awesome AI books

素晴らしいAIの本

ダウンロードと学習のためのいくつかの素晴らしいAI関連の本とPDF。

序文

このレポは学習にのみ使用され、ビジネスでは使用しません。

このレポで素晴らしい本を提供してくれてようこそ、またはあなたが必要な素晴らしい本を教えてください。私はこのレポでそれを追加しようとします。

Githubの大規模なファイルストレージ制限により、すべての書籍PDFがyandex.diskに保存されています。

よく使用される数学記号では、このページを参照できます

コンテンツ

• 論文/研究を備えた組織
• トレーニンググラウンド
• 本
  • 入門理論と開始を取得します
  • 数学
  • データマイニング
  • 深い学習
  • 哲学
• aiを含む量子
  • 量子ベーシック
  • 量子AI
  • 量子関連フレームワーク
• オンラインの本を添えたライブ
  • 強化学習
  • 機能選択
  • 機械学習
  • 深い学習
  • NLP
  • cv
  • メタ学習
  • 転送学習
  • 自動ml
  • 次元削減
• 分散トレーニング

論文/研究を備えた組織

• arxiv.org
• 科学
• 自然
• DeepMind出版物
• Openai研究

トレーニンググラウンド

• Openaiジム：強化学習アルゴリズムを開発および比較するためのツールキット。 （Atari、Box2D、Mujocoなどで遊ぶことができます...）
• マルモ：Malmöは、Minecraftの上に構築された人工知能実験と研究のプラットフォームです。
• DeepMind PYSC2：Starcraft II学習環境。
• Procgen：Procgenベンチマーク：手続き的に生成されたゲームのようなジム環境。
• Torchcraftai：Starcraft®の機械学習研究のためのボットプラットフォーム：broodwar®
• バルブDOTA2：DOTA2ゲームACESSING API。 （CNドキュメント）
• マリオAIフレームワーク：AIメソッドを使用するためのマリオAIフレームワーク。
• Googleドーパミン：ドーパミンは、強化学習アルゴリズムの高速プロトタイピングのための研究フレームワークです
• TextWorld：Microsoft-テキストベースのゲームでのトレーニングおよびテスト強化学習（RL）エージェントのための学習環境サンドボックス。
• ミニグリッド：Openaiジムのミニマルなグリッドワールド環境
• Magent：多くのエージェント強化学習のためのプラットフォーム
• XWorld：強化学習用のC ++/Pythonシミュレーターパッケージ
• ニューラルMMO：大規模なマルチエージェントゲーム環境
• Minatar：Minatarは、いくつかのAtari 2600ゲームの小型化されたバージョンを実装するAIエージェントのテストベッドです。
• Craft-env：CraftenVは2Dクラフト環境です
• ジム・ソコバン：ソコバンは倉庫のキーパーと伝統的なビデオゲームの日本語です
• Pommerman Playgroundは、AI研究のために構築されたBombermanのクローンであるPommermanをホストしています。
• ジム・ミニワールドミニワールドは、補強学習とロボット研究のための最小限の3Dインテリア環境シミュレーターです
• vizdoomgym openaiジムVizdoomのラッパー（生の視覚情報から補強するためのDoomベースのAI研究プラットフォーム）環境。
• 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変圧器ai

本

入門理論と開始を取得します

• 人工知能 - 現代アプローチ（第3版） - スチュアートラッセル＆ピーターノーヴィグ
• 商業的なグローキング人工知能アルゴリズム-Rishal Hurbans

数学

• 確率の最初のコース確率の最初のコース（8番目）-SheldonM Ross
• 凸の最適化 - スティーブン・ボイド
• 情報理論要素の要素-Thomas Cover＆Jay a Thomas
• 個別の数学とそのアプリケーション7th -Kenneth H. Rosen
• 線形代数の紹介（5番目） - ギルバートストラング
• 線形代数とそのアプリケーション（5番目）-DavidC Lay
• 確率理論科学の論理 - エドウィン・トンプソン・ジェインズ
• 確率と統計4th -Morris H. Degroot
• 統計的推論（2番目） - ロジャーカセラ
• 信息论基础（原书情報理論要素の要素第2版） - トーマスカバー＆ジェイAトーマス
• 凸优化（原书凸最適化） - スティーブンボイド
• 数理统计学教程 -陈希儒
• 数学之美2番目 - 吴军
• 概率论基础教程（原书確率の最初のコース確率の最初のコース第9版） - シェルドンMロス
• 线性代数及其应用（原书線形代数とそのアプリケーション第3版）-DavidC Lay
• 统计推断（原书統計的推論第二版） - ロジャー・カセラ
• 离散数学及其应用（原书（個別の数学とそのアプリケーション第7） - ケネスH.Rosen

