awesome artificial intelligence下載 - awesome artificial intelligence源代碼下載

awesome artificial intelligence

其他源碼

1.0.0

下載

很棒的人工智能（AI）

這是人工智能（AI）工具，課程，書籍，講座和論文的精選清單。人工智能或人工智能是計算機科學的一個分支，專注於創建可以執行需要人類智能任務的機器。這些任務包括學習，推理，解決問題，理解自然語言和識別模式。 AI的目標是模仿人類的認知功能，使機器能夠根據經驗改善其性能，適應新的投入並執行類似人類的任務。

歡迎捐款。在LinkedIn或X上連接。

內容

工具
課程
圖書
程式設計
哲學
免費內容
代碼
影片
學習
組織
期刊
比賽
新聞通訊
雜項

工具

聊天

CHAT GPT CHATGPT是一個免費使用的AI系統。它允許用戶參與對話，獲得見解，自動化任務並見證AI的未來。
雙子座雙子座可直接訪問Google AI。在寫作，計劃，學習等方面獲得幫助。
克勞德·克勞德（Claude Claude）是一個可以在各種應用中使用的基礎AI模型家族。您可以在Claude.ai上直接與Claude交談，以集思廣益，分析圖像並處理長文件

圖像

Midjourney AI圖像生成
dall·e 2 dall·e 3是一個AI系統，可以從自然語言描述中創建逼真的圖像和藝術。

影片

Sora Sora是一種文本對視頻AI模型，可以從文本說明中創建現實且想像力的場景。
跑道AI視頻生成

商業工具

任務構建，培訓和部署AI代理以實時自動化任務，研究和協作

課程

人工智能簡介（AI） - IBM的AI高級介紹
生成AI概論 - Google在Coursera上的初學者AI初學者AI介紹
CS50的人工智能介紹 - 本課程探討了現代人工智能基礎的概念和算法
麻省理工學院：深度學習介紹 - 在麻省理工學院設計的7天訓練營，旨在引入深度學習方法和應用
深藍莓：深度學習書籍 - 一個免費的五週末計劃，旨在學習學習深度學習建築的基礎知識，例如CNN，LSTMS，RNNS，VAES，VAES，GAS，GANS，DQN，DQN，A3C等等
在深度強化學習中旋轉 - Openai的免費深入加固學習課程
麻省理工學院人工智能視頻-MIT AI課程
運動中的深度學習 - 初學者的課程，學習深度學習和神經網絡而沒有框架。
人工智能的介紹 - 學習AI的基礎。彼得·諾維格（Peter Norvig）經營的課程
EDX人工智能 - 該課程將介紹智能計算機系統設計的基本思想和技術
人工智能機器人技術 - 本課程將教您人工智能的基本方法，包括概率推理，計劃和搜索，本地化，跟踪和控制，所有這些都側重於機器人技術
機器學習 - 用於監督和無監督學習的基本機器學習算法
深度學習 - 使用TensorFlow進行深度學習的入門課程。
斯坦福大學統計學習 - 機器學習的入門課程，重點是線性和多項式回歸，邏輯回歸和線性判別分析；交叉驗證以及自舉，模型選擇和正則化方法（脊和拉索）；非線性模型，花紋和廣義添加劑模型；基於樹的方法，隨機森林和增強；支持矢量機。
基於知識的人工智能 - 佐治亞理工學院的人工智能課程集中在符號AI上。
深RL訓練營講座 - 深鋼筋訓練營講座 - 2017年8月
Google Machine Learning速效課程的機器學習速效課程提供了一系列帶有視頻講座，現實案例研究和動手實踐練習的課程。
Google的Python班級這是一個免費的課程，適用於想要學習Python的一些編程經驗的人。該課程包括書面材料，講座視頻以及許多練習Python編碼的代碼練習。
在本LiveVideo課程中，深度學習速成課程，機器學習專家Oliver Zeigermann教您深度學習的基礎知識。
人工智能：一種現代方法-Stuart Russell＆Peter Norvig
- 還考慮瀏覽推薦閱讀列表，除以“人工智能：現代方法”的每一章。
人工智能編程的範例：常見的LISP案例研究 - AI編程的範式是第一個在構建主要AI系統的背景下教授高級常見LISP技術的文本
