teach AI in business
1.0.0
[]
我正在為非技術人員收集與AI相關問題的材料。這些鏈接應提供對AI的一般理解，而不會太深地涉及技術問題。請貢獻！
使這個問題成為您的第一個問題，我正在收集用於向非技術人員教授AI相關問題的材料。這些鏈接應該規定對AI的一般理解，而不會太深地深入技術問題。請貢獻！請僅使用沒有代碼的那些資源
新的結帳也是AI Wiki新的
| 鏈接到發行 | 描述 |
|---|---|
| 頂級趨勢技術 | YouTube頻道掌握了包括人工智能在內的頂級流行技術 |
| AI4ALL | AI 4 All是AI促進者將AI帶給學者和學生的資源 |
| AI的要素 | AI的元素是一門免費開放的在線課程，可以教授AI原則 |
| 機器學習的視覺介紹 | 機器學習的視覺介紹是一個美麗的網站，可提供全面的介紹，並輕鬆理解機器學習 |
| CS50與Python的人工智能介紹 | 在此關於人工智能的入門課程中，學習在Python中使用機器學習。 |
| AI的速成課程 | 這是一個有趣的視頻系列，將學生和教育工作者介紹給人工智能，還提供了更多高級視頻。了解基礎知識，神經網絡，算法等。 |
| YouTuber頻道機器學習教程 | 初學者 |
| 人工智能（AI） | 了解人工智能（AI）的基本原理，並應用它們。設計智能代理以解決現實世界中的問題，包括搜索，遊戲，機器學習，邏輯和約束滿意度問題 |
| ANG NG為每個人的AI | 每個人的AI都是一門課程，尤其是對來自非技術背景的人們了解AI策略的課程 |
| 太遠了？ AI的年齡 | 這是羅伯特·唐尼（Robert Downey）的YouTube Orignals系列 |
| 人工智能的基礎 | 本課程適用於絕對初學者，沒有技術知識。 |
| 強盜算法（在線機器學習） | 沒有技術知識的要求，但是對概率的基本覺得會有所幫助 |
| AI執行指南 | 這是教授商業專業人員的互動指南，他們如何在業務中使用人工智能 |
| AI商學院 | 一系列視頻，這些視頻教導如何將AI納入各種商業行業 |
| 初學者的人工智能教程 | 該視頻將通過動手實例為您提供有關人工智能概念的全面和詳細的知識。 |
| 印尼機器學習教程 | trororial Tochable Machine訓練初學者的計算機 |
| 印尼YouTube播放列表AI教程 | 初學者的YouTube播放列表AI教程 |
| Deepak Khemani教授解決問題的人工智能搜索方法 | 這些視頻講座是絕對初學者的，沒有技術知識 |
| AI基礎教程 | 該視頻從AI和ML的基礎知識開始，最後進行了使用KERAS和TensorFlow的標準MNIST數據集編號檢測模型的動手演示。 |
| 簡單的大腦 | 該視頻解釋了一個非常簡單的JavaScript AI庫，稱為Brain.js，因此您可以輕鬆地在瀏覽器中運行AI。 |
| Google AI | Google官員為非技術人員提供的完整套件，可以從基礎上開始，直到高級 |
| 初學者的微軟AI | Microsoft由Microsoft的自動驅動課程，其中包括AI上的24堂課。 |
| 鏈接到發行 | 描述 |
|---|---|
| 可教機 | 使用Tochable Machine訓練計算機以識別您自己的圖像，聲音和姿勢 |
| ecraft2learn | 資源和交互式空間（SNAP，視覺編程環境（如刮擦）），以了解如何創建AI程序 |
| Google快速抽籤 | 訓練AI從圖紙上猜測 |
| Deepdream Generator | 使用Deepdream Generator合併圖片與深夢 |
| 創建ML | 在沒有代碼的情況下，在Mac上快速構建和訓練核心ML模型。 |
| 假設什麼工具 | 視覺上以最小的編碼探測訓練有素的機器學習模型的行為。 |
| metaranx | 使用和構建人工智能工具來分析和做出有關數據的決策。拖放。沒有代碼。 |
| 顯然 | 構建ML算法，解釋結果並單擊一次預測結果的總過程。 |
| 由＆標題 | 描述 |
|---|---|
| 人工智慧 | AI的Wikipedia頁面 |
