令人惊叹的人工智能(AI)
这是一个精心策划的人工智能(AI)工具、课程、书籍、讲座和论文的列表。AI,即人工智能,是计算机科学的一个分支,专注于创建可以执行需要类人智能的任务的机器。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旨在模仿人类的认知功能,使机器能够基于经验改进其性能,适应新的输入,并执行类人任务。
内容
工具
- Chat GPT ChatGPT是一个免费使用的AI系统。它允许用户参与对话,获取见解,自动化任务,并在一个地方见证AI的未来。
- Gemini Gemini让你直接访问Google AI。获得写作、规划、学习等方面的帮助。
- DALL·E 2 DALL·E 3是一个AI系统,它可以从自然语言描述中创建出逼真的图像和艺术。
- Sora Sora是一个文本到视频的AI模型,可以根据文本指示创建逼真且富有想象力的场景。
- Claude Claude是一个基础AI模型系列,可以用于各种应用。你可以在claude.ai直接与Claude对话,进行头脑风暴、图像分析和处理长文件。
课程
- 人工智能(AI)导论 - IBM在Coursera上提供的高层次人工智能入门课程
- 生成式AI导论 - Google在Coursera上提供的初学者级别生成式AI入门课程
- CS50人工智能导论 - 该课程探讨了现代人工智能的基础概念和算法
- MIT: 深度学习导论 - 由MIT设计的为期七天的训练营,介绍深度学习方法和应用
- Deep Blueberry: 深度学习书籍 - 为自学者提供为期五周的免费计划,学习CNN、LSTM、RNN、VAE、GAN、DQN、A3C等深度学习架构的基础知识
- 深度强化学习入门 - OpenAI提供的免费深度强化学习课程
- MIT人工智能视频 - MIT人工智能课程
- 动态深度学习学习 - 初学者课程,学习深度学习和神经网络,不使用任何框架
- 人工智能导论 - 由Peter Norvig主持的人工智能基础课程
- 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
- 机器人人工智能 - 该课程将教授人工智能的基本方法,包括概率推理、规划和搜索、本地化、跟踪和控制等,重点在于机器人技术
- 机器学习 - 监督学习和无监督学习的基本机器学习算法
- 深度学习 - 使用TensorFlow的深度学习入门课程
- 斯坦福统计学习 - 聚焦于线性和多项式回归、逻辑回归和线性判别分析的机器学习入门课程;交叉验证、Bootstrap、模型选择和正则化方法(岭回归和Lasso);非线性模型、样条和广义加性模型;基于树的方法、随机森林和提升(Boosting);支持向量机
- 基于知识的人工智能 - 乔治亚理工学院关于符号AI的人工智能课程
- 深度RL训练营讲座 - 2017年8月的深度强化学习训练营讲座
- Google机器学习速成课程 - 机器学习速成课程,包含一系列视频讲座、现实案例研究以及实践练习
- Google Python课程 - 免费的Python课程,适合有一些编程经验的人,包含书面材料、讲座视频以及大量编程练习
- 深度学习速成课程 - 在这个liveVideo课程中,机器学习专家Oliver Zeigermann教授你深度学习的基础知识
- 人工智能:现代方法 - 斯图尔特·拉塞尔和彼得·诺维格
- 还可以浏览每章节推荐阅读书目列表,在“人工智能:现代方法”中进行章节划分
- 人工智能编程范例:在Common Lisp中的案例研究 - 人工智能编程范例是第一本教授Advanced Common Lisp技术的书籍,结合了构建主要AI系统的实践
- 强化学习:导论 - 这本关于强化学习的入门教材,目标读者是人工智能、运筹学、神经网络和控制系统的工程师和科学家,并希望心理学家和神经科学家也感兴趣
- 剑桥人工智能手册 - 为非专业人士撰写,涵盖了该学科的基础、主要理论和主要研究领域,以及相关主题如人工生命
- 情感机器:常识思维、人工智能和人类思想的未来 - 在这本扩展思维的书中,科学先锋Marvin Minsky继续他的开创性研究,提供了一个关于我们思想运作的新模型
- 人工智能:新综合 - 从基本的反应代理开始,Nilsson逐步增加它们的认知能力,以说明人工智能中最重要和持久的思想
- 关于智力 - Hawkins提出了一个强有力的理论,解释了人脑的工作原理,为什么电脑不智能,以及基于这个新理论,我们最终如何能够构建智能机器。Audible.com提供有声版本
- 如何创造一个大脑 - 库兹威尔讨论了大脑的工作原理,思想的产生,脑-计算机接口,以及大幅提升我们智能来解决世界问题的影响
- 深度学习 - Goodfellow、Bengio和Courville对深度学习广泛主题的介绍,涵盖数学和概念背景,业界使用的深度学习技术及研究前景
