учебное пособие искусственный интеллект

Золотая десятка книг по искусственному интеллекту.

Золотая десятка книг по искусственному интеллекту.

Описание, электронные книги, видеоОбзоры и текстовые конспекты.

1. Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению (2021) Эндрю Берджесс.

ВидеоОбзор

Текстовый конспект https://smart-lab.ru/blog/655742.php
Автор: Эндрю Берджесс

Издательство: Альпина Диджитал
Жанр: Бизнес-процессы, Инновации в бизнесе, Информационные технологии (IT)

Описание: Если вы хотите разобраться, как использовать искусственный интеллект (ИИ) в своем бизнесе, чтобы сделать его более конкурентоспособным, инновационным и ориентированным на будущее, то эта книга для Вас.
Цель этой книги – дать максимум информации об искусственном интеллекте, не отвлекаясь на сложные технологические подробности и терминологию.
Эндрю Берджесс предлагает прагматичный и лишенный хайпа подход к описанию искусственного интеллекта.
В основе книги лежит разработанная автором структура, которая рассматривает восемь основных практических функций ИИ, например распознавание образов, обработку естественного языка и прогнозирование трендов. Особенности применения и реальные возможности каждой функции подробно рассмотрены на реальных примерах.

2. Что делать, когда машины начнут делать все. Как роботы и искусственный интеллект изменят жизнь и работу (2019)

Автор: Фрэнк Малкольм, Пол Рериг, Бен Принг
Издательство: Эксмо
Жанр: Научно-популярная литература
Формат: FB2, EPUB
Качество: Изначально электронное (ebook)
Иллюстрации: Черно-белые

Описание: Роботы не наступают – они уже среди нас! Боты штампуют новостные ленты, алгоритмы искусственного интеллекта зарабатывают на финансовых рынках, ставят медицинские диагнозы и даже помогают выбрать фильмы и товары. Но к чему это все приведет? Лишат ли роботы людей работы? Сможет ли искусственный разум подчинить себе человечество? Как автоматизация бизнеса поможет победить в конкурентной борьбе? Одни из самых признанных экспертов в сфере высоких технологий провели глубокий анализ и поделились интересными выводами.

3. Внедрение искусственного интеллекта в бизнес-практику. Преимущества и сложности. Томас Дэвенпорт. 2021

Электронная книга t.me/kudaidem/1390

Автор: Томас Дэвенпорт
Издательство: Альпина Диджитал
Жанр: Бизнес-процессы, Корпоративная культура

Описание: Многие компании до сих пор не понимают, какую реальную выгоду принесет им внедрение новых технологий в их бизнес-процессы.
Томас Дэвенпорт показывает, как можно эффективно интегрировать ИИ и когнитивные технологии в текущую бизнес-стратегию предприятия, чтобы сделать продукты привлекательнее, процессы совершеннее, а компанию успешнее.
Он подробно рассматривает преимущества и сложности внедрения различных видов технологий: статистическое машинное обучение, нейронные сети, глубокое обучение, обработку естественного языка, экспертные системы на основе правил, роботов и роботизированную автоматизацию процессов. И приводит примеры как успешного, так и неудачного использования ИИ в разных компаниях: Amazon, Google, Facebook, GlaxoSmithKline, Uber, GE, цифровом банке DBS и др.

4. Неизбежно. 12 технологических трендов, которые определяют наше будущее (2017)

Электронная книга t.me/kudaidem/1391

Автор: Кевин Келли
Издательство: Манн, Иванов и Фербер
Жанр: Бизнес книги, предпринимательство

Описание:
Один из ведущих мыслителей современности рассказывает о главных технологических трендах, которые будут определять мир в ближайшие 30 лет и изменят нашу жизнь.
Многое из того, что произойдет в ближайшие 30 лет, неизбежно и будет определяться теми технологическими трендами, которые уже проявляются. В своей захватывающей книге Кевин Келли рисует оптимистичный прогноз на будущее, показывая, как грядущие изменения в нашей жизни — от виртуальной реальности прямо дома и экономики «on demand» (по запросу) и искусственного интеллекта, встроенного в большинство производимых вещей — выступают результатом нескольких долгосрочных и ускоряющихся трендов.
Келли описывает 12 этих трендов и показывает, как они дополняют друг друга и пересекаются. Эти значительные силы изменят то, как мы работаем, учимся, покупаем и общаемся друг с другом. Вы сможете укротить волну изменений и использовать технологии себе на пользу, если будете лучше понимать эти тренды.
Книга Кевина Келли будет полезна всем, кто хочет найти верное направление — для бизнеса, учебы, жизни в целом — и понимать, куда инвестировать, чему учиться и как работать в новом мире.

