awesome AI books

หนังสือ AI ที่ยอดเยี่ยม

หนังสือและ PDF ที่เกี่ยวข้องกับ AI ที่ยอดเยี่ยมสำหรับการดาวน์โหลดและการเรียนรู้

คำนำ

repo นี้ใช้สำหรับการเรียนรู้เท่านั้นอย่าใช้ในธุรกิจ

ยินดีต้อนรับสำหรับการจัดหาหนังสือที่ยอดเยี่ยมใน repo นี้หรือบอกฉันว่าหนังสือเล่มไหนที่คุณต้องการและฉันจะพยายามต่อท้ายใน repo นี้ความคิดใด ๆ ที่คุณสามารถสร้างปัญหาหรือประชาสัมพันธ์ที่นี่

เนื่องจากการ จำกัด การจัดเก็บไฟล์ขนาดใหญ่ของ GitHub หนังสือทุกเล่ม PDF เก็บไว้ใน yandex.disk

สัญลักษณ์ทางคณิตศาสตร์ บางอย่างที่ใช้บ่อย ๆ สามารถอ้างอิงหน้านี้ได้

เนื้อหา

• องค์กรที่มีเอกสาร/งานวิจัย
• สนามฝึกซ้อม
• หนังสือ
  • ทฤษฎีเบื้องต้นและเริ่มต้น
  • คณิตศาสตร์
  • การขุดข้อมูล
  • การเรียนรู้อย่างลึกซึ้ง
  • ปรัชญา
• ควอนตัมกับ AI
  • ควอนตัมพื้นฐาน
  • ควอนตัม AI
  • กรอบที่เกี่ยวข้องกับควอนตัม
• libs กับหนังสือออนไลน์
  • การเรียนรู้เสริมแรง
  • การเลือกคุณสมบัติ
  • การเรียนรู้ของเครื่องจักร
  • การเรียนรู้อย่างลึกซึ้ง
  • NLP
  • CV
  • การเรียนรู้เมตา
  • ถ่ายโอนการเรียนรู้
  • Auto ML
  • การลดมิติ
• การฝึกอบรมแบบกระจาย

องค์กรที่มีเอกสาร/งานวิจัย

• arxiv.org
• ศาสตร์
• ธรรมชาติ
• สิ่งพิมพ์ DeepMind
• Openai Research

สนามฝึกซ้อม

• Openai Gym: ชุดเครื่องมือสำหรับการพัฒนาและเปรียบเทียบอัลกอริทึมการเรียนรู้การเสริมแรง (สามารถเล่นกับ Atari, Box2d, Mujoco ฯลฯ ... )
• Malmo: Project Malmöเป็นแพลตฟอร์มสำหรับการทดลองปัญญาประดิษฐ์และการวิจัยที่สร้างขึ้นบน Minecraft
• DeepMind PYSC2: สภาพแวดล้อมการเรียนรู้ของ Starcraft II
• Procgen: Procgen Benchmark: สภาพแวดล้อมที่สร้างขึ้นตามขั้นตอนเกม
• Torchcraftai: แพลตฟอร์มบอทสำหรับการวิจัยการเรียนรู้ของเครื่องเกี่ยวกับStarcraft®: Brood War®
• Valve DOTA2: เกม DOTA2 API API (เอกสาร CN)
• Mario AI Framework: กรอบ Mario AI สำหรับใช้วิธี AI
• Google Dopamine: โดปามีนเป็นกรอบการวิจัยสำหรับการสร้างต้นแบบอย่างรวดเร็วของอัลกอริทึมการเรียนรู้การเสริมแรง
• TextWorld: Microsoft - Sandbox สภาพแวดล้อมการเรียนรู้สำหรับการฝึกอบรมและทดสอบการเรียนรู้การเรียนรู้ (RL) ในเกมที่ใช้ข้อความ
• Mini Grid: สภาพแวดล้อม Gridworld ที่เรียบง่ายสำหรับ Openai Gym
• Magent: แพลตฟอร์มสำหรับการเรียนรู้การเสริมแรงมากมาย
• XWorld: แพ็คเกจเครื่องจำลอง C ++/Python สำหรับการเรียนรู้การเสริมแรง
• Neural MMO: สภาพแวดล้อมเกมที่หลากหลายอย่างมาก
• Minatar: Minatar เป็นผู้ทดสอบสำหรับตัวแทน AI ซึ่งใช้เกม Atari 2600 รุ่นเล็ก ๆ หลายเกม
• Craft-Env: Craftenv เป็นสภาพแวดล้อมการประดิษฐ์ 2D
• Gym-Sokoban: Sokoban เป็นภาษาญี่ปุ่นสำหรับผู้ดูแลคลังสินค้าและวิดีโอเกมแบบดั้งเดิม
• Pommerman Playground เป็นเจ้าภาพ Pommerman ซึ่งเป็นโคลนของ Bomberman ที่สร้างขึ้นเพื่อการวิจัย AI
• Gym-Miniworld Miniworld เป็นเครื่องจำลองสภาพแวดล้อมภายใน 3 มิติที่เรียบง่ายสำหรับการวิจัยการเรียนรู้การเสริมแรงและหุ่นยนต์
• Vizdoomgym Openai Gym Wrapper สำหรับ Vizdoom (แพลตฟอร์มการวิจัย AI ที่ใช้ DOOM สำหรับการเรียนรู้การเสริมแรงจากข้อมูลภาพดิบ) สภาพแวดล้อม
• 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 Transformer 结构的斗地主 AI

