teach AI in business
1.0.0
[]
Ich sammle Material, um Non-Tech-Personen Probleme im Zusammenhang mit KI zu unterrichten. Die Links sollten ein allgemeines Verständnis von KI vorsehen, ohne zu tief in technische Probleme einzugehen. Bitte beitragen!
Machen Sie dieses Problem zu Ihrem ersten Problem. Ich sammle Material für das Unterrichten von KI-Fragen an Nicht-Tech-Personen. Die Links sollten ein allgemeines Verständnis von KI vorsehen, ohne zu tief in technische Probleme einzugehen. Bitte beitragen! Verwenden Sie bitte nur diese Ressourcen ohne Code
Neu auschecken auch das Ai Wiki neu
| Link zur Ausgabe | Beschreibung |
|---|---|
| Top -Trendtechnologien | YouTube -Kanal zu Master -Top -Trend -Technologien einschließlich künstlicher Intelligenz |
| Ai4all | AI 4 All ist eine Ressource für KI -Moderatoren, um KI für Wissenschaftler und Studenten zu bringen |
| Elemente von AI | Elemente von AI sind ein kostenloser Open Online -Kurs, um KI -Prinzipien zu unterrichten |
| Visuelle Einführung in maschinelles Lernen | Visuelle Einführung in maschinelles Lernen ist eine schöne Website, die eine umfassende Einführung bietet und die erste Begegnung mit maschinellem Lernen leicht verstanden hat |
| CS50s Einführung in die künstliche Intelligenz mit Python | Lernen Sie, maschinelles Lernen in Python in diesem Einführungskurs über künstliche Intelligenz zu verwenden. |
| Crashkurs für AI | Dies ist eine lustige Videoreihe, die Studenten und Pädagogen in künstliche Intelligenz einführt und zusätzliche fortgeschrittenere Videos bietet. Erfahren Sie mehr über die Grundlagen, neuronale Netzwerke, Algorithmen und mehr. |
| YouTuber Channel Machine Learning Tutorial | YouTube Channel Turorororororororial Lehrmaschine für Anfänger |
| Künstliche Intelligenz (KI) | Erfahren Sie die Grundlagen der künstlichen Intelligenz (KI) und wenden Sie sie an. Entwerfen Sie intelligente Agenten, um Probleme mit realer Welt zu lösen, einschließlich der Suche nach Such-, Spielen, maschinellem Lernen, Logik- und Einschränkungszufriedenheitsproblemen |
| KI für alle von Andrew Ng | KI für alle ist ein Kurs, insbesondere für Menschen aus nicht-technischer Hintergrund, um KI-Strategien zu verstehen |
| Wie weit ist zu weit? Das Alter der KI | Dies ist eine YouTube Orignals -Serie von Robert Downey |
| Grundlagen der künstlichen Intelligenz | Dieser Kurs gilt für absolute Anfänger ohne technische Kenntnisse. |
| Banditalgorithmus (Online -maschinelles Lernen) | Keine Erfordernis des technischen Wissens, aber eine grundlegende Unterscheidung der Wahrscheinlichkeit theory würde helfen |
| Der Leitfaden einer Führungskraft zur KI | Dies ist ein interaktiver Leitfaden für das Unterrichten von Business -Fachleuten, wie sie künstliche Intelligenz in ihrem Geschäft einsetzen könnten |
| AI Business School | Serie von Videos, die lehren, wie KI in verschiedene Unternehmensbranchen einbezogen werden kann |
| Tutorial für künstliche Intelligenz für Anfänger | Dieses Video bietet Ihnen ein umfassendes und detailliertes Wissen über künstliche Intelligenzkonzepte mit praktischen Beispielen. |
| Indonesisches Tutorial für maschinelles Lernen | Turorial lehrbarer Maschine, um einen Computer für Anfänger zu trainieren |
| Indonesischer YouTube Playlist AI Tutorial | YouTube Playlist AI Tutorial für Anfänger |
