DeepMindの科学者は、自分の生活をAIや機械学習と結びつけたいと考えている人のための教育資料のキュレートリソースリストをまとめました。私はこのコレクションを「ontol」と呼びます-特定の問題について世界の絵を形成するもののリストであり、重要度によってランク付けされ、このリストに対して評判の責任を負う専門家によって編集されています（マーケティングと偏ったでたらめがありません）。
計画通り、AIの分野で最高の企業がダースの主要なスペシャリスト（それぞれ）に、スペシャリストとして形成された最高の資料の選択を依頼した場合、一連のコレクション（上位の10/100リソースのリスト+作成者の名前）を受け取り、これに基づいて、 （a）教材の品質について興味深い結論を導きます。これは、何よりもまず教えなければならないb）主なものを強調できる専門家の品質c）他の何か）これは、AIの分野ですべてのオープンテキスト/ビデオを「マークアップ」する方法です。次に、他のトピックを取り上げます。食べ物、信頼、仕事、家族、協力、認知の歪みなど、世界の絵を形成します。
プロトタイプbeta.ontol.orgをテストし、@ Ontolチャネルにサブスクライブします
目次
Safety
Neuroscience
Natural Language Processing
Machine Learning
Deep Learning
Reinforcement Learning
Unsupervised Learning and Generative Models
21公平性とその政治の定義（ビデオ）-Arvind Narayananは、公平性のさまざまな定義と、それが社会にもたらすトレードオフについて説明します。
公平性と機械学習の本（本、ビデオ）-機械学習に関連するトピックの公平性の概要。
ハーバード大学の正義コース（ビデオ）-正義と道徳哲学に関する詳細で刺激的な講義（翻訳）。
機械学習における公平性に関するNeurIPS 2017チュートリアル（ビデオ）-Solon BarokazとMoritz Hardtが、機械学習における正義の社会技術的要素について詳しく説明しています。
バイアスの問題-NeurIPS 2017 （ビデオ）-キース・クロフォードは、人工知能システムにおけるバイアスの民族的影響について議論します。
安全性
AGI Safety Literature Review（Publication）-2018年以前の一般的なAI安全性文献の優れたレビューであり、今後の調査のために数百の参考文献を提供します。
Rohin ShahによるAIアライメントニュースレター-AIセキュリティに関する最新の作業をまとめた週刊ニュースレター。
Robert MIlesによるAI安全YouTubeチャンネル（ビデオ）-一般的な人工知能の主要な安全コンセプトを紹介する教育的で面白いビデオ。
AIの安全性に関する具体的な問題（公開）-AIの安全性に関する有用な概要。AIの安全性の分野におけるオリジナルでクラシックな記事。
人間との互換性：人工知能とスチュアートラッセルによる制御の問題（本）-元のAIの作者による人工知能の安全性に関する必読の本。
理論と基本的な概念
3Blue1Brown Youtubeチャンネル（ビデオ）-優れたチュートリアルシリーズ。線形代数およびニューラルネットワークに関するゼロからのビデオは特に役立ちます。
線形代数の2020年ビジョン（Gilbert Strang、MIT）（ビデオ）-線形代数コース全体を新しい角度から簡単に要約し、技術的詳細：特に機械学習の分野で実際に線形代数がどのように適用されるかを示します。
Andrew Ngの機械学習コース（オンラインコース）-最初の非常に実用的で広範な機械学習コース。コースはCourseraプラットフォーム上にあるため、課題を評価でき、アシスタントや他の学生がコースの資料を手伝うことができます。
統計における因果関係の推論：入門書（オンラインプレプリント）-因果関係の結論への素晴らしい導入。これは最新の本の完全版のプレプリントです。
因果推論：What If（オンラインブック）-因果関係に関する新しい本。
