awesome artificial intelligence

很棒的人工智能（AI）

这是人工智能（AI）工具，课程，书籍，讲座和论文的精选清单。人工智能或人工智能是计算机科学的一个分支，专注于创建可以执行需要人类智能任务的机器。这些任务包括学习，推理，解决问题，理解自然语言和识别模式。 AI的目标是模仿人类的认知功能，使机器能够根据经验改善其性能，适应新的投入并执行类似人类的任务。

欢迎捐款。在LinkedIn或X上连接。

内容

1. 工具
2. 课程
3. 图书
4. 编程
5. 哲学
6. 免费内容
7. 代码
8. 视频
9. 学习
10. 组织
11. 期刊
12. 比赛
13. 新闻通讯
14. 杂项

工具

聊天

• CHAT GPT CHATGPT是一个免费使用的AI系统。它允许用户参与对话，获得见解，自动化任务并见证AI的未来。
• 双子座双子座可直接访问Google AI。在写作，计划，学习等方面获得帮助。
• 克劳德·克劳德（Claude Claude）是一个可以在各种应用中使用的基础AI模型家族。您可以在Claude.ai上直接与Claude交谈，以集思广益，分析图像并处理长文件

图像

• Midjourney AI图像生成
• dall·e 2 dall·e 3是一个AI系统，可以从自然语言描述中创建逼真的图像和艺术。

视频

• Sora Sora是一种文本对视频AI模型，可以从文本说明中创建现实且想象力的场景。
• 跑道AI视频生成

商业工具

• 任务构建，培训和部署AI代理以实时自动化任务，研究和协作

课程

• 人工智能简介（AI） - IBM的AI高级介绍
• 生成AI概论 - Google在Coursera上的初学者AI初学者AI介绍
• CS50的人工智能介绍 - 本课程探讨了现代人工智能基础的概念和算法
• 麻省理工学院：深度学习介绍 - 在麻省理工学院设计的7天训练营，旨在引入深度学习方法和应用
• 深蓝莓：深度学习书籍 - 一个免费的五周末计划，旨在学习学习深度学习建筑的基础知识，例如CNN，LSTMS，RNNS，VAES，VAES，GAS，GANS，DQN，DQN，A3C等等
• 在深度强化学习中旋转 - Openai的免费深入加固学习课程
• 麻省理工学院人工智能视频-MIT AI课程
• 运动中的深度学习 - 初学者的课程，学习深度学习和神经网络而没有框架。
• 人工智能的介绍 - 学习AI的基础。彼得·诺维格（Peter Norvig）经营的课程
• EDX人工智能 - 该课程将介绍智能计算机系统设计的基本思想和技术
• 人工智能机器人技术 - 本课程将教您人工智能的基本方法，包括概率推理，计划和搜索，本地化，跟踪和控制，所有这些都侧重于机器人技术
• 机器学习 - 用于监督和无监督学习的基本机器学习算法
• 深度学习 - 使用TensorFlow进行深度学习的入门课程。
• 斯坦福大学统计学习 - 机器学习的入门课程，重点是线性和多项式回归，逻辑回归和线性判别分析；交叉验证以及自举，模型选择和正则化方法（脊和拉索）；非线性模型，花纹和广义添加剂模型；基于树的方法，随机森林和增强；支持矢量机。
• 基于知识的人工智能 - 佐治亚理工学院的人工智能课程集中在符号AI上。
• 深RL训练营讲座 - 深钢筋训练营讲座 - 2017年8月
• Google Machine Learning速效课程的机器学习速效课程提供了一系列带有视频讲座，现实案例研究和动手实践练习的课程。
• Google的Python班级这是一个免费的课程，适用于想要学习Python的一些编程经验的人。该课程包括书面材料，讲座视频以及许多练习Python编码的代码练习。
• 在本LiveVideo课程中，深度学习速成课程，机器学习专家Oliver Zeigermann教您深度学习的基础知识。
• 人工智能：一种现代方法-Stuart Russell＆Peter Norvig
  • 还考虑浏览推荐阅读列表，除以“人工智能：现代方法”的每一章。
• 人工智能编程的范例：常见的LISP案例研究 - AI编程的范式是第一个在构建主要AI系统的背景下教授高级常见LISP技术的文本
