精彩的AI书籍
一些关于AI的精彩书籍和PDF供下载和学习。
前言
本仓库仅用于学习,请勿用于商业用途。
欢迎大家在本仓库中提供优秀的书籍,或者告诉我你需要的优秀书籍,我会尽量将其添加到本仓库中。任何想法都可以在这里创建issue或PR。
由于GitHub的大文件存储限制,所有的书籍PDF都存储在Yandex.Disk上。
一些常用的数学符号可以参考这个页面。
目录
论文/研究机构
训练场地
- OpenAI Gym: 一个用于开发和比较强化学习算法的工具包。(可以玩Atari、Box2d、MuJoCo等)
- malmo: Project Malmö是一个基于Minecraft的人工智能实验与研究平台。
- DeepMind Pysc2: 星际争霸II学习环境。
- Procgen: Procgen基准:程序生成的类似游戏的Gym环境。
- TorchCraftAI: 一个用于机器学习研究的星际争霸®:母巢之战®机器人平台。
- Valve Dota2: Dota2游戏访问API。(中文文档)
- Mario AI Framework: 一个用于AI方法的马里奥AI框架。
- Google Dopamine: Dopamine是一个用于快速原型设计强化学习算法的研究框架。
- TextWorld: Microsoft - 一个用于训练和测试强化学习(RL)代理在基于文本的游戏上的学习环境沙箱。
- Mini Grid: 用于OpenAI Gym的极简栅格世界环境。
- MAgent: 一个多智能体强化学习平台。
- XWorld: 一个用于强化学习的C++/Python模拟器包。
- Neural MMO: 一个大规模多智能体游戏环境。
- MinAtar: MinAtar是一个为AI代理实现的几个Atari 2600游戏的微缩版本的测试平台。
- craft-env: CraftEnv是一个2D制作环境。
- gym-sokoban: Sokoban(日语意为仓库管理员)是一款传统电子游戏。
- Pommerman: Playground托管Pommerman,这是为AI研究而构建的炸弹人克隆。
- gym-miniworld: MiniWorld是一个用于强化学习与机器人研究的极简3D室内环境模拟器。
- vizdoomgym: ViZDoom(一个基于Doom的AI研究平台,用于从原始视觉信息中进行强化学习)环境的OpenAI Gym封装。
- ddz-ai: 基于孤立语假设和宽度优先搜索,构建了一种多通道堆叠注意力Transformer结构的斗地主AI。
书籍
入门理论与起步
- 人工智能-现代方法(第3版) - Stuart Russell & Peter Norvig
- 商业 Grokking Artificial Intelligence Algorithms - Rishal Hurbans
数学
- 概率论基础教程(第8版) - Sheldon M Ross
- 凸优化 - Stephen Boyd
- 信息论基础(第2版) - Thomas Cover & Jay A Thomas
- 离散数学及其应用(第7版) - Kenneth H. Rosen
- 线性代数入门(第5版) - Gilbert Strang
- 线性代数及其应用(第5版) - David C Lay
- 概率理论——科学的逻辑 - Edwin Thompson Jaynes
- 概率与统计(第4版) - Morris H. DeGroot
- 统计推断(第2版) - Roger Casella
- 信息论基础(原书Elements of Information Theory第2版) - Thomas Cover & Jay A Thomas
- [凸优化(原书Convex Optimization)](https://yadi.sk/i
深度学习
- 在线快速学习
- 动手学深度学习 - (使用 MXNet) 一本包含代码、数学和讨论的交互式深度学习书籍。
- d2l-pytorch - (动手学深度学习) 的 pytorch 版本。
- 动手学深度学习 - (动手学深度学习) 中文版。
- 深度学习 - Ian Goodfellow & Yoshua Bengio & Aaron Courville
- 深度学习方法与应用 - Li Deng & Dong Yu
- 人工智能深度架构学习 - Yoshua Bengio
- 机器学习算法视角 (第2版) - Stephen Marsland
- 神经网络设计 (第2版) - Martin Hagan
- 神经网络与学习机器 (第3版) - Simon Haykin
- 应用科学与工程中的神经网络 - Sandhya Samarasinghe
- 深度学习 (原书Deep Learning) - Ian Goodfellow & Yoshua Bengio & Aaron Courville
- 神经网络与机器学习 (原书Neural Networks and Learning Machines) - Simon Haykin