強化學習：簡介 - 有關強化學習的入門教科書旨在針對人工智能，操作研究，神經網絡和控制系統的工程師和科學家，我們希望心理學家和神經科學家也對此感興趣。
劍橋人工智能手冊 - 為非專業人士編寫，涵蓋了學科的基礎，主要理論和主要研究領域，以及相關主題，例如人造生活
情感機器：常識性思維，人工智能和人類思想的未來 - 在這本張開思維的書中，科學先驅馬文·明斯基（Marvin Minsky）繼續他的開創性研究，為我們的思想如何工作提供了一個有趣的新模型
人工智能：一種新的綜合 - 從基本反應劑開始，尼爾森逐漸增加了認知能力，以說明AI中最重要，最持久的想法
關於智力 - 霍金斯發展了一個強大的理論，說明了人腦的運作方式，解釋了計算機為什麼不智能的理論，以及如何基於這個新理論，我們最終可以構建智能機器。也可以從Audible.com獲得音頻版本
如何創造思想 - 庫爾茲維爾討論了大腦的工作方式，思維的出現方式，腦部計算機界面以及極大地增加了我們智能的力量以解決世界問題的含義
深度學習 - Goodfellow，Bengio和Courville介紹了深度學習中廣泛的主題，涵蓋數學和概念背景，行業中使用的深度學習技術以及研究觀點。
統計學習的要素：數據挖掘，推理和預測 - HASTIE和TIBSHIRANI涵蓋了廣泛的主題，從監督學習（預測）到無監督的學習，包括神經網絡，支持媒介機，分類樹和促進 - - 任何書中該主題的第一個全面治療方法。
深度學習和GO的遊戲 - 深度學習和GO遊戲教您如何通過構建Go-Go-Go播放AI，將深度學習的力量運用到復雜的人類味道推理任務。將您暴露於機器和深度學習的基礎之後，您將使用Python構建一個機器人，然後教授遊戲規則。
搜索深度學習 - 搜索深度學習會教您如何利用神經網絡，NLP和深度學習技術來提高搜索性能。
Pytorch的深度學習 - Pytorch將這些超級大國掌握在您的手中，提供了一種舒適的Python體驗，可以使您快速開始，然後隨著您的成長（和您的深度學習技能）與您的深度學習能力相伴。與Pytorch一起深入學習將使這一旅程引人入勝。
在行動中進行深入的強化學習 - 行動中的深入強化學習教您深入強化學習的基本概念和術語，以及您需要將其實施到自己的項目中所需的實用技能和技術。
Grokking深入強化學習 - Grokking深入強化學習介紹了這種強大的機器學習方法，使用示例，插圖，練習和清晰的教學。
融合行動 - 動作融合會教會您構建一個功能齊全的數據分析管道，包括文檔和數據搜索以及分佈式數據群集。
現實世界自然語言處理 - 有關如何使用Python創建實用的NLP應用程序的早期訪問書。
Grokking機器學習 - 介紹最有價值的機器學習技術的早期訪問書。
取得了AI的成功 - 介紹了成功的AI項目並將AI應用於現實生活中的情況。
AI（第1部分）的元素 - Reaktor/Helsinki University- AI介紹是一個免費的在線課程，適合所有有興趣了解AI是什麼，對AI的可能（並且是不可能的）以及它如何影響我們的生活的所有人 - 不需要復雜的數學或計劃。
基本的自然語言處理 - 實用技術，眾多基於Python的例子和現實世界案例研究的NLP動手指南。
Kaggle的微型課程 - 一系列微型課程，提供從Python到深度學習的實用和動手知識。
自然語言處理的轉移學習 - 一本書，您可以通過相關的ML概念加快速度，然後潛入NLP的轉移學習中。
（斯坦福大學深度學習系列] [https://www.youtube.com/playlist?list=ploromvodv4Roabxsyghtsbvuz4g_yqhob]
Amazon Machine Learning Developer指南 - 一本針對ML開發人員的書，它介紹了ML概念和策略，並具有許多實際用途。
機器學習可觀察性課程 - 自指導課程涵蓋了有效的機器學習可觀察性的直覺，數學和最佳實踐。
人類的機器學習 - 一系列簡單，簡單的解釋，伴隨數學，代碼和現實世界的示例。

