 기능 엔지니어링 -Amanda Casari, Alice Zheng
集体智慧编程 -Toby Segaran

기계 학습

정보 이론, 추론 및 학습 알고리즘 -David JC Mackay
기계 학습 -Tom M. Mitchell
패턴 인식 및 기계 학습 - 크리스토퍼 비숍
통계 학습의 요소 -Trevor Hastie
OpenCV를위한 머신 러닝 -Michael Beyeler (여기 소스 코드)
机器学习 - 周志华
机器学习 (learning 머신 러닝) -Tom M. Mitchell
统计学习方法 - 李航

딥 러닝

온라인 빠른 학습
- 딥 러닝 - (MXNET 사용) 코드, 수학 및 토론이 포함 된 대화식 딥 러닝 북입니다.
- D2L -Pytorch- (딥 러닝으로 다이빙) Pytorch 버전.
- 动手学深度学习-- (딥 러닝으로 다이빙) 중국어.
딥 러닝 -Ian Goodfellow & Yoshua Bengio & Aaron Courville
딥 러닝 방법 및 응용 프로그램 -Li Deng & Dong Yu
AI -Yoshua Bengio를위한 딥 아키텍처 학습
기계 학습 알고리즘 관점 (2 차) - Stephen Marsland
신경망 설계 (2 위) - 마틴 하간
신경 네트워크 및 학습 기계 (3 위) - Simon Haykin
응용 과학 및 공학을위한 신경망 -Sandhya Samarasinghe
深度学习 (learning 딥 러닝) -Ian Goodfellow & Yoshua Bengio & Aaron Courville
神经网络与机器学习 (ural 신경 네트워크 및 학습 기계) - Simon Haykin
神经网络设计 (ural 신경 네트워크 설계) -Martin Hagan
상업적 해석 가능한 AI -Ajay Thampi
상업적 대화 AI -Andrew R. Freed

철학

상업적 인간 호환 : 인공 지능과 통제 문제 - 스튜어트 러셀
상업 생활 3.0 : 인공 지능 시대에 인간이되는 것 -Max Tegmark
상업적 초 지성 : 경로, 위험, 전략 - Nick Bostrom

ai를 가진 양자

양자 기본
- 양자 컴퓨팅 프라이머 - D -wave Quantum Computing Primer
- 양자 컴퓨팅 101 -Quantum Computing 101, 워털루 대학교
- PDF 양자 계산 및 양자 정보 - Nielsen
- pdf （量子计算和量子信息量子计算和量子信息 (量子计算部分)- Nielsen
양자 ai
- 양자 신경망
- 실제 양자 프로세서에서 구현 된 인공 뉴런
- 단기 프로세서에서 양자 신경망으로 분류
- 뇌와 같은 블랙홀 : 지역 법률 엔트로피가있는 신경망
양자 관련 프레임 워크
- ProjectQ -ProjectQ는 양자 컴퓨팅을위한 오픈 소스 노력입니다.

