teach AI in business
1.0.0
[]
我正在为非技术人员收集与AI相关问题的材料。这些链接应提供对AI的一般理解，而不会太深地涉及技术问题。请贡献！
使这个问题成为您的第一个问题，我正在收集用于向非技术人员教授AI相关问题的材料。这些链接应该规定对AI的一般理解，而不会太深地深入技术问题。请贡献！请仅使用没有代码的那些资源
新的结帐也是AI Wiki新的
| 链接到发行 | 描述 |
|---|---|
| 顶级趋势技术 | YouTube频道掌握了包括人工智能在内的顶级流行技术 |
| AI4ALL | AI 4 All是AI促进者将AI带给学者和学生的资源 |
| AI的要素 | AI的元素是一门免费开放的在线课程，可以教授AI原则 |
| 机器学习的视觉介绍 | 机器学习的视觉介绍是一个美丽的网站，可提供全面的介绍，并轻松理解机器学习 |
| CS50与Python的人工智能介绍 | 在此关于人工智能的入门课程中，学习在Python中使用机器学习。 |
| AI的速成课程 | 这是一个有趣的视频系列，将学生和教育工作者介绍给人工智能，还提供了更多高级视频。了解基础知识，神经网络，算法等。 |
| YouTuber频道机器学习教程 | 初学者 |
| 人工智能（AI） | 了解人工智能（AI）的基本原理，并应用它们。设计智能代理以解决现实世界中的问题，包括搜索，游戏，机器学习，逻辑和约束满意度问题 |
| ANG NG为每个人的AI | 每个人的AI都是一门课程，尤其是对来自非技术背景的人们了解AI策略的课程 |
| 太远了？ AI的年龄 | 这是罗伯特·唐尼（Robert Downey）的YouTube Orignals系列 |
| 人工智能的基础 | 本课程适用于绝对初学者，没有技术知识。 |
| 强盗算法（在线机器学习） | 没有技术知识的要求，但是对概率的基本觉得会有所帮助 |
| AI执行指南 | 这是教授商业专业人员的互动指南，他们如何在业务中使用人工智能 |
| AI商学院 | 一系列视频，这些视频教导如何将AI纳入各种商业行业 |
| 初学者的人工智能教程 | 该视频将通过动手实例为您提供有关人工智能概念的全面和详细的知识。 |
| 印尼机器学习教程 | trororial Tochable Machine训练初学者的计算机 |
| 印尼YouTube播放列表AI教程 | 初学者的YouTube播放列表AI教程 |
| Deepak Khemani教授解决问题的人工智能搜索方法 | 这些视频讲座是绝对初学者的，没有技术知识 |
| AI基础教程 | 该视频从AI和ML的基础知识开始，最后进行了使用KERAS和TensorFlow的标准MNIST数据集编号检测模型的动手演示。 |
| 简单的大脑 | 该视频解释了一个非常简单的JavaScript AI库，称为Brain.js，因此您可以轻松地在浏览器中运行AI。 |
| Google AI | Google官员为非技术人员提供的完整套件，可以从基础上开始，直到高级 |
| 初学者的微软AI | Microsoft由Microsoft的自动驱动课程，其中包括AI上的24堂课。 |
| 链接到发行 | 描述 |
|---|---|
| 可教机 | 使用Tochable Machine训练计算机以识别您自己的图像，声音和姿势 |
| ecraft2learn | 资源和交互式空间（SNAP，视觉编程环境（如刮擦）），以了解如何创建AI程序 |
| Google快速抽签 | 训练AI从图纸上猜测 |
| Deepdream Generator | 使用Deepdream Generator合并图片与深梦 |
| 创建ML | 在没有代码的情况下，在Mac上快速构建和训练核心ML模型。 |
| 假设什么工具 | 视觉上以最小的编码探测训练有素的机器学习模型的行为。 |
| metaranx | 使用和构建人工智能工具来分析和做出有关数据的决策。拖放。没有代码。 |
| 显然 | 构建ML算法，解释结果并单击一次预测结果的总过程。 |
| 由＆标题 | 描述 |
|---|---|
| 人工智能 | AI的Wikipedia页面 |
