人工知能学習チェックリスト
初心者がこの分野の知識フレームワークを理解し、優れた学習リソースを見つけるのに役立つ人工知能学習リスト。
一部のリソースはGitHubで共有されています。スターを付けて貢献することを歓迎します。
Ⅰ. 基礎知識
1.人工知能: 人工知能の概念とそれに関わる特定の分野を理解します。
参考文献:
[1] ラッセル、スチュアート、ピーター・ノーヴィグ。「人工知能: 現代的なアプローチ」(1995),书籍
2.機械学習:機械学習の用語、アルゴリズム、評価指標、プロセスを包括的に理解し、教師あり学習、教師なし学習、半教師あり学習、強化学習の順に段階的に深く学習します。
入門:
[1] Zhou Zhihua. 「Machine Learning.」 (2016)、書籍 (通称 Watermelon Book)、公式の導出をサポートする: Pumpkin Book
[2] Andrew Ng (スタンフォード). 「CS229: Machine Learning」、オンラインコース (2018 年秋版)、中国語ビデオ: [スタンフォード大学] CS229 Machine Learning
[3] Li Honyi. 「機械学習」、オンライン コース
深層学習:
[1]機械学習ホワイトボード導出、オンラインコース
[2] リー・ハン「統計的学習法」 (2012)、書籍
[3] トム・ミッチェル、「機械学習」 (1997)、書籍
3.深層学習:確率的勾配降下法、深層ニューラルネットワーク(MLP、CNNなどのフィードフォワードネットワーク、RNNなどのフィードバックネットワークを含む)、アテンションメカニズム、深層強化学習を総合的に学び、深層学習の全過程を習得します。実戦で学ぶこと。
入門:
[1] Li Mu 他著『ハンズオン ディープラーニング 第 2 版』、書籍およびオンライン コース
[2] Andrew Ng(スタンフォード) 「CS230: Deep Learning」オンラインコース
深層学習:
[1] Ian Goodfellow、Yoshua Bengio、Aaron Courville. 『Deep Learning』(2017)、中国語翻訳、書籍(通称フラワーブック)
4.データ サイエンス: データ サイエンスにおける 4 つの一般的なデータ タイプ (画像、シーケンス、テーブル、グラフ (グラフ)) を理解し、データの取得、保存、抽出、前処理、視覚化関連テクノロジに精通し、統計の基礎を習得し、応用科学の計算およびデータ分析ツールに習熟していること。
参考文献:
[1]データサイエンティストへの道、ロードマップ
[2] Wes McKinney.データ分析のための Python の使用 第 2 版、中国語翻訳、書籍
5.細分化された分野:自然言語処理、コンピュータビジョン、時系列処理、説明可能な人工知能など、人工知能の特定の分野を深く研究します。
自然言語処理: CS124: 言語から情報へ、CS224d: 自然言語処理のための深層学習、およびCS224n: 深層学習による自然言語処理、オンライン コース
コンピューター ビジョン: CS231n: 視覚認識のための畳み込みニューラル ネットワーク、オンライン コース
時系列列挙:Adhikari, R.、Agrawal, RK (2013)。時系列モデリングと予測に関する入門研究。arXiv プレプリント arXiv:1302.6613。,文章;時系列予測の概要 (Python)、時系列予測のための深層学習、ブログ
時空間データ処理: W. Li、W. Tao、他、空間および時空間予測方法に関する調査、記事、
X. Shi および D.-Y. Yeung、時空間シーケンス予測のための機械学習: 調査、記事。
グラフ ニューラル ネットワーク: Yao Ma、Jiliang Tang (2021). Deep Learning on Graphs、書籍; J. Zhou 他、グラフ ニューラル ネットワーク: 方法とアプリケーションのレビュー、記事; Z. Wu、S. Pan 他.グラフ ニューラル ネットワークに関する包括的な調査、記事。
解釈可能な人工知能: AAAI2020 XAI チュートリアル、CVPR2021 コンピューター ビジョン用の解釈可能な機械学習 チュートリアル、CVPR 2020 コンピューター ビジョン用の解釈可能な機械学習 チュートリアル、 チュートリアル
Ⅱ. ツール
1.プログラミング言語: Python の熟練度。
入門チュートリアル:
[1] Python 基本チュートリアル | 初心者向けチュートリアル
[2] Liao Xuefeng Python チュートリアル
深層学習:
[1] Python中級中国語版
[2] PEP8 中国語版 – Python コーディング スタイル ガイド
2.深層学習フレームワーク: Pytorch、TensorFlow 2 (Keras) など、少なくとも 1 つの深層学習フレームワークの習熟度。
入門チュートリアル:
[1] PYTORCH によるディープラーニング: 60 分間のブリッツ
[2] Keras を使用した Python での最初の深層学習プロジェクトのステップバイステップ
[3] TensorFlow 2 チュートリアル: tf.keras を使用して深層学習を始めましょう
[4]ハンズオンディープラーニング PyTorch 実装、コードウェアハウス
[5]ハンズオンディープラーニング TensorFlow2.0 実装、コードウェアハウス
3.科学計算およびデータ分析ツール: Python 言語を例に挙げます。numpy、scipy、pandas、statsmodels をマスターする必要があります。
参考資料は各図書館の資料であり、最新の英語版を使用することをお勧めします(中国語訳は読まないでください)。