awesome AI books

Потрясающие книги по ИИ

Некоторые потрясающие книги, связанные с ИИ и PDFS для загрузки и обучения.

Предисловие

Этот репо используется только для обучения, не используйте в бизнесе.

Добро пожаловать за предоставление отличных книг в этом репо или скажите мне, какую замечательную книгу вам нужна, и я постараюсь добавить их в эту репо, любую идею, которую вы можете создать здесь или пиар.

Из -за больших файловых хранения GitHub все книги PDF, хранящиеся в yandex.disk .

Некоторые часто используемые математические символы могут ссылаться на эту страницу

Содержание

• Организация с документами/исследованиями
• Учебная площадка
• Книги
  • Вводная теория и получить начало
  • Математика
  • Добыча данных
  • Глубокое обучение
  • Философия
• Квант с ИИ
  • Квантовая базовая
  • Квантовой ИИ
  • Квантовая структура
• Либели с онлайн -книгами
  • Подкрепление обучения
  • Выбор функций
  • Машинное обучение
  • Глубокое обучение
  • НЛП
  • резюме
  • Мета -обучение
  • Передача обучения
  • Auto Ml
  • Сокращение размерности
• Распределенное обучение

Организация с документами/исследованиями

• arxiv.org
• Наука
• Природа
• DeepMind Publications
• Openai Research

Учебная площадка

• Openai Gym: инструментарий для разработки и сравнения алгоритмов обучения подкрепления. (Может играть с Атари, Box2d, Mujoco и т. Д.)
• Malmo: Project Malmö - это платформа для экспериментов и исследований искусственного интеллекта и исследований, построенных на вершине Minecraft.
• DeepMind PYSC2: Starcraft II Учебная среда.
• Procgen: Procgen Benchmark: процедурно сгенерированные игровые среды.
• Torchcraftai: платформа для исследований машинного обучения на Starcraft®: Brood War®
• Valve DOTA2: DOTA2 Game Acessing API. (CN DOC)
• Mario AI Framework: Mario AI -структура для использования методов ИИ.
• Google Dopamine: дофамин - это исследовательская структура для быстрого прототипирования алгоритмов обучения подкреплению
• Textworld: Microsoft - песочница обучения для обучения и тестирования агентов обучения подкреплению (RL) в текстовых играх.
• Мини -сетка: минималистичная среда Gridworld для спортзала Openai
• Магент: платформа для обучения подкреплению многих агентов
• Xworld: пакет симулятора C ++/Python для обучения подкреплению
• Нейронная MMO: массовая многоагентная игровая среда
• Minatar: Minatar - это испытательный стенд для агентов искусственного интеллекта, который реализует миниатюрную версию нескольких игр Atari 2600.
• Craft-env: Craftenv-это среда 2D крафта
• СОКАЗКИ СОКОБАН: Сокобан-японский для хранителя склада и традиционная видеоигра
• Pommerman Playground принимает Pommerman, клон бомбардировщика, построенный для исследований в области ИИ.
• Miniworld Gym-Miniworld-минималистичный симулятор 3D-среды для обучения подкреплению и исследования робототехники
• Vizdoomgym Openai Gym Wrapper для Vizdoom (основанная на Doom Исследовательская платформа для подкрепления обучения из необработанной визуальной информации).
• 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 трансформатор 结构的斗地主 ai

Книги

Вводная теория и получить начало

• Искусственный интеллект - современный подход (3 -е издание) - Стюарт Рассел и Питер Норвиг
• Коммерческие алгоритмы искусственного интеллекта Grokking - Ришал Хурбанс

Математика

• Первый курс по вероятности первого курса по вероятности (8th) - Шелдон М. Росс
• Выпуклая оптимизация - Стивен Бойд
• Элементы элементов теории информации - Thomas Cover & Jay A Thomas
• Дискретная математика и ее приложения 7th - Кеннет Х. Розен
• Введение в линейную алгебру (5 -е место) - Гилберт Странг
• Линейная алгебра и ее приложения (5 -е) - Дэвид С.
• Теория вероятности логика науки - Эдвин Томпсон Джейнс
• Вероятность и статистика 4th - Morris H. Degroot
• Статистический вывод (2 -й) - Роджер Казелла
• 信息论基础 (原书 Элементы элементов теории информации 第 2 版) - Thomas Cover & Jay Tomas
• 凸优化 (原书 выпуклая оптимизация) - Стивен Бойд
• 数理统计学教程 - 陈希儒
• 数学之美 2 -й - 吴军
• 概率论基础教程 (原书 Первый курс по вероятности первого курса по вероятности 第 9 版) - Шелдон М. Росс
• 线性代数及其应用 (原书 Линейная алгебра и ее приложения 第 3 版) - Дэвид С.
• 统计推断 (原书 Статистический вывод 第二版) - Роджер Казелла
• 离散数学及其应用 (原书 Дискретная математика и ее приложения 第 7 版) - Кеннет Х.О.