- 统计学习基础元素:数据挖掘,推理和预测 - Hastie和Tibshirani涵盖了从监督学习(预测)到无监督学习的广泛主题,包括神经网络、支持向量机、分类树和提升——这是此主题的第一本全面处理的书
- 深度学习与围棋 - 深度学习与围棋教你如何将深度学习的力量应用于复杂的人类思维任务,通过构建一个围棋AI。从机器学习和深度学习的基础开始,你将使用Python构建一个机器人,并教它游戏规则
- 搜索中的深度学习 - 搜索中的深度学习教你如何利用神经网络、NLP和深度学习技术来提高搜索性能
- 使用PyTorch进行深度学习 - PyTorch使你能快速开始并随你的深度学习技能增长而成长的舒适Python体验。使用PyTorch进行深度学习会使这个旅程富有吸引力和乐趣
- 深度强化学习实践 - 深度强化学习实践教你深度强化学习的基本概念和术语,以及你将需要将其应用于自己项目的实际技能和技术
- 深入理解深度强化学习 - 通过示例、插图、练习和清晰的教学,深入理解深度强化学习
- 多模式数据分析实战 - 该书教你构建全功能的数据分析管道,包括文档和数据搜索及分布式数据聚类
- 现实世界自然语言处理 - 一本关于使用Python创建实用NLP应用程序的外提早获取书籍
- 深入理解机器学习 - 提前获取书籍,介绍最有价值的机器学习技术
- AI成功指南 - 介绍管理成功的AI项目和将AI应用于现实生活情况
- AI元素(第一部分) - Reaktor/赫尔辛基大学 - AI元素是一门免费的在线课程,面向所有对学习AI是什么、AI可以(不能)做什么以及AI如何影响我们的生活感兴趣的人——无需复杂的数学或编程
- 基本自然语言处理 - 一本动手的NLP指南,包含实用技术、大量基于Python的示例和现实案例研究
- Kaggle的微课程 - 一系列微课程,提供从Python到深度学习的实用和实践知识
- 自然语言处理的迁移学习 - 一本书,它让你掌握相关的机器学习概念,然后深入研究自然语言处理的迁移学习
- (斯坦福深度学习系列][https://www.youtube.com/playlist?list=PLoROMvodv4rOABXSygHTsbvUz4G_YQhOb]
- Amazon机器学习开发者指南 - 一本介绍机器学习概念和策略及大量实际应用的书
- 机器学习可观测性课程 - 自学课程,涵盖有效的机器学习可观测性的直觉、数学和最佳实践
- 人类机器学习 - 一系列简单的、用英文解释的文章,伴随着数学、代码和现实世界示例
书籍
- Machine Learning for Mortals (Mere and Otherwise) - 早期访问书,提供机器学习基础知识和使用R编程语言。
- How Machine Learning Works - Mostafa Samir。早期访问书,以一种非威胁性的方式介绍机器学习的实践和理论方面。
- MachineLearningWithTensorFlow2ed 是一本关于通用机器学习技术的书籍,包括使用TensorFlow 1.14.1进行回归、分类、无监督聚类、强化学习、自编码器、卷积神经网络、RNN和LSTM。
- Serverless Machine Learning - 一本针对机器学习工程师的书,讲解如何在AWS、Azure和GCP等公共云上训练和部署机器学习系统,使用代码导向的方法。
- The Hundred-Page Machine Learning Book - 你需要知道的所有机器学习知识,包括100页内的监督和无监督学习,SVM,神经网络,集成方法,梯度下降,聚类分析和降维,自编码器和迁移学习,特征工程和超参数调优。
- Trust in Machine Learning - 一本为资深数据科学家和机器学习工程师提供的书籍,讲解如何让你的AI成为可信赖的伙伴。构建可解释的、健壮的、透明的、并优化公平性的机器学习系统。
- Generative AI in Action - 一本展示如何将生成性AI工具(包括文本、图像、代码等)加入到你的组织策略和项目中的书籍。
编程
- Prolog Programming For Artificial Intelligence - 畅销的Prolog和人工智能指南,侧重于使用Prolog的基本机制解决有趣的AI问题的艺术。
- AI Algorithms, Data Structures and Idioms in Prolog, Lisp and Java - PDF链接
- Python Tools for Machine Learning
- Python for Artificial Intelligence
哲学
- Super Intelligence - Superintelligence提问:当机器在一般智能方面超过人类时会发生什么?