| 非技术AI指南 | 一篇优秀的博客文章之一，可以帮助没有技术背景的人更容易理解 |
| 莉亚 | AI和神经网络的详细介绍 |
| 外行的介绍 | 外行的人工智能介绍 |
| AI和机器学习：非技术概述 | 人工智能和机器学习：Oreilly本身的非技术概述是一项指南，旨在了解任何他们需要了解的有关AI的一切，而专注于非技术人员 |
| 什么商业领导者需要了解人工智能 | 简短的文章总结了业务领导者需要了解的AI的基本方面 |
| 无代码将如何影响对话人AI的未来 | 对当前AI IECHATBOTS的当前状态以及它如何随当前没有编码的趋势而演变的谦虚解释。 |
| Investopedia | 以非常基本和全面的方式对AI的基本解释 |
| packtpub | 非程序员学习机器学习指南 |
| 内置 | 人工智能。什么是人工智能？ AI如何工作？ |
| 生活的未来 | 人工智能的利益和风险 |
| NSDM印度-Arpit | 非编码器的100+ AI工具将使您的营销变得更好。 |
| 初创企业和非技术营销人员营销的AI | 非技术人员的实用指南 |
| 博客 - 机器学习精通 | Jason Browniee在ML上发表的博客和文章 |
| 没有编程的AI聊天机器人 | 聊天机器人在全球业务中的需求越来越多。本课程将教您如何在IBM Watson和AI的力量的帮助下建立，分析，部署和货币化聊天机器人。 |
| 作者 | 书 | 描述和笔记 |
|---|---|---|
| Ethem Alpaydin | 机器学习：新的AI | 图理论与工程和计算机科学应用有关。机器学习的简洁概述 - 从数据中学习的计算程序程序，其基础是包括建议系统，面部识别和无人驾驶汽车的应用程序。 |
| Charu C. Aggarwal | 神经网络和深度学习 | 本书涵盖了深度学习中的古典和现代模型。主要的重点是深度学习的理论和算法。这本书也很丰富地讨论不同的应用程序，以便为从业者提供神经体系结构如何设计用于不同类型的问题的风味。 |
| HalDauméIII | 机器学习课程 | 这本书的目的是为该领域提供温和的教学组织介绍。这本书的第二个目标是提供侧重于思想和模型而不是数学的机器学习的视图。 |
| Ian Goodfellow和Yoshua Bengio和Aaron Courville | 深度学习 | 这本书从有关机器学习基础知识的讨论开始，包括从学术角度有效地研究深度学习所需的应用数学和算法。书中没有涵盖的代码，非常适合非技术AI爱好者。 |
| 彼得·哈灵顿 | 机器学习 | （来源：https：//github.com/kerasking/book-1/blob/master/ml%20Machine%20Learning％20IN%20Action.pdf）本书是通知新手的指南，以了解机器学习所需的技术以及实践背后的概念。 |
| 杰夫·希顿 | 人类的人工智能 | 这本书可帮助其读者获得对AI算法的概述和理解。它是为那些没有广泛数学背景的人教AI。读者只需要对计算机编程和大学代数的基本知识。 |
| John D. Kelleher，Brian Mac Namee和Aoife D'Arcy | 预测数据分析的机器学习基础：算法，工作示例和案例研究（麻省理工学院出版社） | 本书涵盖了机器学习的所有基本原理，深入研究主题的理论，并使用实际应用，工作示例和案例研究来推动知识回家。 |
| Deepak Khemani | [人工智能的第一门课程] | 这是一门人工智能的入门课程，是一种基于知识的方法，该方法使用遍布和结构良好的算法的代理和证明。本书主要遵循一种自下而上的方法，探讨了智力部分所需的问题解决问题的基本策略。 |
| Maxim Lapan | 深钢筋学习动手 - 第二版 | 深入强化学习动手实践，第二版是最新的强化学习（RL）工具和技术的最新且扩展的版本。它为您提供了RL的基础知识的介绍，以及动手编码智能学习代理以执行一系列实际任务的能力。 |
| 汤姆·米切尔（Tom M Mitchell） | 机器学习 | 本书涵盖了机器学习领域，这是对算法的研究，允许计算机程序通过经验自动改进。该书旨在支持机器学习中的上层本科和入门级研究生课程。 |