• 强化学习：简介 - 有关强化学习的入门教科书旨在针对人工智能，操作研究，神经网络和控制系统的工程师和科学家，我们希望心理学家和神经科学家也对此感兴趣。
• 剑桥人工智能手册 - 为非专业人士编写，涵盖了学科的基础，主要理论和主要研究领域，以及相关主题，例如人造生活
• 情感机器：常识性思维，人工智能和人类思想的未来 - 在这本张开思维的书中，科学先驱马文·明斯基（Marvin Minsky）继续他的开创性研究，为我们的思想如何工作提供了一个有趣的新模型
• 人工智能：一种新的综合 - 从基本反应剂开始，尼尔森逐渐增加了认知能力，以说明AI中最重要，最持久的想法
• 关于智力 - 霍金斯发展了一个强大的理论，说明了人脑的运作方式，解释了计算机为什么不智能的理论，以及如何基于这个新理论，我们最终可以构建智能机器。也可以从Audible.com获得音频版本
• 如何创造思想 - 库尔兹维尔讨论了大脑的工作方式，思维的出现方式，脑部计算机界面以及极大地增加了我们智能的力量以解决世界问题的含义
• 深度学习 - Goodfellow，Bengio和Courville介绍了深度学习中广泛的主题，涵盖数学和概念背景，行业中使用的深度学习技术以及研究观点。
• 统计学习的要素：数据挖掘，推理和预测 - HASTIE和TIBSHIRANI涵盖了广泛的主题，从监督学习（预测）到无监督的学习，包括神经网络，支持媒介机，分类树和促进 - - 任何书中该主题的第一个全面治疗方法。
• 深度学习和GO的游戏 - 深度学习和GO游戏教您如何通过构建Go-Go-Go播放AI，将深度学习的力量运用到复杂的人类味道推理任务。将您暴露于机器和深度学习的基础之后，您将使用Python构建一个机器人，然后教授游戏规则。
• 搜索深度学习 - 搜索深度学习会教您如何利用神经网络，NLP和深度学习技术来提高搜索性能。
• Pytorch的深度学习 - Pytorch将这些超级大国掌握在您的手中，提供了一种舒适的Python体验，可以使您快速开始，然后随着您的成长（和您的深度学习技能）与您的深度学习能力相伴。与Pytorch一起深入学习将使这一旅程引人入胜。
• 在行动中进行深入的强化学习 - 行动中的深入强化学习教您深入强化学习的基本概念和术语，以及您需要将其实施到自己的项目中所需的实用技能和技术。
• Grokking深入强化学习 - Grokking深入强化学习介绍了这种强大的机器学习方法，使用示例，插图，练习和清晰的教学。
• 融合行动 - 动作融合会教会您构建一个功能齐全的数据分析管道，包括文档和数据搜索以及分布式数据群集。
• 现实世界自然语言处理 - 有关如何使用Python创建实用的NLP应用程序的早期访问书。
• Grokking机器学习 - 介绍最有价值的机器学习技术的早期访问书。
• 取得了AI的成功 - 介绍了成功的AI项目并将AI应用于现实生活中的情况。
• AI（第1部分）的元素 - Reaktor/Helsinki University- AI介绍是一个免费的在线课程，适合所有有兴趣了解AI是什么，对AI的可能（并且是不可能的）以及它如何影响我们的生活的所有人 - 不需要复杂的数学或计划。
• 基本的自然语言处理 - 实用技术，众多基于Python的例子和现实世界案例研究的NLP动手指南。
• Kaggle的微型课程 - 一系列微型课程，提供从Python到深度学习的实用和动手知识。
• 自然语言处理的转移学习 - 一本书，您可以通过相关的ML概念加快速度，然后潜入NLP的转移学习中。
• （斯坦福大学深度学习系列] [https://www.youtube.com/playlist?list=ploromvodv4Roabxsyghtsbvuz4g_yqhob]
• Amazon Machine Learning Developer指南 - 一本针对ML开发人员的书，它介绍了ML概念和策略，并具有许多实际用途。
• 机器学习可观察性课程 - 自指导课程涵盖了有效的机器学习可观察性的直觉，数学和最佳实践。
• 人类的机器学习 - 一系列简单，简单的解释，伴随数学，代码和现实世界的示例。