| Suchmethoden für künstliche Intelligenz zur Problemlösung von Prof. Deepak Khemani | Diese Videovorträge sind für absolute Anfänger ohne technische Kenntnisse gedacht |
| AI -Grundlagen -Tutorial | Dieses Video beginnt mit den Grundlagen von AI und ML und verfügt schließlich über eine praktische Demo des Standardmodells für MNIST-Datensatznummern unter Verwendung von Keras und Tensorflow. |
| Einfaches Brain.js Tutorial | Dieses Video erklärt eine sehr einfache JavaScript -AI -Bibliothek namens Brain.js, sodass Sie die KI im Browser problemlos ausführen können. |
| Google AI | Ein komplettes Kit von Google Officer, damit Non-Tech Guy bis hin zu den Grundlagen von den Grundlagen anfängt |
| Microsoft AI für Anfänger | Ein selbstgetriebenes Lehrplan von Microsoft, das 24 Lektionen auf KI enthält. |
| Link zur Ausgabe | Beschreibung |
|---|---|
| Lehrbare Maschine | Verwenden Sie lehrbare Maschine, um einen Computer zu trainieren, um Ihre eigenen Bilder, Sounds und Posen zu erkennen |
| ecraft2learn | Ressourcen- und interaktive Speicherplatz (SNAP, eine visuelle Programmierumgebung wie Scratch), um zu lernen, wie man KI -Programme erstellt |
| Google Quick Draw | Trainieren Sie eine KI, um aus Zeichnungen zu raten |
| Deepdream Generator | Zusammenführen Bilder mit dem Deepdream -Generator mit tiefen Träumen |
| Ml erstellen | Erstellen und trainieren Sie ML -Modelle auf Ihrem Mac schnell ohne Code. |
| Was-wäre-wenn-Werkzeug | Suchen Sie visuell das Verhalten geschulter Modelle für maschinelles Lernen mit minimaler Codierung. |
| Metaranx | Verwenden und erstellen Sie Tools für künstliche Intelligenz, um Ihre Daten zu analysieren und Entscheidungen zu treffen. Drag-and-Drop. Kein Code. |
| Offensichtlich.ai | Der Gesamtprozess für den Aufbau von ML -Algorithmen, die Erklärung der Ergebnisse und die Vorhersage von Ergebnissen in einem einzigen Klick. |
| Von & Titel | Beschreibung |
|---|---|
| Künstliche Intelligenz | Wikipedia -Seite von AI |
| Der nichttechnische KI-Leitfaden | Einer der guten Blog -Beitrag, der KI für Menschen ohne technischen Hintergrund verständlicher hilft |
| Liai | Eine detaillierte Einführung in KI und neuronale Netze |
| Laiens Intro | Die Einführung eines Laiens in die KI |
| KI und maschinelles Lernen: Eine nichttechnische Übersicht | KI und maschinelles Lernen: Eine nichttechnische Übersicht von Oreirly selbst ist ein Leitfaden, um jeden zu lernen, was sie über KI wissen müssen, und konzentriert sich auf Nicht-Tech-Menschen |
| Was Geschäftsführer über künstliche Intelligenz wissen müssen | Kurzer Artikel, der die wesentlichen Aspekte der KI zusammenfasst, die Unternehmensführer verstehen müssen |
| Wie wird sich kein Code auf die Zukunft der Konversations-KI auswirken? | Eine bescheidene Erklärung für den aktuellen Zustand der konverstationalen Ai -Iechatbots und wie es sich mit dem aktuellen Trend einer Codierung entwickelt. |
| Investopedia | Grundlegende Erklärung für die KI in sehr grundlegender und umfassender Weise |
| Packtpub | Ein Leitfaden für Nichtprogrammierer zum Lernen für maschinelles Lernen |
| Gebaut | Künstliche Intelligenz. Was ist künstliche Intelligenz? Wie funktioniert KI? |
| Zukunft des Lebens | Vorteile und Risiken künstlicher Intelligenz |
| NSDM India -Arpit | Über 100 KI-Tools für Nicht-Koder, die Ihr Marketing verbessern. |