5. Роботы наступают. Развитие технологий и будущее без работы. Мартин Форд (2016)

Автор: Мартин Форд
Издательство: Альпина Диджитал
Жанр: Образовательная литература, научно-популярная литература

Описание: Смогут ли роботы обеспечить людям материальное изобилие, избыток свободного времени, качественную медицину и образование или же они превратят нашу планету в мир неравенства и массовой безработицы? Правда ли, что усердие и талант перестанут быть залогом жизненных достижений?

IT-предприниматель Мартин Форд аргументированно и веско показывает, почему современные технологии способны оказаться намного более разрушительными для рынка труда, чем инновации прошлого. Цель автора – не испугать читателя, а привлечь внимание к этим непростым темам. Эту увлекательную и содержательную книгу стоит прочитать всем, кто хочет понять, как развитие новых технологий влияет на экономические перспективы, на наших детей и на общество в целом.

6. Искусственный интеллект. Этапы. Угрозы. Стратегии. Ник Бостром (2016)

Электронная книга t.me/kudaidem/1392

Автор: Ник Бостром
Издательство: Манн, Иванов и Фербер
Жанр: Кибернетика, Искусственный интеллект

Описание: Книга о будущем искусственного интеллекта и его опасностях.
Что произойдет, когда машины превзойдут людей в интеллекте? Будут ли они помогать нам или уничтожат человеческую расу? Ник Бостром в своей книге ставит эти вопросы и рассказывает о будущем человечества и разумной жизни.
Человеческий разум имеет некоторые способности, которых нет у других животных. Именно им мы можем быть благодарны за то, что наш вид занимает столь доминирующее положение. Если машины превзойдут наш человеческий мозг по уровню интеллекта, они могут стать очень сильными — и даже выйти из-под нашего контроля. Существование современных горилл, например, зависит от человека больше, чем от самих горилл, — то же самое может произойти с человеком и новым машинным суперинтеллектом.
Но у нас есть одно существенное преимущество: первый шаг за нами. Возможно ли зародить искусственный интеллект, сделав этот процесс контролируемым и безопасным? В этой книге сложнейшие научные вопросы о будущем человечества и искусственного интеллекта описаны доступным языком.

7. Технологии Четвертой промышленной революции. Клаус Шваб, Николас Дэвис (2018)

Описание: Четвертая промышленная революция меняет мир. Искусственный интеллект, блокчейн, нано- и биотехнологии уже трансформируют общество. Грандиозный взлет и падение самой известной криптовалюты биткоин – результат действий миллионов людей, доверившихся технологии. Клаус Шваб, основатель и бессменный председатель Всемирного экономического форума, утверждает: «Действия, которые мы совершаем сегодня, влияют на цепочку событий, трансформирующих мир. Технологии, которые нас окружают, меняются в результате наших решений, а затем меняемся и мы сами». Все мы участвуем в формировании будущего, и чтобы создать мир, в котором мы хотим жить, нужно осознать масштаб происходящих изменений. Более 200 ведущих мировых экспертов в области технологий, экономики и социологии приняли участие в работе над этой книгой, чтобы продемонстрировать читателям максимально полную картину трансформации окружающего нас мира.

8. Искусственный интеллект на практике. 50 кейсов успешных компаний (2020)

Электронная книга t.me/kudaidem/1394

Автор: Бернард Марр, Мэтт Уорд
Издательство: Манн, Иванов и Фербер (МИФ)
Серия: МИФ. Бизнес
Жанр: Бизнес-процессы, Инновации в бизнесе

Описание: У искусственного интеллекта – огромные возможности. Вы поймете, что он означает для современного бизнеса и какую роль играет в преображении нашего мира. На 50 ярких примерах вы узнаете, как ИИ используют стартапы, традиционные компании и гиганты вроде Google, Facebook, Microsoft и Amazon.