图书

• 凡人的机器学习（仅仅是其他方式） - 早期访问书籍，提供机器学习和使用R编程语言的基础知识。
• 机器学习的工作原理-Mostafa Samir。早期访问书籍以无威胁的方式从实际和理论方面介绍了机器学习。
• MachinelearningwithTensorFlow2ED是一本关于通用机器学习技术的书，包括回归，分类，无监督的聚类，增强型学习，自动编码器，卷积神经网络，RNN和LSTMS，使用TensorFlow 1.14.1。
• 无服务器的机器学习 - 使用面向代码的方法在AWS，Azure和GCP等公共云上训练和部署机器学习系统的机器学习工程师的书。
• 一百页的机器学习书 - 您需要了解的所有有关机器学习，一百页，有监督和无监督的学习，SVM，神经网络，集合方法，梯度下降，集群分析和尺寸降低，自动编码器，转移学习，特征工程和高参数调整。
• 信任机器学习 - 一本针对经验丰富的数据科学家和机器学习工程师的书，涉及如何使您的AI成为值得信赖的合作伙伴。建立可解释，健壮，透明且优化公平性的机器学习系统。
• 生成的AI行动中 - 一本书，该书准确地显示了如何在组织的策略和项目中添加用于文本，图像和代码的生成性AI工具。

编程

• 人工智能的序言编程 - 该序言和人工智能的最畅销指南集中于使用Prolog的基本机制来解决有趣的AI问题的艺术。
• Prolog，Lisp和Java中的AI算法，数据结构和成语-PDF
• 用于机器学习的Python工具
• 人工智能

哲学

• 超级智能 - 超级智能提出一个问题：当机器超过一般情报中的人类时会发生什么？
• 我们的最终发明：人工智能和人类时代的终结 - 我们的最终发明探讨了对先进AI的无视追求的危险。到目前为止，人类的智力还没有竞争对手。我们可以与他们自己的情报相形见war的生物共存吗？他们会允许我们吗？
• 如何创造思想：揭示了人类思想的秘密-Google工程总监Ray Kurzweil探索了对大脑进行反向工程的过程，以精确地理解其工作原理，然后将这些知识应用于创建非常智能的机器。
• 思想，大脑和程序 - 哲学家约翰·塞尔（John Searle）1980年的论文，其中包含著名的“中国房间”思想实验。这可能是对具有“思想”或“意识”的强大AI概念的最著名攻击，对于那些对AI和心理哲学相交的人来说，这是一个有趣的阅读。
• 戈德尔（Gödel），埃舍尔（Escher），巴赫（Bach）：一个永恒的金辫子 - 由道格拉斯·霍夫斯塔特（Douglas Hofstadter）撰写，标记为“刘易斯·卡罗尔（Lewis Carroll）的思想和机器上的隐喻赋格曲，这一令人难以置信的旅程，进入了数学，对称性和智能的基本概念，从而赢得了脉动奖的含义，这是脉动的含义，这是一场非含义的含义。元素（例如1和0）以特殊的模式排列。
• 生命3.0：在人工智能时代成为人类​​ - 麻省理工学院物理学教授Max Tegmark讨论了人工智能如何影响犯罪，战争，正义，工作，工作，社会以及我们在近距离和未来中成为人类的感觉。

免费内容

• 计算代理的基础 - 这本书由剑桥大学出版社出版
• 对人工智能的追求 - 这本书追溯了这个主题的历史，从十八世纪（及以前）开拓者的早期梦想到当今AI工程师的更成功的工作。
• Stanford CS229-机器学习 - 本课程为机器学习和统计模式识别提供了广泛的介绍。
• 计算机和思想：人工智能的实用介绍 - 该书涵盖了对人类活动的计算机模拟，例如解决问题和自然语言理解；计算机视觉；人工智能工具和技术； AI编程简介；认知的符号和神经网络模型；思想和智慧的本质；以及人工智能和认知科学的社会含义。
• 心理社会 - 马文·明斯基（Marvin Minsky）的开创性工作，涉及我们的思维方式。许多符号AI概念是从此基础得出的。
• 人工智能和分子生物学 - 当前的努力是在当代AI/MB研究中桥接从核苷酸到抽象概念的探索范围。
• 简要介绍了人工智能的教育含义 - 本书旨在帮助职前和内幕老师了解人工智能当前用途作为解决问题和完成任务的某些教育含义。
• 百科全书：计算智能 - 学者是由来自世界各地的学术专家撰写和维护的经过同行评审的开放式访问百科全书。
• 道德人工智能 - 比尔·希伯巴德（Bill Hibbard）的一本书，结合了几篇经过同行评审的论文和新材料，以分析道德人工智能问题。
• 黄金人工智能 - 人工智能和机器学习的一组页面。
• R2D3-一个网站，提供了有关机器学习到统计信息的主题的解释。所有这些都帮助了精美的动画图表和现实生活中的例子。有各种语言可用。
• 用概率程序对代理进行建模 - 本书描述并实施了（PO）MDP和强化学习的理性代理模型。