- Our Final Invention: Artificial Intelligence And The End Of The Human Era - Our Final Invention探讨了对先进AI的无视追求的危险。到目前为止,人类智能没有对手。我们能与比自己更聪明的存在共存吗?他们会允许我们吗?
- How to Create a Mind: The Secret of Human Thought Revealed - 谷歌工程总监Ray Kurzweil探讨了逆向工程大脑以了解其工作原理的过程,然后应用这些知识创造出极为智能的机器。
- Minds, Brains, And Programs - 哲学家John Searle在1980年发表的论文,其中包含了著名的“中文房间”思想实验。这可能是对拥有“心智”或“意识”的强AI概念最著名的反驳,对于那些对AI与心智哲学交叉领域感兴趣的人来说,这是一篇有趣的阅读材料。
- Gödel, Escher, Bach: An Eternal Golden Braid - Douglas Hofstadter所著,被誉为“在Lewis Carroll精神中关于心智与机器的隐喻赋格曲”,这本书带我们深入探讨数学、对称和智能的基本概念,并在1979年获得了普利策非小说奖。贯穿全书的主要主题是从看似无意义的元素(如1和0)中通过特殊的排列模式产生出意义。
- Life 3.0: Being Human in the Age of Artificial Intelligence - MIT物理学教授Max Tegmark讨论了人工智能可能如何影响犯罪、战争、公正、就业、社会以及我们对人类的感觉,无论是在近未来还是遥远的未来。
免费内容
- Foundations Of Computational Agents - 本书由剑桥大学出版社出版。
- The Quest For Artificial Intelligence - 这本书追溯了该学科的历史,从18世纪(及更早)先驱者的早期梦想到今天的AI工程师的更成功的工作。
- Stanford CS229 - Machine Learning - 本课程提供了广泛的机器学习和统计模式识别入门介绍。
- Computers and Thought: A practical Introduction to Artificial Intelligence - 本书涵盖了模拟人类活动(如解决问题和自然语言理解)的计算机仿真;计算机视觉;AI工具和技术;AI编程入门;认知的符号和神经网络模型;心智和智能的本质;以及AI和认知科学的社会影响。
- Society of Mind - Marvin Minsky的经典著作,阐述了我们的心智是如何工作的。许多符号AI概念都是从此基础中衍生出来的。
- Artificial Intelligence and Molecular Biology - 目前的这一卷尝试桥接从核苷酸到抽象概念的探索范围,涵盖当代AI/MB研究中的各个方面。
- Brief Introduction To Educational Implications Of Artificial Intelligence - 本书旨在帮助职前和在职教师了解当前人工智能在解决问题和完成任务中的一些教育影响。
- Encyclopedia: Computational intelligence - Scholarpedia是一个由全球学术专家编写和维护的同行评审开放获取百科全书。
- Ethical Artificial Intelligence - 由Bill Hibbard撰写的书籍,结合了几篇同行评审的论文和新材料,分析了伦理人工智能的问题。
- Golden Artificial Intelligence - 关于人工智能和机器学习的一组页面。
- R2D3 - 一个通过精美动画信息图和真实例子解释从机器学习到统计学的网站。提供多种语言版本。
- Modeling Agents with Probabilistic Programs - 本书描述并实现了(PO)MDP和强化学习的理性代理模型。
代码
- ExplainX- ExplainX是一个快速、轻量级和可扩展的可解释AI框架,为数据科学家解释任何黑盒模型给业务利益相关者。
- AIMACode - “人工智能:现代方法”的源代码,用Common Lisp、Java和Python编写。还有更多内容即将推出。
- FANN - 快速人工神经网络库,C语言原生支持