Добыча данных

• Введение в добычу данных - Pang -ren
• Коллективное интеллект программирования - Тоби Сегаран
• Инженерная инженерия для машинного обучения - Аманда Касари, Алиса Чжэн
• 集体智慧编程 - Тоби Сегаран

Машинное обучение

• Теория информации, алгоритмы вывода и обучения - Дэвид Дж.С. Маккей
• Машинное обучение - Том М. Митчелл
• Распознавание и машинное обучение - Кристофер Бишоп
• Элементы статистического обучения - Тревор Хасти
• Машинное обучение для OpenCV - Майкл Бейлер (исходный код здесь)
• 机器学习 - 周志华
• 机器学习 (原书 машинное обучение) - Том М. Митчелл
• 统计学习方法 - 李航

Глубокое обучение

• Онлайн быстрое обучение
  • Погрузитесь в глубокое обучение - (используя MXNET) интерактивную книгу глубокого обучения с кодом, математикой и дискуссиями.
  • D2L -Pytorch - (Погрузитесь в глубокое обучение) версия Pytorch.
  • 动手学深度学习 - (Погрузитесь в глубокое обучение) для китайцев.
• Глубокое обучение - Ян Гудфелло и Йошуа Бенгио и Аарон Курвилль
• Методы и приложения глубокого обучения - Li Deng & Dong Yu
• Изучение глубоких архитектур для ИИ - Йошуа Бенгио
• Машинное обучение Алгоритмическая перспектива (2 -й) - Стивен Марсленд
• Дизайн нейронной сети (2 -й) - Мартин Хаган
• Нейронные сети и учебные машины (3 -е) - Саймон Хейкин
• Нейронные сети для прикладных наук и инженерии - Sandhya Samarasinghe
• 深度学习 (原书 глубокое обучение) - Ян Гудфеллоу и Йошуа Бенгио и Аарон Курвилль
• 神经网络与机器学习 (原书 Нейронные сети и учебные машины) - Саймон Хейкин
• 神经网络设计 (原书 Дизайн нейронной сети) - Мартин Хаган
• Коммерческий интерпретируемый ИИ - Аджай Тампи
• Коммерческий разговорной ИИ - Эндрю Р. Фрид

Философия

• Коммерческий человек совместим: искусственный интеллект и проблема контроля - Стюарт Рассел
• Коммерческая жизнь 3.0: Быть человеком в эпоху искусственного интеллекта - Макс Тегмарк
• Коммерческая суперинтеллигенность: пути, опасности, стратегии - Ник Бостром

Квант с ИИ

• Квантовая базовая

  • Квантовая вычислительная праймер - квантовая вычислительная праймер D D -Wave
  • Квантовые вычисления 101 - Квантовые вычисления 101, из Университета Ватерлоо
  • PDF квантовая вычисления и квантовая информация - Nielsen
  • PDF 量子计算和量子信息 （量子计算部分）- Нильсен

• Квантовой ИИ

  • Квантовые нейронные сети
  • Искусственный нейрон, реализованный на реальном квантовом процессоре
  • Классификация с квантовыми нейронными сетями на ближайших процессорах
  • Черные отверстия как мозг: нейронные сети с энтропией закона о районе

• Квантовая структура

  • ProjectQ - ProjectQ - это усилия с открытым исходным кодом для квантовых вычислений.

Либели с онлайн -книгами

• GC (генеративный контент)

  • Стабильная диффузия-[бумага] скрытая модель диффузии текста до изображения
  • Стабильная диффузия V2 - Синтез изображения с высоким разрешением с скрытой диффузионной модели
  • GFPGAN - [Paper] GFPGAN стремится разработать практические алгоритмы для восстановления лица в реальном мире.
  • Esrgan - [Paper] ECCV18 мастерские - Enhanced Srgan. Чемпион Pirm Challenge на воспринимаемом супер-разрешении. Учебные коды находятся в Basicsr.
  • CodeFormer - [Paper] - [Neurips 2022] На пути к прочному восстановлению слепого лица с помощью Codebook Transformer
  • UNIPC - [Paper] UNIPC: единая структура предиктора -корректора для быстрой выборки диффузионных моделей

• Подкрепление обучения

  • A3C - Google DeepMind Asynchronous Advantage Actor -критическое алгоритм
  • Q-обучение SARSA DQN DDQN-Q-Learning-это алгоритм обучения подкреплению, основанный на стоимости
  • DDPG - Глубокий детерминированный градиент политики,
  • Крупномасштабное любопытство-крупномасштабное исследование обучения, управляемого любопытством
  • PPO - Алгоритмы оптимизации проксимальной политики OpenAI
  • RND - Openai случайная дистилляция сети, разведочный бонус для метода глубокого подкрепления.
  • Vime - вариационная информация Openai, максимизирующая исследование
  • DQV - обучение глубокой качественной стоимости (DQV)
  • ERL - Градиент политики под управлением эволюции в обучении подкреплению
  • MF Multi-Agent RL-среднее полевое многоагентное обучение подкреплению. (Эта статья включает MF-Q и MF-AC)
  • MAAC-актер-актер-критику для многоагентного обучения подкреплению

