人工智能相关资源 代码 论文 教程Tutorials 等 Prompt-Engineering 深度学习 辅助驾驶 语言模型 文本生成图片 开源实现 OCR 通用聊天机器人

人工智能

相关学习资源

• https://github.com/luban-agi/Awesome-AIGC-Tutorials
• https://github.com/BradyFU/Awesome-Multimodal-Large-Language-Models
• https://github.com/dair-ai/Prompt-Engineering-Guide
• https://github.com/Visualize-ML/Book3_Elements-of-Mathematics
• https://github.com/datawhalechina
• https://github.com/zjhellofss/KuiperInfer
• 动手学深度学习 https://github.com/d2l-ai
• https://github.com/lonePatient/awesome-pretrained-chinese-nlp-models
• https://github.com/HqWu-HITCS/Awesome-Chinese-LLM
• https://github.com/hpcaitech/ColossalAI
• https://github.com/xx025/carrot
• https://github.com/Charmve/computer-vision-in-action
• https://github.com/alexeygrigorev/mlbookcamp-code
• https://github.com/huggingface
• https://github.com/huhuhang/aibydoing-feedback
• https://github.com/google-deepmind
• https://github.com/explosion
• https://github.com/nltk
• https://github.com/tiepvupsu/ebookMLCB
• 辅助驾驶 https://github.com/commaai/openpilot
• https://github.com/OpenDriveLab
• 文档归档 https://github.com/paperless-ngx/paperless-ngx
• https://github.com/xtekky/gpt4free
• https://github.com/JoeSiu/discord-chatbot
• https://github.com/juzeon/poe-openai-proxy
• https://github.com/huanfeng123/poe-openai
• https://github.com/chathub-dev
• https://github.com/TransformerOptimus/SuperAGI
• https://github.com/sunner/ChatALL
• 语言模型漏洞 https://github.com/llm-attacks/llm-attacks
• 中文通用大模型排行 https://github.com/CLUEbenchmark/SuperCLUE
• https://github.com/open-compass/T-Eval
• https://github.com/tatsu-lab/alpaca_eval
• https://dang.ai
• https://jess3.com/projects/genaiprism
• https://www.producthunt.com/golden-kitty-awards
• https://www.stateof.ai

• DALL-E 文本生成图片
  • https://www.bing.com/images/create
• Midjourney 文本生成图片
• OpenRead AI读论文
• Jasper.ai 写作AI
• Synthesia 生成真人视频
• Jenni.ai AI写论文
• Copy.ai 写文案
• PepperType A写邮件
• Designs.ai 创意设计平台
• Khroma 高质量的配色方案
• Posemaniacs 人体3D模型
• Aiva 创作音乐
• Al Writer 自动生成新闻稿
• Fireflies 将文本转换为语音
• Repurpose 10 自动化社媒内容
• Chatbot live 多功能聊天机器人
• 模型调用 https://github.com/hwchase17/langchain
• 金融 https://github.com/AI4Finance-Foundation/FinGPT

• https://maeiee-garden.vercel.app
• 微调 https://github.com/InternLM/xtuner

模型

• https://github.com/topics/machine-learning
• https://github.com/topics/deep-learning
• https://github.com/topics/neural-network
• https://github.com/topics/computer-vision
• https://github.com/topics/artificial-intelligence
• ncnn推理 https://github.com/topics/ncnn
• torch推理 https://github.com/topics/pytorch
• https://github.com/topics/text-recognition

深度学习是神经网络的深层神经网络。强化学习是独立于机器学习之外的分支，强化学习严格来说不属于机器学习，
机器学习的任务是通过已知的训练集来学习目标函数，而强化学习不需要训练集。

• 机器学习：一切通过优化方法挖掘数据中规律的学科。
• 深度学习：一切运用了神经网络作为参数结构进行优化的机器学习算法。学习过程是静态的，训练样本是有标签的
• 强化学习：不仅能利用现有数据，还可以通过对环境的探索获得新数据，并利用新数据循环往复地更新迭代现有模型的机器学习算法。学习过程是动态的，训练是没有标签的
• 深度强化学习：一切运用了神经网络作为参数结构进行优化的强化学习算法。

• 机器学习模型（Machine Learning models）：包括分类器、回归器、聚类器、推荐系统等。例如：Logistic回归、深度神经网络、决策树
  • Wide & Deep：Google开发的一种混合推荐模型，结合了线性模型（广度）和深度神经网络（深度）。
  • Neural Collaborative Filtering (NCF)：一种基于深度学习的协同过滤推荐算法。
  • DeepFM：一种结合因子分解机（FM）和深度神经网络的推荐算法。
• 强化学习模型（Reinforcement Learning models）：使用来自环境的反馈，通过反复试验来学习实现目标的模型。例如：深度Q网络、政策梯度
• 逻辑回归(Logistic Regression)
• K最近邻(K-Nearest Neighbors)
• 决策树(Decision Tree)
• 随机森林(Random Forest)
• 朴素贝叶斯(Naive Bayes)
• 神经网络(Neural Network)
  • 感知机(Perceptron)
  • 多层感知机(Multilayer Perceptron)
  • CNN(Convolutional Neural Network)
  • RNN(Recurrent Neural Network)
  • LSTM(Long Short Term Memory)
  • GAN(Generative Adversarial Nets)
• SVM(Support Vector Machine)
  • 聚类(Clustering)
  • K均值(K-Means)
  • 高斯混合模型(Gaussian Mixture Model)
  • DBSCAN
• 降维(Dimensionality Reduction)
  • PCA(Principal Component Analysis)
  • LDA(Linear Discriminant Analysis)
  • -Kernel PCA
  • tSNE
• 线性回归(Linear Regression)
• 极限学习机(Extreme Learning Machine)
• 隐马尔可夫模型(Hidden Markov Model)
• 支持向量聚类(Support Vector Clustering)
• 递增学习(Incremental Learning)
• 置信学习(Confidence Learning)
• 元学习(Meta Learning)
• 集成学习(Ensemble Learning)
  • 随机森林(Random Forest)
  • GBDT(Gradient Boosting Decision Tree)
  • AdaBoost
  • 栈式学习(Stacking)
• 迁移学习(Transfer Learning)
• 计算机视觉(Computer Vision)：用于分析图像和视频的模型。例如：对象检测器、分割模型、面部识别模型
  • CNN(Convolutional Neural Network)
  • 对象检测(Object Detection)
  • semantic segmentation
  • 实例分割(Instance Segmentation)
  • 目标跟踪(Object Tracking)
  • 行人重识别(Person Re-identification)
  • 图像分类(Image Classification)
  • 物体识别(Object Recognition)
• 自然语言处理(Natural Language Processing)：用于处理文本和语音的模型。例如：变形金刚、递归神经网络、单词嵌入
  • RNN(Recurrent Neural Network)
  • LSTM(Long Short Term Memory)
  • GRU(Gated Recurrent Unit)
  • 词向量(Word Embedding)
  • 文本分类(Text Classification)
  • 机器翻译(Machine Translation)
  • 问答系统(QA)
  • 评论分析(Sentiment Analysis)
  • 词性标注(Part-of-speech Tagging)
  • 命名实体识别(Named Entity Recognition)
  • 依存句法分析(Dependency Parsing)
  • 文本摘要(Text Summarization)

• 卷积神经网络（Convolutional Neural Networks，CNN）：图像识别、目标检测、图像分割、人脸识别等。