データマイニング

• データマイニングの紹介-Pang -inning tan
• プログラミングコレクティブインテリジェンス-Toby Segaran
• 機械学習のための機能エンジニアリング - アマンダカサリ、アリスZheng
• 集体智慧编程 - トビー・セガラン

機械学習

• 情報理論、推論、学習アルゴリズム-DavidJC Mackay
• 機械学習 - トムM.ミッチェル
• パターン認識と機械学習 - クリストファービショップ
• 統計学習の要素-Trevor Hastie
• OpenCVの機械学習-MichaelBeyeler（ソースコードはこちら）
• 机器学习 -周志华
• 机器学习（原书機械学習） - トムM.ミッチェル
• 统计学习方法 -李航

深い学習

• オンラインクイックラーニング
  • ディープラーニングに飛び込みます - （MXNETを使用）コード、数学、ディスカッションを含むインタラクティブなディープラーニングブック。
  • D2L -Pytorch-（深い学習に飛び込む）Pytorchバージョン。
  • 动手学深度学习 - （（深い学習に飛び込んで）中国語。
• ディープラーニング-Ian Goodfellow＆Yoshua Bengio＆Aaron Courville
• ディープラーニング方法とアプリケーション-Li Deng＆Dong Yu
• AI -Yoshua Bengioの深い建築を学ぶ
• 機械学習アルゴリズムの視点（2番目） - スティーブン・マーズランド
• ニューラルネットワーク設計（2番目） - マーティンハーガン
• ニューラルネットワークと学習マシン（3番目） - サイモンヘイキン
• 応用科学と工学のためのニューラルネットワーク-Sandhya Samarasinghe
• 深度学习（原书学習）-Ian Goodfellow＆Yoshua Bengio＆Aaron Courville
• 神经网络与机器学习（原书ニューラルネットワークと学習マシン） - サイモンヘイキン
• 神经网络设计（原书ニューラルネットワーク設計） - マーティンハーガン
• コマーシャル解釈可能なAI -Ajay Thampi
• コマーシャル会話AI -Andrew R. Freed

哲学

• 商業的人間の互換性：人工知能とコントロールの問題-Stuart Russell
• コマーシャルライフ3.0：人工知能の時代に人間であること - マックステグマーク
• コマーシャルスーパーインテリジェンス：パス、危険、戦略 - ニックボストロム

aiを含む量子

• 量子ベーシック

  • 量子コンピューティングプライマー-D波量子コンピューティングプライマー
  • 量子コンピューティング101-ウォータールー大学からの量子コンピューティング101
  • PDF量子計算と量子情報-Nielsen
  • PDF 量子计算和量子信息（量子计算部分）-Nielsen

• 量子AI

  • 量子ニューラルネットワーク
  • 実際の量子プロセッサに実装された人工ニューロン
  • 近期プロセッサの量子ニューラルネットワークを使用した分類
  • 脳としてのブラックホール：地域の法則エントロピーを備えたニューラルネットワーク

• 量子関連フレームワーク

  • ProjectQ -ProjectQは、量子コンピューティングのためのオープンソースの取り組みです。

オンラインの本を添えたライブ

• GC（生成コンテンツ）

  • 安定した拡散 - [紙]潜在的なテキストから画像への拡散モデル
  • 安定した拡散V2-潜在的拡散モデルを使用した高解像度画像合成
  • GFPGAN- [Paper] GFPGANは、実際の顔の回復のための実用的なアルゴリズムを開発することを目指しています。
  • Esrgan- [Paper] ECCV18ワークショップ - 強化されたSRGAN。知覚的な超解像度に関するチャンピオン・パーム・チャレンジ。トレーニングコードはBasicsrにあります。
  • Codeformer- [Paper] - [Neurips2022]コードブックルックアップトランスによる堅牢な盲目の顔の回復に向けて
  • UNIPC- [Paper] UNIPC：拡散モデルの高速サンプリングのための統一された予測体補正フレームワーク

• 強化学習

  • A3C -Google Deepmind Asynchronous Advantage Actor -Critic Algorithm
  • QラーニングSARSA DQN DDQN-Q-Learningは価値ベースの強化学習アルゴリズムです
  • DDPG-深い決定論的ポリシーグラデーション、
  • 大規模な好奇心 - 好奇心駆動型学習の大規模な研究
  • PPO- OpenAI近位ポリシー最適化アルゴリズム
  • RND -Openaiランダムネットワーク蒸留、ディープ補強学習方法のための探索ボーナス。
  • Vime -Openai変動情報探査を最大化します
  • DQV-深い品質価値（DQV）学習
  • ERL-強化学習における進化誘導ポリシーグラデーション
  • MFマルチエージェントRL-平均フィールドマルチエージェント補強学習。 （このペーパーにはMF-QとMF-ACが含まれます）
  • MAAC-マルチエージェント強化学習のための俳優攻撃 - 批判