- 神经网络设计 (原书Neural Network Design) - Martin Hagan
- 商业书籍 可解释的 AI - Ajay Thampi
- 商业书籍 对话式 AI - Andrew R. Freed
哲学
- 商业书籍 人类兼容性:人工智能与控制问题 - Stuart Russell
- 商业书籍 生命 3.0:人工智能时代的人类存在 - Max Tegmark
- 商业书籍 超级智能:路径、危险、策略 - Nick Bostrom
量子与 AI
-
量子基础
-
量子 AI
-
量子相关框架
- ProjectQ - ProjectQ 是一个用于量子计算的开源项目。
带有在线书籍的库
-
生成内容 (GC)
- Stable Diffusion - [论文] 一个潜在的文本到图像扩散模型
- Stable Diffusion V2 - 使用潜在扩散模型进行高分辨率图像合成
- GFPGAN - [论文] GFPGAN旨在开发用于真实人脸修复的实用算法
- ESRGAN - [论文] ECCV18研讨会 - 增强的SRGAN。PIRM感知超分辨率挑战赛的冠军。训练代码在BasicSR中
- CodeFormer - [论文] - [NeurIPS 2022] 使用代码本查找变换器实现稳健的盲人脸修复
- UniPC - [论文] UniPC: 一种用于快速采样扩散模型的统一预测-修正框架
-
强化学习
- A3C - Google DeepMind异步优势演员-评论员算法
- Q-Learning SARSA DQN DDQN - Q-Learning是一种基于价值的强化学习算法
- DDPG - 深度确定性策略梯度
- 大规模好奇心 - 大规模好奇心驱动学习研究
- PPO - OpenAI近端策略优化算法
- RND - OpenAI随机网络蒸馏,一种用于深度强化学习方法的探索奖励
- VIME - OpenAI变分信息最大化探索
- DQV - 深度质量-价值(DQV)学习
- ERL - 演化引导的强化学习策略梯度
- MF多智能体RL - 均值场多智能体强化学习(包含MF-Q和MF-AC)
- MAAC - 多智能体强化学习的演员-注意力-评论员
-
特征选择
- scikit-feature - 一组特征选择算法,详见Github
-
机器学习
- Scikit learn (Python) - 用于Python的机器学习库
- Linfa (Rust) -
scikit learn
的精神,Rust机器学习库 - Xgboost (Python, R, JVM, Julia, CLI) - Xgboost库的文档
- LightGBM (Python, R, CLI) - Microsoft LightGBM库的功能文档
- CatBoost (Python, R, CLI) - Yandex CatBoost库的主要算法PDF论文
- StackNet (Java, CLI) - 在此库中实现的一些模型堆叠算法
- RGF - 使用
正则化贪婪森林
学习非线性函数(多核实现FastRGF) - FM, FastFM, FFM, XDeepFM - 分解机及其扩展算法
-
深度学习
- GNN论文 - 图神经网络(GNN)必读论文
- EfficientNet - 重新思考卷积神经网络的模型扩展
- DenseNet - 密集连接卷积网络
-
自然语言处理
-
计算机视觉
- Fast R-CNN - 用于目标检测的快速区域卷积网络方法(Fast R-CNN)
- Mask R-CNN - Mask R-CNN,通过添加一个并行的物体掩膜预测分支扩展了Faster R-CNN,同时保留了原有的边界框识别分支
- GQN - DeepMind生成查询网络,用于神经场景表示和渲染
-
元学习
- MAML - 模型无关的元学习,用于深度网络的快速适应
-
迁移学习
- GCN - 通过语义嵌入和知识图谱实现零样本识别
-
自动机器学习
- Model Search (Python) - Google模型搜索(MS)是一个框架,旨在大规模实现模型架构搜索的自动机器学习算法
- TPOT (Python) - TPOT是一个自动机器学习库
- Auto-sklearn (Python) - auto-sklearn是一个自动化的机器学习工具包,可以替代scikit-learn估算器
- Auto-Keras (Python) - Auto-Keras是一个开源软件库,用于自动机器学习(AutoML),由DATA Lab开发
- TransmogrifAI (JVM) - TransmogrifAI(发音为trăns-mŏgˈrə-fī)是一个用Scala编写的AutoML库,运行在Spark之上
- Auto-WEKAA - 提供WEKA模型和超参数的自动选择
- MLBox (Python) - MLBox是一个强大的自动机器学习Python库
-
管道训练
- ZenML (Python) - Zen <SOURCE_TEXT> </SOURCE_TEXT>