หนังสือ

ทฤษฎีเบื้องต้นและเริ่มต้น

• ปัญญาประดิษฐ์ - วิธีการทันสมัย ​​(ฉบับที่ 3) - Stuart Russell & Peter Norvig
• อัลกอริธึมปัญญาประดิษฐ์เชิงพาณิชย์เชิง พาณิชย์ - Rishal Hurbans

คณิตศาสตร์

• หลักสูตรแรกในหลักสูตรแรกที่น่าจะเป็นในความน่าจะเป็น (8th) - Sheldon M Ross
• การเพิ่มประสิทธิภาพนูน - สตีเฟ่นบอยด์
• องค์ประกอบของทฤษฎีข้อมูลองค์ประกอบ - Thomas Cover & Jay A Thomas
• คณิตศาสตร์ที่ไม่ต่อเนื่องและแอปพลิเคชันที่ 7 - Kenneth H. Rosen
• รู้เบื้องต้นเกี่ยวกับพีชคณิตเชิงเส้น (5) - Gilbert Strang
• พีชคณิตเชิงเส้นและแอปพลิเคชัน (5) - David C Lay
• ทฤษฎีความน่าจะเป็นตรรกะของวิทยาศาสตร์ - เอ็ดวินทอมป์สันเจย์เนส
• ความน่าจะเป็นและสถิติที่ 4 - Morris H. DeGroot
• การอนุมานทางสถิติ (2nd) - Roger Casella
• 信息论基础 (องค์ประกอบขององค์ประกอบทฤษฎีข้อมูล第 2 版) - โทมัสปก & เจย์โทมัส
• 凸优化 (การเพิ่มประสิทธิภาพแบบนูน) - สตีเฟ่นบอยด์
• 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หลักสูตรแรกในหลักสูตรแรกที่น่าจะเป็นในความน่าจะเป็น第 9 版) - Sheldon M Ross
• 线性代数及其应用 (原书พีชคณิตเชิงเส้นและแอพพลิเคชั่น第 3 版) - David C Lay
• 统计推断 (原书การอนุมานทางสถิติ第二版) - Roger Casella
• 离散数学及其应用 (原书คณิตศาสตร์ที่ไม่ต่อเนื่องและแอปพลิเคชัน第 7 版) - Kenneth H.Rosen

การขุดข้อมูล

• รู้เบื้องต้นเกี่ยวกับการขุดข้อมูล - pang -ning tan
• การเขียนโปรแกรม Collective Intelligence - Toby Segaran
• วิศวกรรมคุณสมบัติสำหรับการเรียนรู้ของเครื่อง - Amanda Casari, Alice Zheng
• 集体智慧编程 - Toby Segaran

การเรียนรู้ของเครื่องจักร

• ทฤษฎีข้อมูลการอนุมานและอัลกอริทึมการเรียนรู้ - David JC Mackay
• การเรียนรู้ของเครื่อง - Tom M. Mitchell
• การจดจำรูปแบบและการเรียนรู้ของเครื่องจักร - คริสโตเฟอร์บิชอป
• องค์ประกอบของการเรียนรู้ทางสถิติ - Trevor Hastie
• การเรียนรู้ของเครื่องจักรสำหรับ OpenCV - Michael Beyeler (ซอร์สโค้ดที่นี่)
• 机器学习 - 周志华
• 机器学习 (原书การเรียนรู้ของเครื่อง) - Tom M. Mitchell
• 统计学习方法 - 李航