代码

• 解释 - 解释是一个快速，轻巧且可扩展的可解释AI框架，可用于数据科学家向业务利益相关者解释任何黑框模型。
• AIMACODE-“人工智能：现代方法”的源代码，Java和Python。还有更多。
• FANN-快速人工神经网络库，本地用于C
• Fargonautica-道格拉斯·霍斯法特（Douglas Hosftadter）的流体概念和创意类比博士的源代码。项目。

视频

• 深度学习教程
• 计算强化学习的基础知识
• 深厚的增强学习
• AI的智能代理和范例
• 深度学习的不合理有效性 - Facebook AI研究的主任Yann Lecun博士就深层卷积神经网络及其在机器学习和计算机视觉上的应用进行了讨论
• AWS机器学习中的运动 - 该交互式实时视频课程为您提供了使用AWS进行机器学习的速成课程，并教您如何构建一种完整的预测算法。
• 使用R In In On On On On On On In In In Re的深度学习会教您使用强大的Keras库及其R语言界面将深度学习应用于文本和图像。
• 在运动深度学习运动中的深度学习中，不仅会教您如何使用单个图书馆或框架。您将发现如何从头开始构建这些算法！
• 运动中的强化学习 - 这种实时视频分解了诸如RL系统学习方式，如何感知和处理环境数据以及如何构建和培训AI代理等关键概念。

学习

• 深度学习。 Microsoft Research的方法和应用程序免费书籍
• 神经网络和深度学习 - 目前，神经网络和深度学习为图像识别，语音识别和自然语言处理方面的许多问题提供了最佳解决方案。这本书将教您神经网络和深度学习背后的核心概念
• 机器学习：概率的观点 - 本教科书提供了基于统一的，概率的方法，对机器学习领域进行了全面且独立的介绍
• 深度学习 - Yoshua Bengio，Ian Goodfellow和Aaron Courville将此目前免费的（和草稿版）的书汇总在一起。该书保持最新状态，并深入涵盖了广泛的主题（直到和包括顺序到序列学习）。
• 开始深入学习和Python
• 机器学习精通
• 深度学习.NET- DL资源的聚合网站
• 很棒的机器学习 - 喜欢这个GitHub，但以ML为中心
• FastMl
• 很棒的深度学习资源 - 深度学习的学习资源清单
• 专业和深入的机器学习视频课程 - 免费专业和深入的机器学习和数据科学视频教程和课程的集合
• 专业和深入的人工智能视频课程 - 免费专业和深入的人工智能视频教程和课程的集合
• 专业和深入的深度学习视频课程 - 免费的专业和深入深度学习视频教程和课程的集合
• 机器学习简介 - 入门水平机器学习速效课程
• 很棒的图形分类 - 从图形结构化数据中学习
• 很棒的社区检测 - 聚类图结构化数据
• 很棒的决策树论文 - 机器学习会议的决策树论文
• 令人敬畏的梯度提升论文 - 机器学习会议的梯度提升论文
• 很棒的欺诈检测论文 - 机器学习会议的欺诈检测论文
• 令人敬畏的神经艺术 - 使用深层神经网络创建艺术和操纵图像。

组织

• IEEE计算情报协会
• 机器情报研究所
• Openai
• 人工智能发展协会
• Google DeepMind研究
• NVIDIA深度学习
• AI Google
• Facebook AI
• IBM研究
• 微软研究

期刊

• 人工智能和社会
• 人工智能通信
• AI杂志
• 数学和人工智能年鉴
• 适用的工程，沟通和计算代数
• 应用人工智能
• 应用智能
• 工程设计，分析和制造的人工智能
• 人工智能评论
• 人工智能
• 自动软件工程
• 自主代理和多代理系统
• 计算和数学组织理论
• 计算智能
• 人工智能的电子交易
• 进化情报
• 专家 - IEEE智能系统
• IEEE交易自动化科学与工程
• 智能工业系统
• 国际智能系统杂志
• 国际人工智能工具杂志
• 人工智能研究杂志
• 自动推理杂志
• 实验和理论人工智能杂志
• 智能信息系统杂志
• 数据语义杂志
• 知识工程评论
• 思想和机器
• 人工智能的进展

比赛

• 麻省理工学院Battlecode
• AI挑战
• AI游戏

新闻通讯

• SuperHuman.ai每日AI通讯

杂项

• 开放认知项目 - 我们正在努力建造思维机器
• Aitopics-大量AI资源的聚集
• Airesources- AI研究社区的开源软件目录和开放访问数据
• 人工智能子雷迪特
• AI与Google实验

执照

根据法律的可能，Owain Lewis放弃了所有版权以及这项工作的相关或邻近权利。