9. Восстание машин отменяется! Мифы о роботизации. Дэвид Минделл (2017)

Электронная книга t.me/kudaidem/1395

Автор: Дэвид Минделл
Издательство: Альпина Диджитал
Жанр: Искусственный интелект, экспертные системы

Описание: Профессор Массачусетского технологического института Дэвид Минделл, посвятивший больше двадцати лет робототехнике и океанологии, с уверенностью заявляет, что автономность и искусственный интеллект не несут угрозы. В этой сложной системе связь между человеком и роботом слишком тесная.
Вместе с автором читатель спустится на дно Тирренского моря, чтобы найти древние керамические сосуды, проделает путь к затонувшему «Титанику», побывает в кабине самолета и узнает, зачем пилоту индикатор на лобовом стекле; найдет ответ на вопрос, почему Нил Армстронг не использовал автоматическую систему для приземления на Луну.
Книга будет интересна всем, кто увлечен самолетами, космическими кораблями, подводными лодками и роботами, влиянием технологий на наш мир.

10. Новый цифровой мир. Как технологии меняют жизнь людей, модели бизнеса и понятие государств. Эрик Шмидт, Джаред Коэн (2013)

Автор: Эрик Шмидт, Джаред Коэн
Издательство: Манн, Иванов и Фербер
Жанр: Бизнес

Описание: Авторы книги «Новый цифровой мир», подробно описавают завораживающую масштабную картину тектонических сдвигов в технологиях и общественном сознании во всех сферах жизни.
В книге нет ничего фантастического. «Просто» скрупулезно собранные примеры новейших разработок, текущие направления их развития и факты того, как новые технологии применяются людьми. Но это как раз то, из чего формируется наш завтрашний день. Будущее уже здесь.

Источник

Онтол от DeepMind: самые полезные материалы по искусственному интеллекту от мирового лидера

Ученые из DeepMind составили Curated Resource List образовательных материалов для тех, кто хочет связать свою жизнь с ИИ и машинным обучением. Я называю такую подборку «онтол» — список того, что формирует картину мира по данному вопросу, ранжированный по важности и составленный живым человеком, специалистом, который несёт репутационную ответственность за этот список (чтобы не было в нём маркетинговой и ангажированной фигни).

По задумке, если десяток лучших компаний в области ИИ попросят своих ведущих специалистов (каждого) сделать подборку лучших материалов, которые сформировали их как специалистов, то мы получим массив подборок (список топ-10/100 ресурсов+имя составителя) и на основе этого можно будет делать интересные выводы ( а)по качеству материалов, что следует учить в первую очередь б) по качеству специалистов, которые могут выделять главное в)что-то ещё). Так мы «разметим» все открытые тексты/видео в области ИИ. Потом возьмемся за другие темы: еда, доверие, дело жизни, семья, сотрудничество, когнитивные искажения и прочее — то, что формирует картину мира.

Тестируйте прототип beta.ontol.org и подписывайтесь на канал @Ontol

Оглавление

Этика

21 Definitions of Fairness and Their Politics (видео) — Арвинд Нараянан дискутирует о различных определениях справедливости и их компромиссах, которые они представляют для общества.

Fairness and Machine Learning Book (книга, видео) — Обзор справедливости в темах, касающихся машинного обучения.

Harvard University’s Justice Course (видео) — Углубленные и увлекательные лекции по вопросам справедливости и нравственной философии (Перевод).

NeurIPS 2017 Tutorial on Fairness in Machine Learning (видео) — Солон Бароказ и Мориц Хардт подробно обсуждают социотехнические элементы справедливости в машинном обучении.

The Trouble with Bias — NeurIPS 2017 (видео) — Кейт Кроуфорд рассуждает об этнических последствиях предвзятости в системах искусственного интеллекта.

Safety

AGI Safety Literature Review (публикация) — Отличный обзор литературы по безопасности общего искусственного интеллекта до 2018 года с сотнями ссылок для дальнейшего изучения.

AI Alignment newsletter by Rohin Shah (Новостная рассылка) — Еженедельная рассылка с кратким изложением последних работ в области безопасности искусственного интеллекта.

AI safety YouTube channel by Robert MIles (видео) — Образовательные и развлекательные видео, знакомящие аудиторию с ключевыми концепциями безопасности общего искусственного интеллекта.

Concrete Problems in AI safety (публикация) — Полезный обзор на безопасность искусственного интеллекта, первоначальная и статья уже ставшая классикой в области безопасности ИИ.

Human Compatible:Artificial Intelligence and the Problem of Control by Stuart Russell (книга) — Обязательная к прочтению книга по безопасности искусственного интеллекта авторства первоначальника ИИ.