การเรียนรู้อย่างลึกซึ้ง

• การเรียนรู้ออนไลน์อย่างรวดเร็ว
  • ดำดิ่งสู่การเรียนรู้ลึก - (ใช้ MXNET) หนังสือเรียนรู้เชิงลึกแบบโต้ตอบด้วยรหัสคณิตศาสตร์และการอภิปราย
  • D2L -PYTORCH - (ดำดิ่งสู่การเรียนรู้ลึก) รุ่น Pytorch
  • 动手学深度学习 - (ดำดิ่งสู่การเรียนรู้อย่างลึกซึ้ง) สำหรับภาษาจีน
• การเรียนรู้ลึก - Ian Goodfellow & Yoshua Bengio & Aaron Courville
• วิธีการเรียนรู้อย่างลึกซึ้งและแอปพลิเคชัน - Li Deng & Dong Yu
• เรียนรู้สถาปัตยกรรมลึกสำหรับ AI - Yoshua Bengio
• เครื่องเรียนรู้มุมมองอัลกอริทึม (2nd) - Stephen Marsland
• การออกแบบเครือข่ายประสาท (2nd) - Martin Hagan
• เครือข่ายประสาทและเครื่องเรียนรู้ (3) - Simon Haykin
• เครือข่ายประสาทสำหรับวิทยาศาสตร์ประยุกต์และวิศวกรรม - Sandhya Samarasinghe
• 深度学习 (原书การเรียนรู้ลึก) - Ian Goodfellow & Yoshua Bengio & Aaron Courville
• 神经网络与机器学习 (原书เครือข่ายประสาทและเครื่องเรียนรู้) - Simon Haykin
• 神经网络设计 (原书การออกแบบเครือข่ายประสาท) - Martin Hagan
• AI ที่ตีความได้เชิง พาณิชย์ - Ajay Thampi
• AI การสนทนา เชิงพาณิชย์ - Andrew R. Freed

ปรัชญา

• เข้ากันได้กับมนุษย์ เชิงพาณิชย์ : ปัญญาประดิษฐ์และปัญหาการควบคุม - สจวร์ตรัสเซล
• ชีวิต การค้า 3.0: การเป็นมนุษย์ในยุคของปัญญาประดิษฐ์ - Max Tegmark
• การพาณิชย์เชิง พาณิชย์ : เส้นทาง, อันตราย, กลยุทธ์ - Nick Bostrom

ควอนตัมกับ AI

• ควอนตัมพื้นฐาน

  • ไพรเมอร์ควอนตัมคอมพิวเตอร์ - ไพรเมอร์ควอนตัมควอนตัม D -Wave
  • ควอนตัมคอมพิวเตอร์ 101 - ควอนตัมคอมพิวเตอร์ 101 จากมหาวิทยาลัยวอเตอร์ลู
  • การคำนวณควอนตัม PDF และข้อมูลควอนตัม - Nielsen
  • PDF 量子计算和量子信息（量子计算部分）- Nielsen

• ควอนตัม AI

  • เครือข่ายประสาทควอนตัม
  • เซลล์ประสาทเทียมที่ใช้กับโปรเซสเซอร์ควอนตัมจริง
  • การจำแนกประเภทด้วยเครือข่ายประสาทควอนตัมในโปรเซสเซอร์ระยะใกล้
  • หลุมดำเป็นสมอง: เครือข่ายประสาทที่มีกฎหมายในพื้นที่เอนโทรปี

• กรอบที่เกี่ยวข้องกับควอนตัม

  • ProjectQ - ProjectQ เป็นโอเพนซอร์สสำหรับการคำนวณควอนตัม

libs กับหนังสือออนไลน์

• GC (เนื้อหากำเนิด)

  • การแพร่กระจายที่เสถียร-[กระดาษ] โมเดลการแพร่กระจายข้อความแฝง
  • การแพร่กระจายที่เสถียร V2 - การสังเคราะห์ภาพความละเอียดสูงด้วยแบบจำลองการแพร่กระจายแฝง
  • GFPGAN - [PAPER] GFPGAN มีจุดมุ่งหมายในการพัฒนาอัลกอริทึมการปฏิบัติสำหรับการฟื้นฟูใบหน้าในโลกแห่งความเป็นจริง
  • ESRGAN - [กระดาษ] ECCV18 เวิร์กช็อป - ปรับปรุง SRGAN Champion Pirm Challenge เกี่ยวกับการรับรู้ระดับสูง รหัสการฝึกอบรมอยู่ในพื้นฐาน
  • CodeFormer - [Paper] - [Neurips 2022] ไปสู่การฟื้นฟูใบหน้าตาบอดที่แข็งแกร่งด้วยหม้อแปลงค้นหารหัส
  • UNIPC - [กระดาษ] UNIPC: กรอบการทำนายแบบครบวงจรสำหรับการสุ่มตัวอย่างอย่างรวดเร็วของแบบจำลองการแพร่กระจาย

