AI学习资料汇总

这里列出一些自己已经看过或者正在看的一些好的网站和书籍,以备忘,

一。基础书籍

1。人工智能:李开复谈AI如何重塑个人、商业与社会的未来图谱,李开复 (作者), 王咏刚 (作者)

李博士是上世纪末搞人工智能的顶级专家,近些年来,也大力扶植AI的初创公司,对于AI技术以及对社会的影响有着深刻而独到的理解。这本书可以作为AI科普读物,里面没有包含复杂的概念和高深的学术知识,但是可以告诉我们AI的发展历史,AI的不同流派,目前的应用,以及未来的发展以及对社会的影响。

下面是书的链接,

https://www.amazon.cn/dp/B06ZYKWY22/ref=sr_1_2?ie=UTF8&qid=1543459093&sr=8-2&keywords=ai

 

2。 深度学习(deep learning),伊恩·古德费洛 (Ian Goodfellow) (作者), 约书亚·本吉奥 (Yoshua Bengio) (作者), 亚伦·库维尔 (Aaron Courville) (作者), 赵申剑 (译者), 黎彧君 (译者), 符天凡 (译者), 李凯 (译者)

三位作者是深度学习的权威,这本书还没有细读,但是我认为如果要跨入“深度学习”并且期望在算法的底层优化,这本书是必须要读的。

书的链接如下,

https://www.amazon.cn/dp/B073LWHBBY/ref=sr_1_3?ie=UTF8&qid=1543459093&sr=8-3&keywords=ai

 

3。 Python神经网络编程,塔里克·拉希德 Tariq Rashid (作者), 林赐 (译者)

这本书分为算法原理和算法实现(python),让读者明白神经网络算法的起源和发展,晦涩的公式在作者魔法的语言面前也显得格外轻松俏皮,总之,是一本不可多得的好书。有人说,如果你只想读一本关于神经网络的书,那就读这本吧。我同意上面的表述。

这本书的链接如下,

https://www.amazon.cn/dp/B07C9D8T22/ref=pd_rhf_dp_s_cp_0_5?_encoding=UTF8&pd_rd_i=B07C9D8T22&pd_rd_r=de5f9e5a-719e-4ed9-a24a-1638578ab3dd&pd_rd_w=W0NIK&pd_rd_wg=EWjxO&psc=1&refRID=2KWPXHWYMRS0MEMMWK1Z

 

4。 机器学习 周志华 (作者)

这是一本关于机器学习的教科书,作者是国内的AI权威周志华教授,虽然作者尽力避免讲太多的数学知识,但是这本书真的很像数学推导书(大笑,哈哈)。书的前面,有他的导师作的续,老先生回顾了AI发展的历程,也对目前AI学习提出了自己的看法,大家可以看看。

本书的购买链接如下,

https://www.amazon.cn/dp/B01ARKEV1G/ref=sr_1_1?ie=UTF8&qid=1543799198&sr=8-1&keywords=%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0

 

二。学习网站

1。 https://tensorflow.google.cn/

Tensorflow是google主推的AI开发架构,目前还在完善中,Tensorflow也是全球发展较早的AI framework,说不定过几年就是AI界的Android。因此,要十分重视。

 

2。http://www.tensorfly.cn

国内的学习Tensorflow的网站,目前里面主要是关于Tensorflow相关的内容。

 

3。下面是csdn博客上一个大神整理的资料,也一并贴出和大家分享,

    周志华机器学习+统计学习基础PDF
    链接: https://pan.baidu.com/s/1xIl6Zz1sd6F92EByNUCoCg 密码: 5c47
    林轩田机器学习基石&机器学习技法(带字幕)
    链接: https://pan.baidu.com/s/1PhKT9TWM3kBSNQcV3H2JXA 提取码: 3j2j
    吴恩达-机器学习-斯坦福大学课堂(带字幕,黄海广翻译)
    链接: https://pan.baidu.com/s/1RJXPPWJKSdxe0xfz0WDtdg 密码: zi6t
    网易云链接:https://study.163.com/course/courseMain.htm?courseId=1004570029
    吴恩达-深度学习(带中文字幕)
    网易云链接:https://mooc.study.163.com/smartSpec/detail/1001319001.htm
    徐亦达-机器学习(开源)
    链接: https://pan.baidu.com/s/1M1reV0pIcbVwTcXKq7qZbw 密码: mw3i
    自然语言处理NLP&机器学习导论(中科院宗成庆&哈工大关毅&上交大张志华)
    链接: https://pan.baidu.com/s/1xF7iK0Zk_9tLeiUr3g7TpA 密码: v8yk

    注:上述资源均为网络资源,若侵权,请私信联系删除,谢谢。
    ---------------------  
    作者:唐洋  
    来源:CSDN  
    原文:https://blog.csdn.net/q361239731/article/details/81012904  
    版权声明:本文为博主原创文章,转载请附上博文链接!

内容持续更新中。。。

AI人工智能培训资料(培训PPT+示例代码),资料很大将近3GB,供大家下载学习参考。 1-Python基础(教程+代码) 2-Python数据分析基础(教程+代码) 3-数字图像处理 1)图像处理基础 2)边缘检测 3)形态学图像处理 4-深度学习算法与框架 代码 1)神经网络 2)卷积神经网络 3) 循环神经网络 4)深度学习框架以及应用 卷积神经网络案例 5-AI云服务的调用与搭建 1) 人工智能服务部署 2) 基于AI云服务的快速应用开发 3) 开源项目介绍与实战 6-数据挖掘与数据分析 代码 数据挖掘数据分析-5-分类2-贝叶斯算法 数据挖掘数据分析-1-导论 数据挖掘数据分析-2-机器学习 数据挖掘数据分析-3-数据预处理 数据挖掘数据分析-4-数据仓库 数据挖掘数据分析-5-分类1-kNN 数据挖掘数据分析-5-分类3-决策树ID3 数据挖掘数据分析-5-分类3-C4.5-CART(选) 数据挖掘数据分析-5-分类4-神经网络 数据挖掘数据分析-5-分类4-bp算法(选) 数据挖掘数据分析-5-分类5-支撑向量机SVM 数据挖掘数据分析-6-回归1-线性回归 数据挖掘数据分析-7-聚类 7-目标检测 代码 8-YOLOv3解析 1-VOC数据集 2-COCO数据集 3-目标检测概述 4-mAP 5-faster rcnn 6-YOLOv1解析 7-YOLOv2解析 8-人脸检测与识别 代码 face_recognition 1-adaboost 2-人脸数据集简介 3-ArcFace 9-seq2seq模型 convert seq2seq seq2seq with attention 数字图像处理串讲1 数字图像处理串讲2 10-bert模型 Attention Is All You Need BERT Pre-training of Deep Bidirectional Transformers for Language Understanding bert Transformer 11-其他 机器学习之支持向量机 人工智能技术基础及运营商应用 人工智能-真题集 人工智能-论文集
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值