人工智能和机器学习 AI&ML howto
我关心的AI、ML的分支领域:
我的博客:Deep Learning 和 Knowledge Graph howto
(有关DL&KG的资料都在这里)
https://www.cnblogs.com/yaoyaohust/p/10228902.html
重要的链接:
AI on the Web
http://aima.cs.berkeley.edu/ai.html
Best Papers vs. Top Cited Papers in Computer Science (since 1996)
http://arnetminer.org/conferencebestpapers%3Bjsessionid=E0A30E1D0F6EBD1F713AB5C29B79D8F7.tt
Machine Learning Surveys
UC Irvine Machine Learning Repository
http://archive.ics.uci.edu/ml/
水木社区 → 学术科学 → AI(人工智能)版
http://www.newsmth.net/bbsdoc.php?board=AI&ftype=6
大家:
John McCarthy's Home Page
http://www-formal.stanford.edu/jmc/frames.html
Marvin Minsky's Home Page
http://web.media.mit.edu/~minsky/
Patrick Henry Winston's Home Page
http://people.csail.mit.edu/phw/index.html
Peter Norvig
Andrew Ng's homepage
http://ai.stanford.edu/~ang/index.html
阅读列表:
How to do Research At the MIT AI Lab
http://dspace.mit.edu/handle/1721.1/41487
READING LIST FOR THE QUALIFYING EXAMINATION IN ARTIFICIAL INTELLIGENCE
http://www-cs-students.stanford.edu/~pdoyle/quail/syllabus/syllabus.html
http://www-formal.stanford.edu/eyal/qual/revised-list.ps (对应的ps文档)
Intelligent Systems - PhD Qualifying Exam Reading List
http://www.cc.gatech.edu/is/is-qual/readings/index.html
引用次数最多的10篇机器学习文献
https://mp.weixin.qq.com/s/YnmihyDxijfIdPKxSeNDAw
AI FAQ Index
http://www.faqs.org/faqs/ai-faq/
著作:
Artificial Intelligence: A Modern Approach
(A practical guide to the AIMA Python code -1: http://blog.youxu.info/2007/10/04/a-practical-guide-to-the-aima-python-code-1/)
Paradigms of Artificial Intelligence Programming: Case Studies in Common Lisp
Pattern Recognition and Machine Learning
http://research.microsoft.com/en-us/um/people/cmbishop/PRML/index.htm
Machine Learning, Tom Mitchell, McGraw Hill, 1997.
http://www.cs.cmu.edu/~tom/mlbook.html
Artificial Intelligence: Foundations of Computational Agents
http://www.cs.ubc.ca/~poole/aibook/html/ArtInt.html
Machine Learning: a Probabilistic Perspective
http://www.cs.ubc.ca/~murphyk/MLbook/index.html
期刊和会议:
Foundations and Trends in Machine Learning
http://www.nowpublishers.com/journals/Foundations%20and%20Trends%C2%AE%20in%20Machine%20Learning/5
- 豆瓣上的一个总结:http://www.douban.com/note/255373634/
编程:
scikit-learn: machine learning in Python
http://projects.scipy.org/scikits(这是developer site,官网似乎被墙了)
Orange,使用Python脚本语言的机器学习组件和可视化编程接口
机器学习软件Weka
http://www.cs.waikato.ac.nz/~ml/
Machine Learning Open Source Software
The Mobile Robot Programming Toolkit
LISP语言学习资源
https://www.cnblogs.com/yaoyaohust/p/10228974.html
What is the best way to get started in artificial intelligence programming?
Language Requirements for AI Development [closed]
http://stackoverflow.com/questions/3522064/language-requirements-for-ai-development
Good Programming Languages for AI
http://cseweb.ucsd.edu/classes/sp00/cse151/q1/crocha.html
a list of some machine learning software. Many of them are open source (the linked page shows the licenses).
http://www.dmoz.org/Computers/Artificial_Intelligence/Machine_Learning/Software/
The Apache Mahout™ machine learning library's goal is to build scalable machine learning libraries.
OpenPR Planning - sourceforge
http://sourceforge.net/projects/openpr/files/code%20for%20an%20individual%20algorithm/
课程:
CS229 Machine Learning Autumn 2012
网易公开课 :机器学习课程(CS229 Machine Learning)
http://v.163.com/special/opencourse/machinelearning.html
CS 188: Artificial Intelligence, Fall 2007
http://inst.eecs.berkeley.edu/~cs188/fa07/lectures.html
Computer Science 294 Practical Machine Learning (Spring 2008)
http://www.cs.berkeley.edu/~pliang/cs294-spring08/
【百度文库课程】机器学习 - 余凯&张潼
http://wenku.baidu.com/course/view/49e8b8f67c1cfad6195fa705
71237Z 统计学习基础 —2008年秋季
http://www.jdl.ac.cn/user/lyqing/statlearning/StatlLearning_handout.html
网站和博客:
Free Mind
丕子
谷子粒-Guzili
leftnoteasy
http://www.cnblogs.com/LeftNotEasy/
JerryLead
http://www.cnblogs.com/jerrylead/tag/Machine%20Learning/default.html?page=1
Rachel Zhang
http://blog.csdn.net/abcjennifer/article/category/1173803
dreamcatcher
v_JULY_v
http://blog.csdn.net/v_july_v/article/category/1061301
demonstrate
http://remonstrate.wordpress.com/ (要用梯子)
liulixiang.info
一些机器学习(Machine Learning)的网站总结
http://scienceroom.net/machine-learning-websites-collection-1370.html
第十届中国机器学习及其应用研讨会(2012) - 会议日程
http://bigeye.au.tsinghua.edu.cn/MLA12/program.htm
李航博士 recent talks
http://www.hangli-hl.com/recent-talks.html
其他:
(右键点击图片->在新标签页中打开图片)
人工智能和机器学习 AI&ML howto的更多相关文章
- AI学习笔记:人工智能与机器学习概述
一.人工智能基本概念 1.1 基本概念 数据分析:对历史规律的展现.对未来数据的预测. 机器学习:机器学习是指从一系列的原始数据中找到规律,提取人们可以识别的特征,然后通过学习这些特征,最终产生一个模 ...