• การเรียนรู้เสริมแรง

  • A3C - Google Deepmind Asynchronous Advantage Algorithm
  • Q-Learning SARSA DQN DDQN-Q-Learning เป็นอัลกอริทึมการเรียนรู้การเสริมกำลังตามมูลค่า
  • DDPG - การไล่ระดับสีที่กำหนดขึ้นอย่างลึกซึ้ง
  • ความอยากรู้อยากเห็นขนาดใหญ่-การศึกษาขนาดใหญ่ของการเรียนรู้ที่ขับเคลื่อนด้วยความอยากรู้อยากเห็น
  • PPO - อัลกอริทึมการเพิ่มประสิทธิภาพนโยบายของ Openai Proximal
  • RND - OpenAI Network Distillation โบนัสการสำรวจสำหรับวิธีการเรียนรู้การเสริมแรงอย่างลึกซึ้ง
  • VIME - OpenAi Variational ข้อมูลการสำรวจสูงสุด
  • DQV - การเรียนรู้คุณภาพคุณภาพลึก (DQV)
  • ERL - การไล่ระดับสีที่มีวิวัฒนาการนำไปสู่การเรียนรู้การเสริมแรง
  • MF Multi-Agent RL-ค่าเฉลี่ยการเรียนรู้การเสริมแรงแบบหลายตัวแทน (บทความนี้รวมถึง MF-Q และ MF-AC)
  • MAAC-นักแสดง-นักวิจารณ์-นักวิจารณ์สำหรับการเรียนรู้การเสริมแรงหลายตัวแทน

• การเลือกคุณสมบัติ

  • Scikit -Feature - ชุดของอัลกอริทึมการเลือกคุณสมบัติมีอยู่ใน GitHub

• การเรียนรู้ของเครื่องจักร

  • Scikit Learn ( Python ) - การเรียนรู้ของเครื่องใน Python
  • Linfa ( Rust ) - วิญญาณของ scikit learn , Rust ML Lib
  • XGBOOST ( Python, R, JVM, Julia, CLI ) - เอกสารของ XGBOOST LIB
  • LightGBM ( Python, R, CLI ) - เอกสารคุณสมบัติของ Microsoft LightGBM LIB
  • Catboost ( Python, R, CLI ) - อัลกอริทึมสำคัญของ Yandex Catboost Lib PDF PDF
  • StackNet ( Java, CLI ) - อัลกอริทึมการสแต็กแบบจำลองบางรุ่นที่ใช้ใน LIB นี้
  • RGF - การเรียนรู้ฟังก์ชั่นไม่เชิงเส้นโดยใช้ Regularized Greedy Forest (การใช้งานแบบมัลติคอร์ FASTRGF)
  • FM, FASTFM, FFM, XDEEPFM - เครื่องผสมแบบแยกส่วนและอัลกอริธึมเพิ่มเติม

• การเรียนรู้อย่างลึกซึ้ง

  • เอกสาร GNN - เอกสารที่ต้องอ่านบนกราฟประสาทเครือข่าย (GNN)
  • EfficientNet - การปรับขนาดแบบจำลองใหม่สำหรับเครือข่ายประสาทแบบ Convolutional
  • Densenet - เครือข่าย Convolutional ที่เชื่อมต่อหนาแน่น

• NLP

  • xlnet - repo xlnet: การเตรียมการอัตโนมัติแบบอัตโนมัติเพื่อทำความเข้าใจภาษา
  • เบิร์ต - การฝึกอบรมหม้อแปลงสองทิศทางลึกเพื่อความเข้าใจภาษา
  • GPT-3-โมเดลภาษาเป็นผู้เรียนไม่กี่คน

• CV

  • Fast R-CNN-วิธีการเครือข่าย convolutional ตามภูมิภาคที่รวดเร็ว (Fast R-CNN) สำหรับการตรวจจับวัตถุ
  • หน้ากาก R-CNN-หน้ากาก R-CNN ขยาย R-CNN เร็วขึ้นโดยการเพิ่มสาขาสำหรับทำนายหน้ากากวัตถุควบคู่ไปกับสาขาที่มีอยู่สำหรับการจดจำกล่องขอบเขต
  • GQN - DeepMind Generative Query Network, การเป็นตัวแทนฉากประสาทและการแสดงผล