圖書

凡人的機器學習（僅僅是其他方式） - 早期訪問書籍，提供機器學習和使用R編程語言的基礎知識。
機器學習的工作原理-Mostafa Samir。早期訪問書籍以無威脅的方式從實際和理論方面介紹了機器學習。
MachinelearningwithTensorFlow2ED是一本關於通用機器學習技術的書，包括回歸，分類，無監督的聚類，增強型學習，自動編碼器，卷積神經網絡，RNN和LSTMS，使用TensorFlow 1.14.1。
無服務器的機器學習 - 使用面向代碼的方法在AWS，Azure和GCP等公共雲上訓練和部署機器學習系統的機器學習工程師的書。
一百頁的機器學習書 - 您需要了解的所有有關機器學習，一百頁，有監督和無監督的學習，SVM，神經網絡，集合方法，梯度下降，集群分析和尺寸降低，自動編碼器，轉移學習，特徵工程和高參數調整。
信任機器學習 - 一本針對經驗豐富的數據科學家和機器學習工程師的書，涉及如何使您的AI成為值得信賴的合作夥伴。建立可解釋，健壯，透明且優化公平性的機器學習系統。
生成的AI行動中 - 一本書，該書準確地顯示瞭如何在組織的策略和項目中添加用於文本，圖像和代碼的生成性AI工具。

程式設計

人工智能的序言編程 - 該序言和人工智能的最暢銷指南集中於使用Prolog的基本機制來解決有趣的AI問題的藝術。
Prolog，Lisp和Java中的AI算法，數據結構和成語-PDF
用於機器學習的Python工具
人工智慧

哲學

超級智能 - 超級智能提出一個問題：當機器超過一般情報中的人類時會發生什麼？
我們的最終發明：人工智能和人類時代的終結 - 我們的最終發明探討了對先進AI的無視追求的危險。到目前為止，人類的智力還沒有競爭對手。我們可以與他們自己的情報相形見war的生物共存嗎？他們會允許我們嗎？
如何創造思想：揭示了人類思想的秘密-Google工程總監Ray Kurzweil探索了對大腦進行反向工程的過程，以精確地理解其工作原理，然後將這些知識應用於創建非常智能的機器。
思想，大腦和程序 - 哲學家約翰·塞爾（John Searle）1980年的論文，其中包含著名的“中國房間”思想實驗。這可能是對具有“思想”或“意識”的強大AI概念的最著名攻擊，對於那些對AI和心理哲學相交的人來說，這是一個有趣的閱讀。
戈德爾（Gödel），埃舍爾（Escher），巴赫（Bach）：一個永恆的金辮子 - 由道格拉斯·霍夫斯塔特（Douglas Hofstadter）撰寫，標記為“在劉易斯·卡羅爾（Lewis Carroll）精神上的思維和機器上的隱喻逃犯”，這是一個令人難以置信的旅程，進入了數學，對稱性和智力的基本概念，從而贏得了脈動獎的含義，從而贏得了1979年的含義s，以特殊模式排列。
生命3.0：在人工智能時代成為人類 - 麻省理工學院物理學教授Max Tegmark討論了人工智能如何影響犯罪，戰爭，正義，工作，工作，社會以及我們在近距離和未來中成為人類的感覺。