- 人工智能 VS 机器学习 VS 深度学习
(原文:) The Difference Between AI, Machine Learning, and Deep Learning? (译文:) 人工智能 . 机器学习 和 深度学习的区别? 作 ...
- 2017人工智能元年,AI在喧嚣和质疑中一路走来
前百度首席科学家吴恩达说:就像100年前的电力.20年前的互联网一样,AI也会改变每一个产业! 有人说,现在就像1995年,那一年,第一家互联网公司--网景上市,一天之内大涨208%,互联网正式登上历 ...
- 一个开源的,跨平台的.NET机器学习框架ML.NET
微软在Build 2018大会上推出的一款面向.NET开发人员的开源,跨平台机器学习框架ML.NET. ML.NET将允许.NET开发人员开发他们自己的模型,并将自定义ML集成到他们的应用程序中,而无 ...
- 诗人般的机器学习,ML工作原理大揭秘
诗人般的机器学习,ML工作原理大揭秘 https://mp.weixin.qq.com/s/7N96aPAM_M6t0rV0yMLKbg 选自arXiv 作者:Cassie Kozyrkov 机器之心 ...
- 开源的,跨平台的.NET机器学习框架ML.NET
微软在Build 2018大会上推出的一款面向.NET开发人员的开源,跨平台机器学习框架ML.NET. ML.NET将允许.NET开发人员开发他们自己的模型,并将自定义ML集成到他们的应用程序中,而无 ...
- TensorFlow+Keras 01 人工智能、机器学习、深度学习简介
1 人工智能.机器学习.深度学习的关系 “人工智能” 一词最早是再20世纪50年代提出来的. “ 机器学习 ” 是通过算法,使用大量数据进行训练,训练完成后会产生模型 有监督的学习 supervise ...
- 初学者必读:IBM长文解读人工智能、机器学习和认知计算
转自:https://zhuanlan.zhihu.com/p/27228015?utm_source=weibo&utm_medium=social 人工智能的发展曾经经历过几次起起伏伏,近 ...
- (转载)[机器学习] Coursera ML笔记 - 监督学习(Supervised Learning) - Representation
[机器学习] Coursera ML笔记 - 监督学习(Supervised Learning) - Representation http://blog.csdn.net/walilk/articl ...
随机推荐
- 《Head First Servlets & JSP》-6-会话管理-listener etc. demo
工程结构 上下文参数示例 示例程序展示了如何从上下文读取参数,并在上下文监听器中生成属性对象和在上下文中设置属性. 建立一个简单的JavaBean对象作为属性:Dog.java package com ...
- Jmeter-BeanShell的使用介绍
最近学习使用了jmeter来对接口进行测试.使用jmter进行接口测试,有时候需要编写一些BeanShell脚本语言,或者利用BeanShell调用自己的工具类,来完成jmeter基本功能中无法实现的 ...
- Java50道经典习题-程序27 求素数
题目:求100之内的素数分析:素数即除了1和它本身以外不再有其他因数,最小的素数是2 判断一个数n是否是素数的方法:将n分别与2到(n+1)/2取余,若有一个值为0,则n就不为素数,反之为素数 pub ...
- 使用sphinx快速生成Python API 文档
一 简单介绍 不管是开源还是闭源,文档都是很重要的.当然理论上说,最好的文档就是代码本身,但是要让所有人都能读懂你的代码这太难了.所以我们要写文档.大部分情况,我们不希望维护一份代码再加上一份文档, ...
- Binder学习笔记(五)—— Parcel是怎么打包数据的?
前文中曾经遇到过Parcel,从命名上知道他负责数据打包.在checkService的请求/响应体系中,Parcel只打包了基本数据类型,如Int32.String16……后面还要用于打包抽象数据类型 ...
- LinkExtractor 构造器各参数说明
LinkExtractor 构造器各参数说明 特例: LinkExtractor构造器的所有参数都有默认值 各参数说明: allow 接收一个正则表达式或一个正则表达式列表,提取绝对url与正则表达式 ...
- String s String s=null和String s="a"区别
原文链接:https://www.cnblogs.com/ipetergo/p/6826909.htmlString s;和String s=null;和String s="a"; ...
- freemarker常用标签解释三
1 date,time,datetime 日期,时间,时间日期 <#assign test1 = "10/25/1995"?date("MM/dd/yyyy&quo ...
- PANet训练自己的数据(VIA标注)
当前最好的实例分割网络非PANet莫属,可是由于模型太新,网上的资料太少,最近的项目需要 实例分割,只能自己踩踩坑了,目前我还没看到一篇关于PANet训练的博客,只有几篇讲论文的. 环境:ubuntu ...
- [Groovy]转:Groovy 通过 isCase 方法进行分类
闭包实现了 isCase 方法,这样闭包可以在 grep 和 sw itch 中作为分类器使用,在这种情况下,各自的参数传递给闭包,然后调用闭包进行计算得到一个 Boo lean 值(参考 6.1 节 ...