2018年 AI 课程/书籍/视频讲座/论文精选大列表

2018 年 10 月 21 日 AI研习社

本文为 AI 研习社编译的技术博客，原标题：

A curated list of Artificial Intelligence (AI) courses, books, video lectures and papers. Updated 2018

翻译 | shunshun 校对 | 姚秀清整理 | 菠萝妹

原文链接：

https://medium.com/datadriveninvestor/a-curated-list-of-artificial-intelligence-ai-courses-books-video-lectures-and-papers-d2f584ca14f8

社长提醒：本文中的资料都需要移步到AI研习社社区中才能打开哦（文末阅读原文可直达）

人工智能（AI）课程，书籍，视频讲座和论文的精选列表。

欢迎贡献.

课程

MIT Artifical Intelligence Videos — MIT AI 课程
Grokking Deep Learning in Motion — 适合于初学者的课程，不使用框架学习深度学习和神经网络。
Intro to Artificial Intelligence — 学习人工智能的基础知识。课程由Peter Norvig提供
EdX Artificial Intelligence — 本课程将介绍智能计算机系统设计的基本思想和技术
Artificial Intelligence For Robotics — 本课程将教学人工智能的基本方法，包括：概率推理，规划和搜索，定位，跟踪和控制，所有这些都侧重于机器人技术
Machine Learning —用于监督和无监督学习的基本机器学习算法
Neural Networks For Machine Learning — 人工神经网络的算法和实用技巧。
Deep Learning — 深度学习世界的入门课程。
Stanford Statistical Learning —关于机器学习的入门课程，重点是：线性和多项式回归，逻辑回归和线性判别分析;交叉验证和bootstrap，模型选择和正则化方法（ridge and 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boosting；支持向量机。
Knowledge Based Artificial Intelligence —佐治亚理工学院关于人工智能的课程，侧重于符号AI。
Deep RL Bootcamp Lectures — 深度强化训练营讲座 - 2017年8月

书籍

Artificial Intelligence: A Modern Approach — Stuart Russell & Peter Norvig
浏览推荐阅读列表，针对于“Artificial Intelligence: A Modern Approach”中的每一章。
Paradigms Of Artificial Intelligence Programming: Case Studies in Common Lisp — Paradigms of AI Programming 是在构建主要人工智能系统的背景下教授高级Common Lisp技术的第一个文本
Reinforcement Learning: An Introduction — 这本关于强化学习的入门教材是针对人工智能，运筹学，神经网络和控制系统的工程师和科学家，我们希望它也会引起心理学家和神经科学家的兴趣。
The Cambridge Handbook Of Artificial Intelligence — 本书面向非专业人士，涵盖了该学科的基础，主要理论和主要研究领域，以及人工生命等相关主题。
The Emotion Machine: Commonsense Thinking, Artificial Intelligence, and the Future of the Human Mind — 在这本令人瞩目的书中，科学先驱Marvin Minsky继续他的开创性研究，为我们的大脑如何运作提供了一个引人入胜的新模型
Artificial Intelligence: A New Synthesis — 从初级反应因子开始，Nilsson逐渐增加他们的认知能力，以说明人工智能中最重要和最持久的想法
On Intelligence — Hawkins开发了一个关于人类大脑如何工作的强大理论，解释了为什么计算机不智能，以及基于这一新理论，我们最终怎样才能够构建智能机器。音频版也可从audible.com获得
How To Create A Mind — Kurzweil讨论了大脑如何工作，思维如何出现，大脑 - 计算机界面，以及大大增加我们通过智力来解决世界问题的影响
Deep Learning — Goodfellow，Bengio和Courville介绍了深度学习的广泛主题，涵盖了数学和概念背景，工业中使用的深度学习技术以及研究视角。
The Elements of Statistical Learning: Data Mining, Inference, and Prediction — Hastie和Tibshirani涵盖了广泛的主题，从监督学习（预测）到无监督学习，包括神经网络，支持向量机，分类树和提升——任何一本书中对这个主题的第一次综合处理。
Deep Learning and the Game of Go — Deep Learning和Game of Go教你如何通过构建Go-playing AI将深度学习的力量应用于复杂的人类推理任务。在让您了解机器和深度学习的基础之后，您将使用Python构建机器人，然后教它游戏规则。
Deep Learning for Search — Deep Learning for Search教您如何利用神经网络，NLP和深度学习技术来提高搜索性能。
Deep Learning with PyTorch — PyTorch将这些超级力量放在您的手中，提供舒适的Python体验，让您快速入门，然后与您一起提升深度学习技巧，变得更加熟练。使用PyTorch进行深度学习将使这段旅程充满乐趣。
Deep Reinforcement Learning in Action — Deep Reinforcement Learning in Action向您介绍深度强化学习的基本概念和术语，以及将其实施到您自己的项目中所需的实用技能和技巧。
Grokking Deep Reinforcement Learning — Grokking Deep Reinforcement Learning通过示例，插图，练习和清晰的教学介绍了这种强大的机器学习方法。