• 機能選択

  • Scikit -feature- githubで入手可能な機能選択アルゴリズムのコレクション

• 機械学習

  • Scikit Learn（ Python ） - Pythonでの機械学習。
  • Linfa（ Rust ） - Spirit of scikit learn 、Rust Ml lib。
  • Xgboost（ Python、R、JVM、Julia、CLI ）-Xgboost libのドキュメント。
  • LightGBM（ Python、R、CLI ） - Microsoft LightGBM LIBの機能ドキュメント。
  • CatBoost（ Python、R、CLI ）-YandexCatboost LibのキーアルゴリズムPDF Papper。
  • StackNet（ Java、CLI ） - このLIBに実装されているいくつかのモデルスタッキングアルゴリズム。
  • RGF- Regularized Greedy Forestを使用した非線形関数の学習（マルチコア実装FASTRGF）
  • FM、FASTFM、FFM、XDEEPFM-因数分解マシンといくつかの拡張アルゴリズム

• 深い学習

  • GNNペーパー - グラフニューラルネットワークに関する必見の論文（GNN）
  • EfficientNet-畳み込みニューラルネットワークのモデルスケーリングを再考します
  • デンセン - 密に接続された畳み込みネットワーク

• NLP

  • XLNET -REPO XLNET：言語理解のための一般化された自己回帰前除去
  • バート - 言語理解のための深い双方向変圧器の事前訓練
  • GPT-3-言語モデルは、少ないショット学習者です

• cv

  • 高速R-CNN-オブジェクト検出のための高速領域ベースの畳み込みネットワーク法（高速R-CNN）
  • マスクR-CNN-MASK R-CNNは、既存のブランチと並行してオブジェクトマスクを予測するためのブランチを追加するためのブランチを追加することにより、R-CNNをより高速に拡張します。
  • GQN -DeepMind生成クエリネットワーク、ニューラルシーンの表現、レンダリング

• メタ学習

  • MAML-ディープネットワークを迅速に適応させるためのモデルに依存しないメタ学習

• 転送学習

  • GCN-セマンティック埋め込みと知識グラフによるゼロショット認識

• 自動ml

  • Model Search（ Python ）-Google Model Search（MS）は、Model Architecture Searchの自動アルゴリズムを大規模に実装するフレームワークです。
  • TPOT（ Python ）-TPOTはAutomlのLIBです。
  • Auto-Sklearn（ Python ）-Auto-Sklearnは、自動化された機械学習ツールキットであり、SCIKIT-LEARN推定器のドロップイン交換です
  • Auto-Keras（ Python ） - Auto-Kerasは、自動機械学習（Automl）のオープンソースソフトウェアライブラリです。 Data Labによって開発されました
  • transmogrifai（ JVM ） - トランスモグリファイ（Træns-Mŏgˈrəfīと発音）は、Sparkの上で走るScalaで書かれたAutomlライブラリです
  • Auto -Wekaa-ウェカ用のモデルとハイパーパラメーターの自動選択を提供します。
  • MLBOX（ Python ）-MLBoxは強力な自動化機械学習Pythonライブラリです

• パイプライントレーニング

  • Zenml（ Python ）-ZenMLは、MLワークフローを生産に向けて増やしているMLプラクティショナー向けに構築されています

• 次元削減

  • T-SNE（非線形/ノンパラム） - T分配確率的隣接埋め込み（T-SNE）は、視覚化のための機械学習アルゴリズムです
  • PCA（線形） - 主成分分析
  • LDA（線形） - 線形判別分析
  • LLE（非線形） - 局所線形埋め込み
  • Laplacian Eigenmaps-次元削減とデータ表現のためのラプラシアン固有マップ
  • Sammonマッピング（非線形） - Sammonマッピングは、2つのスペースの対応するインターポイント距離の違いを最小限に抑えるように設計されています

• データ処理

  • Pandas（ Python ） - Python用の柔軟で強力なデータ分析 /操作ライブラリ。
  • Polars（ Rust、Python ） - RustおよびPython用のLightning -Fast DataFrameライブラリ。

分散トレーニング

• Horovod -Horovodは、Tensorflow、Keras、Pytorch、およびMxnetの分散トレーニングフレームワークです。 Horovodの目標は、分散の深い学習を迅速かつ使いやすくすることです。
• ACME-（分散）強化学習の研究フレームワーク。
• Bagua -Baguaは、柔軟でパフォーマンスのある分散トレーニングアルゴリズム開発フレームワークです。

このプロジェクトをサポートします

貢献者

コード貢献者

このプロジェクトは、貢献するすべての人々のおかげで存在します。 [貢献する]。

金融貢献者

財政的な貢献者になり、コミュニティを維持するのを手伝ってください。 [貢献する]

個人

組織

組織でこのプロジェクトをサポートしてください。あなたのロゴは、あなたのウェブサイトへのリンクでここに表示されます。 [貢献する]