- FARGonautica - Douglas Hosftadter的流动概念和创造性类比博士项目的源代码。
视频
- A tutorial on Deep Learning
- Basics of Computational Reinforcement Learning
- Deep Reinforcement Learning
- Intelligent agents and paradigms for AI
- The Unreasonable Effectiveness Of Deep Learning - Facebook AI研究总监Yann LeCun博士的演讲,探讨深度卷积神经网络及其在机器学习和计算机视觉中的应用。
- AWS Machine Learning in Motion - 本互动视频课程为您提供AWS机器学习的速成课程,并教您如何构建一个完整的预测算法。
- Deep Learning with R in Motion - Deep Learning with R in Motion教您使用强大的Keras库及其R语言接口应用深度学习到文本和图像。
- Grokking Deep Learning in Motion - Grokking Deep Learning in Motion不仅仅教您如何使用某个库或框架。您将学习从零开始构建这些算法!
- Reinforcement Learning in Motion - 该视频课程讲解关键概念,包括RL系统如何学习,如何感知和处理环境数据,以及如何构建和训练AI代理。
学习
- 深度学习:方法与应用 微软研究院的免费书籍
- 神经网络与深度学习 - 神经网络和深度学习目前为许多图像识别、语音识别和自然语言处理问题提供了最佳解决方案。这本书将教你神经网络和深度学习的核心概念
- 机器学习:概率性视角 - 这本教科书基于统一的概率性方法,提供了一个全面且独立的机器学习领域介绍
- 深度学习 - Yoshua Bengio、Ian Goodfellow 和 Aaron Courville 合著的目前免费(草稿版)的深度学习书籍。该书保持最新,深入覆盖广泛的主题(包括序列到序列学习)。
- 深度学习与Python入门
- 机器学习掌握
- Deep Learning.net - 深度学习资源聚合网站
- 优秀机器学习资源 - 像这个Github,但专注于机器学习
- FastML
- 优秀深度学习资源 - 深度学习学习资源的简略列表
- 专业和深入的机器学习视频课程 - 免费的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 - 免费的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 - 免费的专业和深入的深度学习视频教程和课程的集合
- 机器学习入门 - 初级机器学习速成课
- 优秀图分类 - 从图结构数据中学习
- 优秀社群检测 - 从图结构数据中群集
- 优秀决策树论文 - 来自机器学习会议的决策树论文
- 优秀的梯度提升论文 - 来自机器学习会议的梯度提升论文
- 优秀欺诈检测论文 - 来自机器学习会议的欺诈检测论文
- 优秀神经艺术 - 使用深度神经网络创建艺术和操纵图像
组织
期刊
- AI & Society
- AI Communications
- AI杂志
- 数学与人工智能年鉴
- 工程、通信和计算中的适用代数
- 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
- 自动化软件工程
- 自主代理和多代理系统
- 计算和数学组织理论
- 计算智能
- 电子人工智能交易
- 进化智能
- EXPERT—IEEE智能系统
- IEEE自动化科学与工程交易
- 智能工业系统
- 国际智能系统期刊
- 国际人工智能工具期刊
- 人工智能研究期刊
- 自动推理期刊
- 实验与理论人工智能期刊
- 智能信息系统期刊
- 数据语义期刊
- 知识工程评论
- 心智与机器
- 人工智能进展
竞赛
新闻简报
- Superhuman.ai 每日AI新闻简报
其他
- 开放认知项目 - 我们正在认真努力建立一个能思考的机器
- AITopics - 大型AI资源聚合
- AIResources - AI研究社区的开源软件和开放访问数据目录
- 人工智能子版块
- Google AI实验
许可证
最大限度地在法律允许的范围内,Owain Lewis 已放弃对此作品的所有版权及相关或邻接权利。