| KI im Marketing für Startups und nicht-technische Vermarkter | Ein praktischer Leitfaden für nicht-technische Menschen |
| Blog - Meisterschaft für maschinelles Lernen | Blogs und Artikel von Jason Browniee auf ML |
| KI -Chatbots ohne Programmierung | Chatbots sind bei globalen Unternehmen zunehmend gefragt. In diesem Kurs werden Sie mit Hilfe von IBM Watson und der Kraft der KI untersucht, wie Sie Chatbots erstellen, analysieren, einsetzen und monetarisieren. |
| Autor | Buch | Beschreibung & Notizen |
|---|---|---|
| Ethem Alpaydin | Maschinelles Lernen: die neue KI | Graphentheorie mit Anwendungen für Ingenieurwesen und Informatik. Ein prägnanter Überblick über maschinelles Lernen - Computer -Programme, die aus Daten lernen -, die Anwendungen zugrunde liegen, die Empfehlungssysteme, Gesichtserkennung und fahrerlose Autos umfassen. |
| Charu C. Aggarwal | Neuronale Netzwerke und tiefes Lernen | Dieses Buch deckt sowohl klassische als auch moderne Modelle im Deep Learning ab. Der Hauptaugenmerk liegt auf der Theorie und den Algorithmen des tiefen Lernens. Das Buch ist auch reich an verschiedenen Anwendungen, um dem Praktiker einen Geschmack zu geben, wie neuronale Architekturen für verschiedene Arten von Problemen ausgelegt sind. |
| Hal Daumé III | Ein Kurs im maschinellen Lernen | Der Zweck dieses Buches ist es, eine sanfte und pädagogisch organisierte Einführung in das Feld zu liefern. Ein zweites Ziel dieses Buches ist es, einen Blick auf maschinelles Lernen zu bieten, das sich auf Ideen und Modelle konzentriert, nicht auf Mathematik. |
| Ian Goodfellow und Yoshua Bengio und Aaron Courville | Tiefes Lernen | Das Buch beginnt mit einer Diskussion über die Grundlagen des maschinellen Lernens, einschließlich der angewandten Mathematik und Algorithmen, die erforderlich sind, um Deep -Lernen aus akademischer Sicht effektiv zu studieren. Es gibt keinen Code im Buch, was es perfekt für einen nicht-technischen KI-Enthusiasten macht. |
| Peter Harrington | Maschinelles Lernen in Aktion | (Quelle: https://github.com/kerasking/book-1/blob/master/ml%20Machine%20Learning%20in%20Action.pdf) Dieses Buch fungiert als Leitfaden, um Neuankömmlinge durch die Techniken zu führen, die für maschinelles Lernen erforderlich sind, sowie die Konzepte hinter den Praktiken. |
| Jeff Heaton | Künstliche Intelligenz für Menschen | Dieses Buch hilft seinen Lesern, einen Überblick und ein Verständnis für AI -Algorithmen zu erhalten. Es soll KI für diejenigen unterrichten, die keinen umfangreichen mathematischen Hintergrund haben. Die Leser müssen nur über ein Grundkenntnis über Computerprogrammierung und College -Algebra verfügen. |
| John D. Kelleher, Brian Mac Namee und Aoife d'Arcy | Grundlagen des maschinellen Lernens für Vorhersagedatenanalysen: Algorithmen, Arbeitsbeispiele und Fallstudien (die MIT -Presse) | Dieses Buch deckt alle Grundlagen des maschinellen Lernens ab, taucht in die Theorie des Subjekts ein und verwendet praktische Anwendungen, Arbeitsbeispiele und Fallstudien, um das Wissen nach Hause zu fördern. |
| Deepak Khemani | [Ein erster Kurs in künstlicher Intelligenz] | Es ist ein Einführungskurs über künstliche Intelligenz, ein wissensbasierter Ansatz, der überall und detaillierte, gut strukturierte Algorithmen mit Beweisen verwendet wird. Dieses Buch folgt hauptsächlich einem Bottom-up-Ansatz, in dem die grundlegenden Strategien untersucht werden, die im Intelligenzteil die erforderliche Problemlösung benötigen. |