• การเรียนรู้เมตา

  • MAML-meta-learning model-agnostic สำหรับการปรับเครือข่ายลึกอย่างรวดเร็ว

• ถ่ายโอนการเรียนรู้

  • GCN - การรับรู้ zero -shot ผ่านการฝังความหมายและกราฟความรู้

• Auto ML

  • Model Search ( Python ) - Google Model Search (MS) เป็นเฟรมเวิร์กที่ใช้อัลกอริทึม AutomL สำหรับการค้นหาสถาปัตยกรรมแบบจำลองในระดับ
  • TPOT ( Python ) - TPOT เป็น lib สำหรับ AutomL
  • Auto-Sklearn ( Python )-Auto-Sklearn เป็นชุดเครื่องมือการเรียนรู้ของเครื่องจักรอัตโนมัติ
  • Auto-Keras ( Python )-Auto-Keras เป็นไลบรารีซอฟต์แวร์โอเพ่นซอร์สสำหรับการเรียนรู้ของเครื่องอัตโนมัติ (AutomL) ได้รับการพัฒนาโดย Data Lab
  • Transmogrifai ( JVM )-transmogrifai (ออกเสียงtrăns-mŏgˈrə-fī) เป็นไลบรารี AutomL ที่เขียนใน Scala ที่ทำงานบน Spark
  • Auto -Wekaa - ให้เลือกรุ่นอัตโนมัติและพารามิเตอร์ไฮเปอร์พารามิเตอร์สำหรับ WEKA
  • MLBOX ( Python ) - MLBox เป็นไลบรารีการเรียนรู้ของเครื่องอัตโนมัติที่ทรงพลัง

• การฝึกอบรมท่อส่ง

  • ZENML ( Python ) - ZenML ถูกสร้างขึ้นสำหรับผู้ฝึกสอน ML ที่กำลังเพิ่มเวิร์กโฟลว์ ML ของพวกเขาไปสู่การผลิต

• การลดมิติ

  • T-SNE ( ไม่ใช่เชิงเส้น/ไม่ใช่พาราม
  • PCA ( เชิงเส้น ) - การวิเคราะห์ส่วนประกอบหลัก
  • LDA ( เชิงเส้น ) - การวิเคราะห์การจำแนกเชิงเส้น
  • LLE ( ไม่ใช่เชิงเส้น ) - การฝังเชิงเส้นในท้องถิ่น
  • Laplacian Eigenmaps - Laplacian Eigenmaps สำหรับการลดขนาดและการแสดงข้อมูล
  • การทำแผนที่ Sammon ( ไม่ใช่เชิงเส้น )-การทำแผนที่ Sammon ได้รับการออกแบบมาเพื่อลดความแตกต่างระหว่างระยะทางระหว่างจุดที่สอดคล้องกันในช่องว่างทั้งสอง

• การประมวลผลข้อมูล

  • Pandas ( Python ) - การวิเคราะห์ข้อมูล / การจัดการข้อมูลที่ยืดหยุ่นและทรงพลังสำหรับ Python
  • Polars ( Rust, Python ) - ไลบรารี Dataframe Lightning -Fast สำหรับ Rust และ Python

การฝึกอบรมแบบกระจาย

• Horovod - Horovod เป็นกรอบการฝึกอบรมแบบกระจายสำหรับ Tensorflow, Keras, Pytorch และ MxNet เป้าหมายของ Horovod คือการทำให้การเรียนรู้ลึกลงไปอย่างรวดเร็วและใช้งานง่าย
• ACME - กรอบการวิจัยสำหรับการเรียนรู้การเสริมแรง (แจกจ่าย)
• Bagua - Bagua เป็นกรอบการพัฒนาอัลกอริทึมการฝึกอบรมแบบกระจายที่ยืดหยุ่นและมีประสิทธิภาพ

สนับสนุนโครงการนี้

ผู้มีส่วนร่วม

ผู้สนับสนุนรหัส

โครงการนี้มีอยู่ขอบคุณทุกคนที่มีส่วนร่วม [มีส่วนช่วย].

ผู้สนับสนุนทางการเงิน

เป็นผู้สนับสนุนทางการเงินและช่วยให้เราสนับสนุนชุมชนของเรา [มีส่วนช่วย]

บุคคล

องค์กร

สนับสนุนโครงการนี้กับองค์กรของคุณ โลโก้ของคุณจะปรากฏขึ้นที่นี่พร้อมลิงค์ไปยังเว็บไซต์ของคุณ [มีส่วนช่วย]