• Выбор функций

  • Scikit -Feature - коллекция алгоритмов выбора функций, доступная на GitHub

• Машинное обучение

  • Scikit Learn ( Python ) - машинное обучение в Python.
  • Linfa ( Rust ) - Дух scikit learn , Rust Ml Lib.
  • XGBOOST ( Python, R, JVM, Julia, CLI ) - XGBOOST LIB документ.
  • Lightgbm ( Python, R, CLI ) - документ Microsoft Lightgbm Fulcs Lib.
  • Catboost ( Python, R, CLI ) - Яндекс Catboost Algorithm PDF PAPPER.
  • Stacknet ( Java, CLI ) - Некоторые алгоритмы укладки модели, реализованные в этой LIB.
  • RGF - обучение нелинейным функциям с использованием Regularized Greedy Forest (многоядерная реализация FASTRGF)
  • FM, FASTFM, FFM, XDEEPFM - Машины факторизации и некоторые расширенные алгоритмы

• Глубокое обучение

  • GNN Papers - Обязательные документы на нейронные сети графиков (GNN)
  • EfficeNet - переосмысление масштабирования модели для сверточных нейронных сетей
  • Densenet - плотно связанные сверточные сети

• НЛП

  • Xlnet - Repo xlnet: обобщенная авторегрессивная предварительная подготовка для понимания языка
  • Берт - предварительное обучение глубоких двунаправленных трансформаторов для понимания языка
  • GPT-3-Языковые модели-это несколько выстрелов.

• резюме

  • Fast R-CNN-быстрый метод сверточной сети на основе региона (Fast R-CNN) для обнаружения объектов
  • Маска R-CNN-Маска R-CNN, расширяется быстрее R-CNN, добавив ветвь для прогнозирования маски объекта параллельно с существующей ветвью для распознавания ограничивающей коробки.
  • GQN - сеть генеративных запросов DeepMind, представление и рендеринг нейронной сцены

• Мета -обучение

  • MAML-Модель-агрессия мета-обучение для быстрой адаптации глубоких сетей

• Передача обучения

  • GCN - Распознавание с нулевым снимком с помощью семантических встраиваний и графиков знаний

• Auto Ml

  • Поиск модели ( Python ) - Google Model Search (MS) - это структура, которая реализует алгоритмы Automl для поиска архитектуры модели в масштабе.
  • TPOT ( Python ) - TPOT - это LIB для Automl.
  • Auto-Sklearn ( Python )-Auto-Sklearn-это инструментарий автоматического машинного обучения и замена погружения в оценку Scikit-Learn
  • Auto-KERAS ( Python )-Auto-KERAS-это библиотека программного обеспечения с открытым исходным кодом для автоматизированного машинного обучения (Automl). Он разработан в лаборатории данных
  • Resomogrifai ( JVM )-Resomogrifai (произносится trăns-mŏgˈrə-fī)-это библиотека Automl, написанная в Scala, которая работает над Spark
  • Auto -Wekaa - предоставляет автоматический выбор моделей и гиперпараметров для Weka.
  • MLBox ( Python ) - Mlbox - это мощная библиотека автоматического обучения Python Python

• Тренировка трубопровода

  • Zenml ( Python ) - Zenml создан для практикующих ML, которые наращивают свои рабочие процессы ML в направлении производства

• Сокращение размерности

  • T-SNE ( нелинейный/непарамс )-Стохастическое соседнее Стохастическое соседнее (T-SNE)-это алгоритм машинного обучения для визуализации
  • PCA ( линейный ) - Анализ основных компонентов
  • LDA ( линейный ) - линейный дискриминантный анализ
  • LLE ( нелинейный ) - локально линейное внедрение
  • Собственные карты Лапласиана - Собственные карты Лапласа для уменьшения размерности и представления данных
  • Картирование Саммона ( нелинейное )-Картирование саммона предназначено для минимизации различий между соответствующими межточечными расстояниями в двух пространствах

• Обработка данных

  • Панды ( Python ) - Гибкая и мощная библиотека анализа данных / манипуляции для Python.
  • Поляры ( Rust, Python ) - Lightning -Fast DataFrame Library для ржавчины и питона.

Распределенное обучение

• Horovod - Horovod - это распределенная учебная структура для Tensorflow, Keras, Pytorch и Mxnet. Цель Horovod - сделать распределенное глубокое обучение быстро и простым в использовании.
• ACME - рамка исследования для (распределенного) обучения подкреплению.
• Bagua - Bagua - это гибкая и эксплуатационная рамка разработки алгоритма распределенного обучения.

Поддержите этот проект

Участники

Кодовые участники

Этот проект существует благодаря всем людям, которые вносят свой вклад. [Способствовать].

Финансовые участники

Станьте финансовым участником и помогите нам поддерживать наше сообщество. [Способствовать]

Отдельные лица

Организации

Поддержите этот проект вашей организацией. Ваш логотип будет отображаться здесь со ссылкой на ваш сайт. [Способствовать]