| Maxim Lapan | Tiefe Verstärkung Lernen praktisch - zweite Ausgabe | Die zweite Ausgabe ist eine aktualisierte und erweiterte Version des Bestseller-Handbuchs zu den neuesten Tools und Techniken (TELAGE VERSTÄRKELN (neuesten "und -Techniken. Es bietet Ihnen eine Einführung in die Grundlagen von RL sowie die praktische Fähigkeit, intelligente Lernagenten zu codieren, um eine Reihe praktischer Aufgaben auszuführen. |
| Tom M Mitchell | Maschinelles Lernen | Dieses Buch deckt das Gebiet des maschinellen Lernens ab, nämlich die Untersuchung von Algorithmen, mit denen Computerprogramme durch Erfahrung automatisch verbessern können. Das Buch soll Graduiertenkurs für das maschinelle Lernen in der oberen Ebene und einführende Stufe unterstützen. |
| John Paul Müller und Luca Massaron | Maschinelles Lernen für Dummies | Dieses Buch zielt darauf ab, die Leser mit den grundlegenden Konzepten und Theorien des maschinellen Lernens vertraut zu machen und wie es für die reale Welt gilt. Und "Dummies" bezieht sich hier auf absolute Anfänger ohne technischen Hintergrund. Das Buch führt eine kleine Codierung in Python und R ein, um Maschinen zu unterrichten, um Muster zu finden und Ergebnisse zu analysieren. Aus diesen kleinen Aufgaben und Mustern können wir extrapolieren, wie maschinelles Lernen im täglichen Leben durch Websuche, Internetanzeigen, E -Mail -Filter, Betrugserkennung usw. nützlich ist. Mit diesem Buch können Sie einen kleinen Schritt in den Bereich des maschinellen Lernens machen und wir können eine grundlegende Codierung in Pyton und R lernen (falls sie interessiert) |
| Michael Nielsen | Neuronale Netzwerke und tiefes Lernen | Einführung in die Kernprinzipien neuronaler Netzwerke und tiefes Lernen in der KI |
| Simon Rogers und Mark Girolami | Ein Kurs im maschinellen Lernen | Ein erster Kurs im maschinellen Lernen von Simon Rogers und Mark Girolami ist das beste Einführungsbuch für ML, das derzeit verfügbar ist. Es kombiniert Strenge und Präzision mit Barrierefreiheit, beginnt mit einer detaillierten Erklärung der grundlegenden Grundlagen der Bayes'schen Analyse in einfachsten Einstellungen und geht bis zu den Grenzen des Subjekts wie unendlichen Mischmodellen, GPS und MCMC. |
| Peter Norvig | Paradigma der Programmierung künstlicher Intelligenz | Paradigmen der KI -Programmierung sind der erste Text, der im Kontext des Aufbaus wichtiger KI -Systeme fortgeschrittene gemeinsame LISP -Techniken unterrichtet. Durch die Rekonstruktion authentischer, komplexer KI-Programme mit hochmodernen Common Lisp lehrt das Buch Schüler und Fachleute, wie man robuste praktische Programme aufbaut und debuggiert und gleichzeitig überlegene Programmierstil und wichtige KI-Konzepte demonstriert. |
| Stuart Russel & Peter Norvig | Künstliche Intelligenz: Ein moderner Ansatz, 3. Auflage | Dies ist das vorgeschriebene Lehrbuch für meine Einführung in den Ki University Course. Es erklärt alle Grundlagen und Definitionen dessen, was KI ist, bevor sie in Agenten, Algorithmen und wie sie angewendet werden können. Russel stammt von der University of California in Berkeley. Norvig ist von Google. |