Теория и фундаментальные понятия

3Blue1Brown Youtube channel (видео) — Отличная серия учебных пособий. Особенно полезны видео с нуля по линейной алгебре и нейронным сетям.

A 2020 vision of Linear Algebra (Gilbert Strang, MIT) (видео) — Кратко под новым углом резюмируют весь курс по линейной алгебре с техническими деталями: как линейная алгебра применяется в реальной жизни, а особенно в области машинного обучения.

Andrew Ng’s Machine Learning course (онлайн курс) — Первый очень практичный и обширный курс по машинному обучению. Поскольку курс на платформе Coursera, ваши задания могут оценивать, а ассистенты и другие обучающиеся могут помогать вам с материалом курса.

Causal Inference in Statistics: A Primer (онлайн препринт) — Отличное введение в причинный вывод. Это препринт полной версии последней книги.

Causal Inference: What If (онлайн книга) — Новая книга о причинном выводе.

David MacKay, information theory course videos (видео) — Охватывает широкий ряд областей в фирменном стиле лекций МакКея.

David MacKay’s Course on Information Theory, Pattern Recognition, and Neural Networks (видео) — Курс легендарного Дэвида МакКея по теории информации, выявлению шаблонов данных и нейронным сетям.

Decision-theoretic foundations for statistical causality (онлайн статья) — Альтернативный способ формулирования операций причинного вывода.

Deep Bayes summer school lectures and lab materials (видео) — Лекции и практические задания по вероятностному моделированию и Байесовскому обучению.

Elements of Causal Inference: Foundations and Learning Algorithms (онлайн книга) — Эта книга простым и доступным способом знакомит читателя с причинным выводом.

Essence of Linear Algebra (3blue1brown) (видео) — Дает очень хорошее представление о ключевых идеях в линейной алгебре, не вдаваясь в технические детали. Сопровождает традиционный учебник по линейной алгебре или курс колледжа.

Francis Bach’s blog (блог) — Полезные советы и рекомендации, глубокий анализ различных концепций машинного обучения.

Human intelligence enterprise course (материалы к курсу) — История человеческого интеллекта.

Is the Abstract Mathematics of Topology Applicable to the Real World? (видео) — Введение представляет собой отличное описание основ топологии. Семинар убедительно описывает определенные приложения.

KhanAcademy courses (видео) — Отличное введение для начинающих в статистику, теорию вероятности, математику, необходимые для понимания машинного обучения.

Learning from Data course — Caltech (видео) — Аккуратное введение в машинное обучение. Очень понятное объяснение тем.

Lecture Notes on Monte Carlo (заметки к курсу) — Краткое объяснение метода Монте-Карло.

Mathematics for Machine Learning (книга) — Отличная книга, охватывающая основные математические концепции, необходимые для машинного обучения.

MIT Machine Learning course (онлайн курс) — Отличный курс 2006-го года по основам (а теперь уже и истории) машинного обучения до того, как глубокое обучение и многие уровни абстракции стали мейнстримом.

Nando de Freitas Course on Machine Learning (видео) — Полезный курс и презентация по машинному обучению.

Princeton Companion to Mathematics (книга) — Вероятно, самый поразительный математический источник из всех существующих. Книга предоставляет подробный обзор самый важных концепций в современной математике, не предполагающий никакого бэкграунда в самопровозглашенном формате “сказок на ночь” — увлекательная, простая для понимания и интуитивно понятная.

Project Euler (Problem Solving Community) — Серия сложных математических задач и проблем из информатики для активизации мозга. Их очень интересно решать, а приобретенные знания помогут вам в карьере в области глубокого обучения.

Statistical Learning Theory course (онлайн курс) — Бесплатный курс по основам машинного обучения, ориентированный на людей с математическим образованием, ведут профессора Хасти и Тибширани.

The Book of Why (главы из книги) — Легкое введение в причинный вывод и исторический экскурс в его развитие.

Neuroscience

Brain Inspired Podcast (подкаст) — Подкаст, в котором сливаются нейробиология и искусственный интеллект.

Center for Brains Minds + Machines Summer School Lectures (видео) — Лекции из знаменитой летней школы Вудс Хоул по вычислительной *когнитивной* нейробиологии (подробнее о высокоуровневом познании, поведении и связях с машинным обучением).