| 非技術AI指南 | 一篇優秀的博客文章之一，可以幫助沒有技術背景的人更容易理解 |
| 莉亞 | AI和神經網絡的詳細介紹 |
| 外行的介紹 | 外行的人工智能介紹 |
| AI和機器學習：非技術概述 | 人工智能和機器學習：Oreilly本身的非技術概述是一項指南，旨在了解任何他們需要了解的有關AI的一切，而專注於非技術人員 |
| 什麼商業領導者需要了解人工智能 | 簡短的文章總結了業務領導者需要了解的AI的基本方面 |
| 無代碼將如何影響對話人AI的未來 | 對當前AI IECHATBOTS的當前狀態以及它如何隨當前沒有編碼的趨勢而演變的謙虛解釋。 |
| Investopedia | 以非常基本和全面的方式對AI的基本解釋 |
| packtpub | 非程序員學習機器學習指南 |
| 內建 | 人工智慧.什麼是人工智能？ AI如何工作？ |
| 生活的未來 | 人工智能的利益和風險 |
| NSDM印度-Arpit | 非編碼器的100+ AI工具將使您的營銷變得更好。 |
| 初創企業和非技術營銷人員營銷的AI | 非技術人員的實用指南 |
| 博客 - 機器學習精通 | Jason Browniee在ML上發表的博客和文章 |
| 沒有編程的AI聊天機器人 | 聊天機器人在全球業務中的需求越來越多。本課程將教您如何在IBM Watson和AI的力量的幫助下建立，分析，部署和貨幣化聊天機器人。 |
| 作者 | 書 | 描述和筆記 |
|---|---|---|
| Ethem Alpaydin | 機器學習：新的AI | 圖理論與工程和計算機科學應用有關。機器學習的簡潔概述 - 從數據中學習的計算程序程序，其基礎是包括建議系統，面部識別和無人駕駛汽車的應用程序。 |
| Charu C. Aggarwal | 神經網絡和深度學習 | 本書涵蓋了深度學習中的古典和現代模型。主要的重點是深度學習的理論和算法。這本書也很豐富地討論不同的應用程序，以便為從業者提供神經體系結構如何設計用於不同類型的問題的風味。 |
| HalDauméIII | 機器學習課程 | 這本書的目的是為該領域提供溫和的教學組織介紹。這本書的第二個目標是提供側重於思想和模型而不是數學的機器學習的視圖。 |
| Ian Goodfellow和Yoshua Bengio和Aaron Courville | 深度學習 | 這本書從有關機器學習基礎知識的討論開始，包括從學術角度有效地研究深度學習所需的應用數學和算法。書中沒有涵蓋的代碼，非常適合非技術AI愛好者。 |
| 彼得·哈靈頓 | 機器學習 | （來源：https：//github.com/kerasking/book-1/blob/master/ml%20Machine%20Learning％20IN%20Action.pdf）本書是通知新手的指南，以了解機器學習所需的技術以及實踐背後的概念。 |
| 傑夫·希頓 | 人類的人工智能 | 這本書可幫助其讀者獲得對AI算法的概述和理解。它是為那些沒有廣泛數學背景的人教AI。讀者只需要對計算機編程和大學代數的基本知識。 |
| John D. Kelleher，Brian Mac Namee和Aoife D'Arcy | 預測數據分析的機器學習基礎：算法，工作示例和案例研究（麻省理工學院出版社） | 本書涵蓋了機器學習的所有基本原理，深入研究主題的理論，並使用實際應用，工作示例和案例研究來推動知識回家。 |
| Deepak Khemani | [人工智能的第一門課程] | 這是一門人工智能的入門課程，是一種基於知識的方法，該方法使用遍布和結構良好的算法的代理和證明。本書主要遵循一種自下而上的方法，探討了智力部分所需的問題解決問題的基本策略。 |
| Maxim Lapan | 深鋼筋學習動手 - 第二版 | 深入強化學習動手實踐，第二版是最新的強化學習（RL）工具和技術的最新且擴展的版本。它為您提供了RL的基礎知識的介紹，以及動手編碼智能學習代理以執行一系列實際任務的能力。 |
| 湯姆·米切爾（Tom M Mitchell） | 機器學習 | 本書涵蓋了機器學習領域，這是對算法的研究，允許計算機程序通過經驗自動改進。該書旨在支持機器學習中的上層本科和入門級研究生課程。 |