| Richard S. Sutton und Andrew G. Barto | Verstärkungslernen: Eine Einführung | Das Verstärkungslernen, einer der aktivsten Forschungsbereiche in der künstlichen Intelligenz, ist ein rechnerischer Lernansatz, bei dem ein Agent versucht, die Gesamtmenge an Belohnung zu maximieren, die er bei der Interaktion mit einer komplexen, unsicheren Umgebung erhält. |
| Alex Smola und Svn Vishwanathan | Einführung in maschinelles Lernen | Bietet dem Leser einen Überblick über die riesigen Anwendungen von ML, einschließlich einiger grundlegender Instrumente der Statistik und der Wahrscheinlichkeitstheorie. Enthält auch Diskussionen über ausgefeilte Ideen und Konzepte. |
| Shai Shalev-Shwartz und Shai Ben-David | Verständnis des maschinellen Lernens von Theorie zu Algorithmen | Das Hauptziel dieses Buches ist es, eine strenge und dennoch leicht zu verfolgende Einführung in die Hauptkonzepte zu bieten, die maschinellem Lernen zugrunde liegen. |
| Chandra SSV | Künstliche Intelligenz und maschinelles Lernen | Dieses Buch ist in erster Linie für Studenten der Bachelor- und Postgraduierten von Informatik und Ingenieurwesen bestimmt. Dieses Lehrbuch deckt die Lücke zwischen den schwierigen Kontexten der künstlichen Intelligenz und des maschinellen Lernens ab. Es bietet die meisten Fallstudien und Ausarbeitungsbeispiele. Neben künstlicher Intelligenz und maschinellem Lernen deckt es auch verschiedene Arten des Lernens wie verstärkte, überwachte, unbeaufsichtigte und statistische Lernen ab. Es verfügt über gut erklärte Algorithmen und Pseudocodes für jedes Thema, was dieses Buch für Schüler sehr nützlich macht. |
| Oliver Theobald | Maschinelles Lernen für absolute Anfänger: Eine einfache englische Einführung | Dies ist ein absoluter ML -Leitfaden für Anfänger. Es ist kein mathematischer Hintergrund erforderlich, noch Codierungserfahrung - dies ist die grundlegendste Einführung in das Thema für alle, die sich für maschinelles Lernen interessieren. Klare, zugängliche Erklärungen und visuelle Beispiele begleiten die verschiedenen Algorithmen, um sicherzustellen, dass die Dinge leicht zu befolgen sind. |
| Tom Taulli | Grundlagen für künstliche Intelligenz: Eine nichttechnische Einführung | Dieses Buch entspricht Ihnen ein grundlegendes Verständnis für künstliche Intelligenz und ihre Auswirkungen. Es bietet eine nichttechnische Einführung in wichtige Konzepte wie maschinelles Lernen, tiefes Lernen, Verarbeitung natürlicher Sprache, Robotik und mehr. Darüber hinaus erweitert der Autor die Fragen zu den zukünftigen Auswirkungen der KI auf Aspekte, zu denen gesellschaftliche Trends, Ethik, Regierungen, Unternehmensstrukturen und das tägliche Leben gehören. |
| Cornelius Weber, Mark Elshaw, N. Michael Mayer | Verstärkungslernen | Lernen ist ein sehr wichtiger Aspekt. In diesem Buch geht es um Verstärkungslernen, bei denen Aktionen durchgeführt werden, um ein Ziel zu erreichen. Die ersten 11 Kapitel dieses Buches beschreiben und erweitern den Umfang des Verstärkungslernens. |
| John D. Kelleher, Brian Mac Namee, Aoife D'Arcy | Algorithmen, bearbeitete Beispiele und Fallstudien | Eine umfassende Einführung in die wichtigsten Ansätze für maschinelles Lernen, die in prädiktiven Datenanalysen verwendet werden und sowohl theoretische Konzepte als auch praktische Anwendungen abdeckt. |