온라인 서적과 함께

GC (생성 내용)
- 안정적인 확산-[종이] 잠복 텍스트-이미지 확산 모델
- 안정적인 확산 v2- 잠복 확산 모델을 사용한 고해상도 이미지 합성
- GFPGAN- [종이] GFPGAN은 실제 얼굴 복원을위한 실용적인 알고리즘을 개발하는 것을 목표로합니다.
- Esrgan- [종이] ECCV18 워크샵 - 향상된 Srgan. 지각 슈퍼 레벨에 대한 챔피언 pirm 도전. 교육 코드는 기본 사항에 있습니다.
- Codeformer- [Paper] - [Neurips 2022] 코드북 조회 변압기를 사용한 강력한 블라인드 페이스 복원
- UNIPC- [논문] UNIPC : 확산 모델의 빠른 샘플링을위한 통합 예측 변수 프레임 워크
강화 학습
- A3C -Google Deepmind 비동기 우위 액터 크리치 알고리즘
- Q- 러닝 SARSA DQN DDQN- Q- 러닝은 가치 기반 강화 학습 알고리즘입니다.
- DDPG- 심층 결정 론적 정책 구배,
- 대규모 호기심-호기심 중심 학습에 대한 대규모 연구
- PPO -Openai 근위 정책 최적화 알고리즘
- RND- OpenAI Random Network Distillation, 심층 강화 학습 방법에 대한 탐색 보너스.
- vime- 개방형 변형 정보 탐사 최대화
- DQV- DQV (Deep Quality -Value) 학습
- ERL- 강화 학습의 진화 유도 정책 구배
- MF 다중 에이전트 RL- 평균 필드 다중 에이전트 강화 학습. (이 논문은 MF-Q 및 MF-AC를 포함합니다)
- MAAC- 다중 에이전트 강화 학습을위한 배우에 대한 배우자
기능 선택
- Scikit -Feature- 기능 선택 알고리즘 모음, Github에서 사용할 수 있습니다.
기계 학습
- Scikit Learn ( Python ) - 파이썬의 기계 학습.
- Linfa ( Rust ) - scikit learn 의 정신, 녹슬 ml lib.
- XGBOOST ( Python, R, JVM, Julia, Cli ) - Xgboost Lib의 문서.
- Lightgbm ( Python, R, Cli ) -Microsoft Lightgbm Lib의 기능 문서.
- Catboost ( Python, R, Cli ) - Yandex Catboost Lib의 주요 알고리즘 PDF Papper.
- STACKNET ( Java, CLI ) -이 lib에서 구현 된 일부 모델 스태킹 알고리즘.
- RGF- Regularized Greedy Forest (Multi -Core 구현 fastrgf)을 사용한 비선형 기능 학습
- FM, FASTFM, FFM, XDEEPFM- 인수 화기 및 일부 확장 알고리즘
딥 러닝
- GNN 논문 - 그래프 신경망 (GNN)의 필수 논문 (GNN)
- 효율적인 넷 - 컨볼 루션 신경 네트워크를위한 모델 스케일링 재고
- DENSENET- 밀도로 연결된 컨볼 루션 네트워크
NLP
- xlnet -repo xlnet : 언어 이해를위한 일반적인 자동 회귀 사전 조정
- Bert- 언어 이해를위한 깊은 양방향 변압기의 사전 훈련
- GPT-3- 언어 모델은 소수의 학습자입니다
CV
- 빠른 R-CNN- 객체 감지를위한 빠른 지역 기반 컨볼 루션 네트워크 방법 (빠른 R-CNN)
- 마스크 R-CNN- 마스크 R-CNN은 기존 분기와 병렬로 객체 마스크를 예측하기 위해 분기를 추가하여 더 빠른 R-CNN을 확장합니다.
- GQN- 심해 생성 쿼리 네트워크, 신경 장면 표현 및 렌더링
메타 학습
- MAML- 심층 네트워크의 빠른 적응을위한 모델 공유 메타 학습
전송 학습
- GCN- 시맨틱 임베딩 및 지식 그래프를 통한 제로 샷 인식
자동 ML
- 모델 검색 ( Python ) - Google Model Search (MS)는 모델 아키텍처 검색을위한 Automl 알고리즘을 구현하는 프레임 워크입니다.
- TPOT ( Python ) - TPOT는 automl의 lib입니다.
- Auto-Sklearn ( Python ) -Auto-Sklearn은 자동화 된 기계 학습 툴킷이며 Scikit-Learn 추정기를위한 드롭 인 교체입니다.
- Auto-Keras ( Python )-Auto-Keras는 자동 기계 학습 (Automl)을위한 오픈 소스 소프트웨어 라이브러리입니다. Data Lab에 의해 개발되었습니다
- TransMogrifai ( JVM )-TransMogrifai (Trantmogrifai (Trrancated Trranct Trruns-mŏgˈrə-fī)는 Scala로 작성된 Automl 라이브러리입니다.
- Auto -Wekaa- Weka의 자동 선택 모델 및 하이퍼 파라미터를 제공합니다.
- MLBox ( Python ) -MLBox는 강력한 자동화 기계 학습 Python Library입니다.
파이프 라인 교육
- Zenml ( Python ) - Zenml은 ML 워크 플로우를 생산을 향한 ML 실무자를 위해 구축되었습니다
치수 감소
- T-SNE ( 비선형/비-파람 )-T- 분포 확률 론적 인 이웃 임베딩 (T-SNE)은 시각화를위한 기계 학습 알고리즘입니다.
- PCA ( 선형 ) - 주요 구성 요소 분석
- LDA ( 선형 ) - 선형 판별 분석
- LLE ( 비선형 ) - 로컬 선형 임베딩
- Laplacian 고유 맵 - 치수 감소 및 데이터 표현을위한 Laplacian 고유 맵
- Sammon 매핑 ( 비선형 )-Sammon 매핑은 두 공간의 해당 지점 간 거리 간의 차이를 최소화하도록 설계되었습니다.
데이터 처리
- 판다 ( Python ) - 파이썬을위한 유연하고 강력한 데이터 분석 / 조작 라이브러리.
- 폴라 ( Rust, Python ) - 녹과 파이썬 용 번개 빠른 데이터 프레임 라이브러리.

분산 교육

Horovod -Horovod는 Tensorflow, Keras, Pytorch 및 MXnet을위한 분산 교육 프레임 워크입니다. Horovod의 목표는 분산 딥 러닝을 빠르고 사용하기 쉽게 만드는 것입니다.
ACME- 강화 학습 (배포 된) 강화 학습을위한 연구 프레임 워크.
BAGUA -BAGUA는 유연하고 성능이 뛰어난 분산 교육 알고리즘 개발 프레임 워크입니다.