Computational Cognitive Modeling @ NYU (слайды и тексты) — Обзор вычислительных подходов к моделированию человеческого познания, тесно связанное с искусственным интеллектом и машинным обучением.

Computational models of the neocortex (Class notes) — Междисциплинарные и передовые.

Lectures from Methods in Computational Neuroscience Woods Hole Summer School (видео) — Лекции из знаменитой летней школы Вудс Хоул по вычислительной *системе* нейробиологии (подробнее о циклах и системных свойствах мозга)

Marr’s Levels of Analysis (Vision, 1982, Chapter 1) (глава из книги) — Отлично объясняет на примерах на примерах полезных алгоритмов вроде EM. Служит отличным дополнением к книге Бишопа.

MIT Brains, Minds, and Machines Summer Course (видео) — Курс выпускного уровня на стыке когнитивной науки, нейробиологии и искусственного интеллекта.

Probabilistic Models of Cognition (интерактивный учебник) — Интерактивный учебник, описывающий использование вероятностной модели для создания и моделирования человекоподобного поведения.

The challenge of understanding the brain: where we stand in 2015 (публикация) — Хороший обзор нейробиологии с точки зрения биологии.

Theoretical Neuroscience (онлайн книга) — Популярное введение в теоретическую нейробиологию.

Natural Language Processing

A Code-first Introduction to Natural Language Processing (видео) — Введение в обработку естественного языка для людей с техническим образованием.

A Primer on Neural Network Models for Natural Language Processing (публикация) — Понятный обзор на то, как используются нейронные сети в обработке естественного языка.

CS224n: Natural Language Processing with Deep Learning (видео) — Стэнфордский курс по современной обработке естественного языка.

NLP Progress (список датасетов и результатов) — Вебсайт под управлением сообщества с перечислением большого количества задач, датасетов и современных результатов по обработке естественного языка.

Oxford/DM NLP Course 2017 (курс лекций) — Продвинутый лекционный курс по обработке текста на естественном языке, прочитанный в Оксфорде DeepMinder’ами.

Speech and Language Processing (книга) — Авторитетная отсылка на обработку естественного языка — теперь уже в 3D версии и доступная онлайн.

The Annotated Transformer (запись в блоге) — Отличное введение в доминирующую модель обработки естественного языка.

Machine Learning

Amii’s Coursera Machine Learning: Algorithms in the Real World Specialization (онлайн курс) — Отличный обзор на формирование и выявление проблем машинного обучения и их решения.

Bayesian Reasoning and Machine Learning (онлайн книга) — Основы вероятностного рассуждения и моделирования.

David MacKay, Gaussian Process Basics (видео) — Самое доступное и понятное введение в Гауссовский процесс.

David MacKay’s book «Information Theory, Inference, and Learning Algorithms» (книга) — Дэвид МакКей представляет уникальный взгляд на связь между теорией информации, инференцией и обучением. Стиль его письма уникален, как и юмор в книге.

Getting into machine learning (блог) — Блог для тех, кто хочет заняться машинным обучением.

Lecture notes on Machine Learning (конспект) — Конспекты с лекций Герберта Ягера по машинному обучению. Описывают много основ и стандартов тем по машинному обучению. Очень хорошо написаны (почти как книга).

Machine Learning at UBC 2012 (видео) — Курс 2012-го года по машинному обучению от Университета Британской Колумбии.

Machine Learning, Probability and Graphical Models (Sam Roweis) (видео) — Отличное объяснение графических моделей легендарным Сэмом Ровейсом.

Ranking of ML online courses (список ресурсов) — Достаточно полный обзор топовых онлайн курсов по машинному обучению.

Stanford’s Machine Learning Course (видео) — Введение курса по машинному обучению.

Sunday Classics (список ресурсов) — Сборник классических работ по всем темам в машинном обучении, когнитивной науке, статистике, теории информации, нейробиологии, искусственном интеллекте, обработке сигналов, исследование операций, эконометрике и др.

WEKA: a workbench for machine learning (онлайн ресурсы) — Большой набор бесплатных программных инструментов для ознакомления с данными, визуализацией данных, классификацией, регрессией, выбором характеристик и основой data science. Я постоянно использую эти ресурсы, чтобы научить других видеть закономерности в данных и ценить, как много может увидеть система и использовать эти и более сложные паттерны.

David MacKay, all videolectures (видео) — Имя Дэвида МакКея хорошо известно в этой области, в особенности в области статистики и вероятностном машинном обучении.