编程

Prolog Programming For Artificial Intelligence — 这本畅销的Prolog和人工智能指南专注于使用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
Python Tools for Machine Learning
Python for Artificial Intelligence

原理

Super Intelligence — 超级智能问题：当机器在一般情报中超越人类时会发生什么。一本非常棒的书。
Our Final Invention: Artificial Intelligence And The End Of The Human Era — 我们的最终发明探索了对不断追求高级AI的危险。直到现在，人类智力还没有竞争对手。我们可以与智力相形见绌的众生共存吗？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探索了大脑逆向工程的过程，以准确理解它是如何工作的，然后利用这些知识创造出大量智能的机器。
Minds, Brains, And Programs — 1980年由philospher John Searle撰写的论文载有着名的“Chinese Room”思想实验。可能是对拥有“心灵”或“意识”的强AI概念的最著名的攻击，以及对AI和心灵哲学交叉感兴趣的人来说是有趣的读本。
Gödel, Escher, Bach: An Eternal Golden Braid — 由Douglas Hofstadter撰写并标注“a metaphorical fugue on minds and machines in the spirit of Lewis Carroll”，这个进入数学，对称和智慧基本概念的奇妙旅程在1979年获得普利策奖（非小说类）。主题是从看似“无意义”的元素中出现意义，如1和0，以特殊模式排列。
Life 3.0: Being Human in the Age of Artificial Intelligence — 麻省理工学院物理学教授Max Tegmark讨论了人工智能如何影响犯罪，战争，正义，工作，社会以及我们在近期和远期作为人类的感觉。

免费内容

Foundations Of Computational Agents — 本书由剑桥大学出版社出版，2010年
The Quest For Artificial Intelligence — 本书追溯了这一主题的历史，从十八世纪（及早期）先驱的早期梦想到今天的AI工程师更成功的工作。
Stanford CS229 — Machine Learning — 本课程提供机器学习和统计模式识别的广泛介绍。
Computers and Thought: A practical Introduction to Artificial Intelligence — 这本书涵盖了人类活动的计算机模拟，如解决问题和理解自然语言;计算机视觉; AI工具和技术;人工智能编程介绍;符号和神经网络认知模型;心灵和智慧的本质;以及人工智能和认知科学的社会影响。
Society of Mind — Marvin Minsky关于我们的思想如何运作的开创性工作。许多符号AI概念都是从这个基础中衍生出来的。
Artificial Intelligence and Molecular Biology — 目前的卷是为了在当代AI / MB研究中弥合从核苷酸到抽象概念的探索范围。
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使用的一些教育含义，以帮助解决问题和完成任务。
Encyclopedia: Computational intelligence — Scholarpedia是由同行评审的开放获取百科全书，由来自世界各地的学者专家编写和维护。
Ethical Artificial Intelligence — Bill Hibbard的一本书，结合了几篇同行评审论文和新材料来分析道德人工智能问题。
Golden Artificial Intelligence — 关于人工智能和机器学习的内容。

代码

AIMACode — “Artificial Intelligence: A Modern Approach” Common Lisp, Java, Python源代码.
FANN — 快速人工神经网络库
FARGonautica — Douglas Hosftadter的流体概念和创意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的AI研究主任Yann LeCun博士就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进行了演讲
AWS Machine Learning in Motion- 这个交互式的liveVideo课程为您提供了一个使用AWS进行机器学习的速成课程，教您如何构建一个全功能的预测算法。
Deep Learning with R in Motion-Deep Learning with R in Motion 教会您使用功能强大的Keras库及其R语言界面将深度学习应用于文本和图像。
Grokking Deep Learning in Motion-Grokking Deep Learning in Motion不仅会教你如何使用单个库或框架，你还会发现如何从头开始构建这些算法！

学习

Deep Learning. Methods And Applications — Microsoft Research的免费书籍
Neural Networks And Deep Learning — 神经网络和深度学习目前为图像识别，语音识别和自然语言处理中的许多问题提供了最佳解决方案。本书将教您神经网络和深度学习背后的核心概念
Machine Learning: A Probabilistic Perspective — 该教科书基于统一的概率方法，提供了机器学习领域的全面和独立的介绍
Deep Learning — Yoshua Bengio，Ian Goodfellow和Aaron Courville汇集了这本目前免费（和草稿版）的深度学习书。本书保持最新，涵盖了广泛的主题（包括序列到序列学习）。
Getting Started with Deep Learning and Python
Machine Learning Mastery
Deep Learning.net — DL资源的聚合站点
Awesome Machine Learning — Like this Github, but ML-focused
FastML
Awesome Deep Learning Resources — 深度学习的粗略学习资源列表
Professional and In-Depth Machine Learning Video Courses — 一系列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
Professional and In-Depth Artificial Intelligence Video Courses — 一系列免费的专业和深入的人工智能视频教程和课程
Professional and In-Depth Deep Learning Video Courses — 一系列免费的专业和深入的深度学习视频教程和课程
Introduction to Machine Learning — 入门级机器学习速成课程