| 約翰·保羅·穆勒（John Paul Mueller）和盧卡·馬薩隆（Luca Massaron） | 假人的機器學習 | 本書旨在使讀者熟悉機器學習的基本概念和理論及其如何應用於現實世界。這裡的“假人”是指沒有技術背景的絕對初學者。本書在Python和R中介紹了一些編碼，用於教機器以查找模式和分析結果。從那些小的任務和模式中，我們可以通過網絡搜索，互聯網廣告，電子郵件過濾器，欺詐檢測等在日常生活中的用途來推斷機器學習如何有用。有了這本書，您可以邁出一步，進入機器學習領域，我們可以在Pyton和R中學習一些基本編碼（如果有興趣） |
| 邁克爾·尼爾森 | 神經網絡和深度學習 | AI中神經網絡的核心原理和深度學習的簡介 |
| 西蒙·羅傑斯（Simon Rogers）和馬克·吉羅拉米（Mark Girolami） | 機器學習課程 | 西蒙·羅傑斯（Simon Rogers）和馬克·吉羅拉米（Mark Girolami）的機器學習課程是當前可用的ML的最佳入門書。它結合了嚴格和精確度與可訪問性結合起來，從最簡單的設置中對貝葉斯分析的基本基礎的詳細說明開始，然後一直到該主題的邊界，例如無限混合模型，GPS和MCMC。 |
| 彼得·諾維格 | 人工智能編程的範式 | AI編程的範式是在構建主要AI系統的背景下教授先進的常見LISP技術的文本。通過使用最先進的Common LISP重建真實，複雜的AI程序，該書教授學生和專業人士如何構建和調試強大的實踐程序，同時展示出色的編程風格和重要的AI概念。 |
| 斯圖爾特·羅素（Stuart Russel）和彼得·諾維格（Peter Norvig） | 人工智能：現代方法，第三版 | 這是我介紹AI大學課程的規定教科書。它開始解釋AI是什麼的所有基礎和定義，然後啟動到代理，算法以及如何應用它們之前。羅素來自加利福尼亞大學伯克利分校。諾維格來自Google。 |
| 理查德·薩頓（Richard S.Sutton）和安德魯·G·巴托 | 強化學習：簡介 | 強化學習是人工智能中最活躍的研究領域之一，是一種計算方法，可以使代理商在與復雜，不確定的環境互動時嘗試最大化其獲得的獎勵總量。 |
| Alex Smola和Svn Vishwanathan | 機器學習簡介 | 為讀者提供了ML廣泛應用的概述，包括一些統計和概率理論的基本工具。還包括有關複雜思想和概念的討論。 |
| Shai Shalev-Shwartz和Shai Ben-David | 了解從理論到算法的機器學習 | 這本書的主要目標是提供嚴格但易於遵循的介紹機器學習的主要概念。 |
| 錢德拉SSV | 人工智能和機器學習 | 這本書主要用於計算機科學與工程學的本科和研究生。本教科書涵蓋了人工智能和機器學習的困難環境之間的差距。它提供了大量的案例研究和鍛煉示例。除了人工智能和機器學習外，它還涵蓋了各種類型的學習，例如加強，監督，無監督和統計學習。它為每個主題提供了充分解釋的算法和偽編碼，這使本書對學生非常有用。 |
| 奧利弗·西奧伯爾德（Oliver Theobald） | 絕對初學者的機器學習：簡單的英語介紹 | 這是絕對的初學者指南。不需要數學背景，也不需要編碼體驗 - 這是對任何對機器學習感興趣的人的最基本介紹。 “純”語言在這裡受到高度重視，以防止初學者被技術術語淹沒。各種算法都伴隨著清晰，易於訪問的解釋和視覺示例，以確保事情易於遵循。 |
| 湯姆·塔利 | 人工智能基礎知識：非技術介紹 | 這本書使您對人工智能及其影響的根本掌握。它為重要概念提供了非技術介紹，例如機器學習，深度學習，自然語言處理，機器人技術等。此外，作者進一步擴展了圍繞AI對包括社會趨勢，道德，政府，公司結構和日常生活在內的方面影響的問題。 |
| Cornelius Weber，Mark Elshaw，N。 Michael Mayer | 強化學習 | 學習是一個非常重要的方面。這本書是關於加強學習的，涉及執行行動以實現目標。本書的前11章描述並擴展了強化學習的範圍。 |
| John D. Kelleher，Brian Mac Namee，Aoife D'Arcy | 算法，工作示例和案例研究 | 對預測數據分析中使用的最重要的機器學習方法的全面介紹，涵蓋了理論概念和實際應用。 |