免費內容

計算代理的基礎 - 這本書由劍橋大學出版社出版
對人工智能的追求 - 這本書追溯了這個主題的歷史，從十八世紀（及以前）開拓者的早期夢想到當今AI工程師的更成功的工作。
Stanford CS229-機器學習 - 本課程為機器學習和統計模式識別提供了廣泛的介紹。
計算機和思想：人工智能的實用介紹 - 該書涵蓋了對人類活動的計算機模擬，例如解決問題和自然語言理解；計算機視覺；人工智能工具和技術； AI編程簡介；認知的符號和神經網絡模型；思想和智慧的本質；以及人工智能和認知科學的社會含義。
心理社會 - 馬文·明斯基（Marvin Minsky）的開創性工作，涉及我們的思維方式。許多符號AI概念是從此基礎得出的。
人工智能和分子生物學 - 當前的努力是在當代AI/MB研究中橋接從核苷酸到抽象概念的探索範圍。
簡要介紹了人工智能的教育含義 - 本書旨在幫助職前和內幕老師了解人工智能當前用途作為解決問題和完成任務的某些教育含義。
百科全書：計算智能 - 學者是由來自世界各地的學術專家撰寫和維護的經過同行評審的開放式訪問百科全書。
道德人工智能 - 比爾·希伯巴德（Bill Hibbard）的一本書，結合了幾篇經過同行評審的論文和新材料，以分析道德人工智能問題。
黃金人工智能 - 人工智能和機器學習的一組頁面。
R2D3-一個網站，提供了有關機器學習到統計信息的主題的解釋。所有這些都幫助了精美的動畫圖表和現實生活中的例子。有各種語言可用。
用概率程序對代理進行建模 - 本書描述並實施了（PO）MDP和強化學習的理性代理模型。

代碼

解釋 - 解釋是一個快速，輕巧且可擴展的可解釋AI框架，可用於數據科學家向業務利益相關者解釋任何黑框模型。
AIMACODE-“人工智能：現代方法”的源代碼，Java和Python。還有更多。
FANN-快速人工神經網絡庫，本地用於C
Fargonautica-道格拉斯·霍斯法特（Douglas Hosftadter）的流體概念和創意類比博士的源代碼。專案.

影片

深度學習教程
計算強化學習的基礎知識
深厚的增強學習
AI的智能代理和範例
深度學習的不合理有效性 - Facebook AI研究的主任Yann Lecun博士就深層卷積神經網絡及其在機器學習和計算機視覺上的應用進行了討論
AWS機器學習中的運動 - 該交互式實時視頻課程為您提供了使用AWS進行機器學習的速成課程，並教您如何構建一種完整的預測算法。
使用R In In On On On On On On In In In Re的深度學習會教您使用強大的Keras庫及其R語言界面將深度學習應用於文本和圖像。
在運動深度學習運動中的深度學習中，不僅會教您如何使用單個圖書館或框架。您將發現如何從頭開始構建這些算法！
運動中的強化學習 - 這種實時視頻分解了諸如RL系統學習方式，如何感知和處理環境數據以及如何構建和培訓AI代理等關鍵概念。

學習

深度學習。 Microsoft Research的方法和應用程序免費書籍
神經網絡和深度學習 - 目前，神經網絡和深度學習為圖像識別，語音識別和自然語言處理方面的許多問題提供了最佳解決方案。這本書將教您神經網絡和深度學習背後的核心概念
機器學習：概率的觀點 - 本教科書提供了基於統一的，概率的方法，對機器學習領域進行了全面且獨立的介紹
深度學習 - Yoshua Bengio，Ian Goodfellow和Aaron Courville將此目前免費的（和草稿版）的書匯總在一起。該書保持最新狀態，並深入涵蓋了廣泛的主題（直到和包括順序到序列學習）。
開始深入學習和Python
機器學習精通
深度學習.NET- DL資源的聚合網站
很棒的機器學習 - 喜歡這個GitHub，但以ML為中心
FastMl
很棒的深度學習資源 - 深度學習的學習資源清單
專業和深入的機器學習視頻課程 - 免費專業和深入的機器學習和數據科學視頻教程和課程的集合
專業和深入的人工智能視頻課程 - 免費專業和深入的人工智能視頻教程和課程的集合
專業和深入的深度學習視頻課程 - 免費的專業和深入深度學習視頻教程和課程的集合
機器學習簡介 - 入門水平機器學習速效課程
很棒的圖形分類 - 從圖形結構化數據中學習
很棒的社區檢測 - 聚類圖結構化數據
很棒的決策樹論文 - 機器學習會議的決策樹論文
令人敬畏的梯度提升論文 - 機器學習會議的梯度提升論文
很棒的欺詐檢測論文 - 機器學習會議的欺詐檢測論文
令人敬畏的神經藝術 - 使用深層神經網絡創建藝術和操縱圖像。