| 约翰·保罗·穆勒（John Paul Mueller）和卢卡·马萨隆（Luca Massaron） | 假人的机器学习 | 本书旨在使读者熟悉机器学习的基本概念和理论及其如何应用于现实世界。这里的“假人”是指没有技术背景的绝对初学者。本书在Python和R中介绍了一些编码，用于教机器以查找模式和分析结果。从那些小的任务和模式中，我们可以通过网络搜索，互联网广告，电子邮件过滤器，欺诈检测等在日常生活中的用途来推断机器学习如何有用。有了这本书，您可以迈出一步，进入机器学习领域，我们可以在Pyton和R中学习一些基本编码（如果有兴趣） |
| 迈克尔·尼尔森 | 神经网络和深度学习 | AI中神经网络的核心原理和深度学习的简介 |
| 西蒙·罗杰斯（Simon Rogers）和马克·吉罗拉米（Mark Girolami） | 机器学习课程 | 西蒙·罗杰斯（Simon Rogers）和马克·吉罗拉米（Mark Girolami）的机器学习课程是当前可用的ML的最佳入门书。它结合了严格和精确度与可访问性结合起来，从最简单的设置中对贝叶斯分析的基本基础的详细说明开始，然后一直到该主题的边界，例如无限混合模型，GPS和MCMC。 |
| 彼得·诺维格 | 人工智能编程的范式 | AI编程的范式是在构建主要AI系统的背景下教授先进的常见LISP技术的文本。通过使用最先进的Common LISP重建真实，复杂的AI程序，该书教授学生和专业人士如何构建和调试强大的实践程序，同时展示出色的编程风格和重要的AI概念。 |
| 斯图尔特·罗素（Stuart Russel）和彼得·诺维格（Peter Norvig） | 人工智能：现代方法，第三版 | 这是我介绍AI大学课程的规定教科书。它开始解释AI是什么的所有基础和定义，然后启动到代理，算法以及如何应用它们之前。罗素来自加利福尼亚大学伯克利分校。诺维格来自Google。 |
| 理查德·萨顿（Richard S.Sutton）和安德鲁·G·巴托 | 强化学习：简介 | 强化学习是人工智能中最活跃的研究领域之一，是一种计算方法，可以使代理商在与复杂，不确定的环境互动时尝试最大化其获得的奖励总量。 |
| Alex Smola和Svn Vishwanathan | 机器学习简介 | 为读者提供了ML广泛应用的概述，包括一些统计和概率理论的基本工具。还包括有关复杂思想和概念的讨论。 |
| Shai Shalev-Shwartz和Shai Ben-David | 了解从理论到算法的机器学习 | 这本书的主要目标是提供严格但易于遵循的介绍机器学习的主要概念。 |
| 钱德拉SSV | 人工智能和机器学习 | 这本书主要用于计算机科学与工程学的本科和研究生。本教科书涵盖了人工智能和机器学习的困难环境之间的差距。它提供了大量的案例研究和锻炼示例。除了人工智能和机器学习外，它还涵盖了各种类型的学习，例如加强，监督，无监督和统计学习。它为每个主题提供了充分解释的算法和伪编码，这使本书对学生非常有用。 |
| 奥利弗·西奥伯尔德（Oliver Theobald） | 绝对初学者的机器学习：简单的英语介绍 | 这是绝对的初学者指南。不需要数学背景，也不需要编码体验 - 这是对任何对机器学习感兴趣的人的最基本介绍。“纯”语言在这里受到高度重视，以防止初学者被技术术语淹没。各种算法都伴随着清晰，易于访问的解释和视觉示例，以确保事情易于遵循。 |
| 汤姆·塔利 | 人工智能基础知识：非技术介绍 | 这本书使您对人工智能及其影响的根本掌握。它为重要概念提供了非技术介绍，例如机器学习，深度学习，自然语言处理，机器人技术等。此外，作者进一步扩展了围绕AI对包括社会趋势，道德，政府，公司结构和日常生活在内的方面影响的问题。 |
| Cornelius Weber，Mark Elshaw，N。Michael Mayer | 强化学习 | 学习是一个非常重要的方面。这本书是关于加强学习的，涉及执行行动以实现目标。本书的前11章描述并扩展了强化学习的范围。 |
| John D. Kelleher，Brian Mac Namee，Aoife D'Arcy | 算法，工作示例和案例研究 | 对预测数据分析中使用的最重要的机器学习方法的全面介绍，涵盖了理论概念和实际应用。 |