Deep Learning

Andrej Karpathy blog/hacker guide (запись в блоге) — Очень доступное вступление к нейронным сетям. Также в его блоге можно найти применимые для жизни практические советы.

An overview of gradient descent optimization algorithms (запись в блоге) — Исчерпывающий пост, рассматривающий основные варианты градиентного спуска, используемого для оптимизации нейронных сетей

Chris Olah blog (блог) — Подход Криса Ола можно назвать очень образовательным за изучение ключевых концептов (таких как понимание концепций и элементов) в машинном обучении на глубоком уровне. Крис страстно увлечен образованием и отлично пишет посты.

Crash Course AI (видео) — Полезная отлично подготовленная вступительная серия. Вполне вероятно, самая лучшая для школьников и новичков.

CS231: Convolutional Neural Networks for Visual Recognition (Stanford) (видео) — Отличные заметки по ссылке: cs231n.github.io Хорошее продолжение курса Эндрю Ына, которое гораздо глубже погружает нас в сверточные нейронные сети (про это кратко упоминалось в конце предыдущего курса) и представляет более продвинутые концепции, такие как генеративные модели, глубокое подкрепление.

CS231n: Convolutional Neural Networks for Visual Recognition (Stanford’s legendary CNN lectures) (видео) — Отличный обзор как классических, так и наиболее ранних работ по сверточным нейронным сетям, которые создают основу для большей части работ с визуальными данными

Deep Learning at Oxford 2005 (видео) — Оксфордский курс 2015-го года по глубокому обучению.

Deep Learning Book (книга) — Обширное введение в основы глубокого обучения некоторыми первооткрывателями в этой области.

Deep Learning Indaba Practicals (Colabs) — Существуют учебные пособия, которые были разработаны и проверялись на людях в течение многих лет, для преподавания глубокому обучению от фундаментальных основ до продвинутых тем, таких как построение фреймворка автоматического дифференцирования или обучение генеративно-состязательной сети.

Dive into Deep Learning (книга) — Отличный формат, превращающий изучение ключевых концепций машинного обучения в увлекательное и интерактивное занятие.

DL + RL course with UCL (видео) — Этот курс охватывал много вопросов связанных с глубоким обучением и обучением с подкреплением. Он состоял из двух, в основном отдельных, путей: один на глубоком обучении и один на обучении с подкреплением, которые могли изучаться отдельно.

EEML (first/second edition) Lab materials (Colabs) — Лекции и практические задания по вероятностному моделированию и Байесовскому обучению.

EEML slides from lectures (слайды) — Слайды для лекций прошлогодней EEML (записи, к сожалению, нет). Они охватывают большое количество материала от введения до более сложных презентаций.

Full Stack Deep Learning (онлайн курс) — Модели глубокого обучения не существуют в вакууме. Этот курс освещает практические аспекты глубокого обучения, такие как модель внедрения, инфраструктуру, отладку и даже подготовку к собеседований на тему глубокого обучения.

Intro to machine learning talk at Lviv workshop (раз, два) (лекции) — Введение в машинное обучение. Оно вводит теорию, на основе которой можно построить механизм глубокого обучения.

Khipu videos and practicals + гитхаб (видео + слайды) — Материалы из Khipu — видео и практические задания для прохождения студентами.

Lilian Weng’s blog (блог) — Блог Лилиан содержит посты на различные темы, начиная с преподавания учебной программы, учебы, основанной на самоконтроле, мета-обучении и тд. Сами посты не слишком детализированы, иногда слишком углубляются в специализацию, но довольно часто обновляются новой информацией, появившейся после выхода первоначального поста.

MIT 6.S191 Intro to Deep Learning (видео и туториалы) — Вводный курс Массачусетского технологического института по глубокому обучению и информационным системам.

Online journal (журнал) — Рецензируемый онлайн-журнал, позволяющий создавать информативные визуализации и код в том числе для облегчения понимания исследовательских работ и повышения прозрачности и воспроизводимости.

Parallel Distributed Processing (онлайн книга) — Классика для всех, кто хочет понять корни глубокого обучения ещё в тот момент, когда это был “коннекционизм”.

Practical Deep Learning for Coders (онлайн курс) — Рекомендован друзьями других технических специальностей (вроде физики и математики) в качестве отличного введения в глубокое обучение.

Stanford’s NLP with Deep Learning Course (онлайн курс) — Полезен для всех, кто хочет начать изучать обработку естественного языка.

Sutton and Barto’s Reinforcement Learning (учебник) — Это учебник всех учебников по обучению с подкреплением. Он выстроен от очень базовых вещей до продвинутых тем. Сопровождает лекции Дэвида Сильвера.

Reinforcement Learning

Alberta RL 4-course Specialization (онлайн курс) — Четыре последовательных курса по обучению с подкреплением, начиная с Bandits и заканчивая аппроксимацией функций (NNs), методом градиента и средним вознаграждением.

CS330: Metalearning and Multitask (видео) — Содержит обзор последних работ в области мета-обучения и многозадачности. Вдохновляющее и очень полезное видео для того, чтобы идти нога в ногу с современными идеями в данной области.

David Silver, Introduction to Reinforcement Learning (видео) — Хорошо подхватывает идеи из учебника Саттон и Барто: Почему нам стоит задумываться об этих проблемах? Как соотносятся идеи, которые мы уже обсуждали? и тд.

David Silver’s RL Course from UCL (видео) — Полезно для всех, кто хочет узнать об обучении с подкреплением.

Emma Brunskill RL Course (видео) — Видеолекции по обучению с подкреплением из курса Эммы Бранскилл в Стэнфорде.

OpenAI blog (блог) — Доступные презентации базовых и продвинутых алгоритмов обучения с подкреплением.

Reinforcement Learning: an Introduction (2018 edition) (книга) — Это та самая вводная книга по обучению с подкреплением. Рич отлично объясняет фундаментальные концепции обучения с подкреплением, а также проходит с читателем весь путь до передовых открытых исследовательских задач.

UofA / Amii Coursera RL Specilization by White and White (онлайн курс) — Проект Альбертского университета — центра исследования обучения с подкреплением. Адам Уайт связан с Deep Mind; Целостная и хорошо продуманная серия курсов, дающая наиболее важные основы обучения с подкреплением.

Spinning Up in Deep RL (код) — Образовательный ресурс, созданный OpenAI, облегчает изучение глубокого обучения с подкреплением.

Unsupervised Learning and Generative Models

Ermon’s graphical models course at Stanford (конспект) — Охватывает большое количество вероятностных методов.

How to Use t-SNE Effectively (интерактивный учебник) — Представляет собой интерактивное и углубленное путешествие ко всем подводным камням использования tSNE, ставший одним из наиболее используемых низкоразмерных вложений данных.

Mathematicalmonk Youtube videos (видео) — Потрясающее объяснение, использующее примеры полезных алгоритмов вроде EM. Отличное дополнение к книге Бишопа.

Monte Carlo Gradient Estimation in Machine Learning (публикация) — Полезна для тех, кто занимается обучением с подкреплением или генеративным моделированием.

Reproducing kernel Hilbert spaces in Machine Learning (материалы к курсу) — Подойдут тем, кто интересуется генеративным моделированием и не только.

Variational inference a feview for statisticians by David Blei (публикация) — Лучшее объяснение вариационных методов в контексте генеративного моделирования.

Прочее

Метаобучение
Chelsea Finn’s Multi-Task and Meta-Learning Course (видео) — Видеолекции по многозадачности и мета-обучению.

Философия
Goodman (1955). The New Riddle of Induction. (глава из книги) Философские предпосылки индуктивного смещения и почему сложно сделать выводы и введение.

Наука
Lex Fridman’s AI podcast (видео) — Беседы с разнообразными и впечатляющими приглашенными выступающими.

Stanford Physics lecture series by Leonard Susskind (видео) — Отличный ресурс для изучения многих важных областей современной физики, включая классическую, статистическую и квантовую механику. Эти лекции не предполагают большие фоновые знания, Леонард может ввести и объяснить сложные идеи в доступной и увлекательной манере.

Computer Science
Mike Bostock interactive visualisations — Интерактивные визуализации Майка Бостока.

Probability in high dimensions — Понятная книга об “идеях на пересечении теории вероятности, анализа и геометрии, которые возникают в широком спектре современных проблем в различных областях”.

Робототехника
Strogatz nonlinear dynamics course (видео) — Видео курс по нелинейной динамике.

За помощь с переводом спасибо Але Бланкмер.

Узнайте подробности, как получить востребованную профессию с нуля или Level Up по навыкам и зарплате, пройдя платные онлайн-курсы SkillFactory:

Источник