デイビッドマッケイ、情報理論コースのビデオ（ビデオ）-マッケイのコーポレートアイデンティティの幅広い分野をカバーしています。
情報理論、パターン認識、およびニューラルネットワークに関するDavid MacKayのコース（ビデオ）- 情報理論、データパターン検出、およびニューラルネットワークに関する伝説的なDavid MacKayのコース。
統計的因果関係の決定理論的基礎（オンライン記事）-因果推論操作を公式化する別の方法。
ディープベイズサマースクールの講義とラボ資料（ビデオ）-確率論的モデリングとベイジアン学習に関する講義と実践演習。
因果推論の要素：基礎と学習アルゴリズム（オンラインブック）-この本は、簡単でアクセス可能な方法で因果推論を読者に紹介します。
線形代数のエッセンス（3blue1brown）（ビデオ）-技術的な詳細に踏み込むことなく、線形代数の主要なアイデアを非常によく理解できます。従来の線形代数の教科書または大学のコースに付属しています。
Francis Bachのブログ（ブログ）-便利なヒントとコツ、さまざまな機械学習の概念の詳細な分析。
ヒューマンインテリジェンスエンタープライズコース（教材）-ヒューマンインテリジェンスの歴史。
トポロジーの抽象数学は現実世界に適用可能ですか？（ビデオ）-はじめには、トポロジーの基本の優れた説明です。ワークショップでは、特定のアプリケーションについて説得力をもって説明しています。
KhanAcademyコース（ビデオ）-機械学習を理解するために必要な統計、確率理論、および数学への初心者向けの優れた入門書。
データコースからの学習 -Caltech（ビデオ）-機械学習へのきちんとした紹介。トピックの非常に明確な説明。
モンテカルロに関する講義ノート（コースノート）-モンテカルロ法の簡単な説明。
Mathematics for Machine Learning（book）-機械学習に必要な基本的な数学的概念をカバーする素晴らしい本。
MIT機械学習コース（オンラインコース）-ディープラーニングと抽象化の多くのレベルが主流になる前の機械学習の基本（そして現在の歴史）に関する2006年の優れたコース。
機械学習に関するナンドデフレイタスコース（ビデオ）-機械学習に関する便利なコースとプレゼンテーション。
Princeton Companion to Mathematics（book）-恐らく現存する最も驚くべき数学的ソース。この本は、現代の数学における最も重要な概念の詳細な概要を提供します。自称の就寝時のストーリー形式の背景はありません。楽しく、理解しやすく、直感的です。
プロジェクトオイラー（問題解決コミュニティ）-脳にエネルギーを与えるための一連の挑戦的な数学とコンピュータサイエンスの問題。彼らは解決するのが非常に興味深いです、そして、得られた知識はディープラーニングの分野であなたのキャリアであなたを助けるでしょう。
統計学習理論コース（オンライン）-Hasti教授とTibshirani教授が教える数学教育のある人のための機械学習の基礎に関する無料のコース。
線形代数のすべての重要なアイデアを1つのレッスン（ビデオ）で絞る-簡潔に、包括的に。
本の理由（本の章）-因果関係の簡単な紹介とその発展への歴史的洞察。
神経科学
Brain Inspired Podcast-神経科学と人工知能を融合したポッドキャスト。
Center for Brains Minds + Machines Summer School Lectures（video）-有名なウッズホールサマースクールからの計算論*認知*神経生物学（高レベルの認識、行動、機械学習へのリンクについての講義）。
計算コグニティブモデリング@ NYU（スライドとテキスト）-人工知能と機械学習に密接に関連する、人間の認知をモデリングするための計算アプローチのレビュー。
新皮質の計算モデル（クラスノート）-学際的および高度。
計算神経科学ウッズホールサマースクールのメソッドからの講義（ビデオ）-神経生物学の計算*システム*に関する有名なウッズホールサマースクールの講義（脳のサイクルと全身特性についての詳細）
マーの分析レベル（ビジョン、1982年、第1章）（本の章）-例による例で完全に説明EMのような有用なアルゴリズム。ビショップの本へのすばらしい追加として役立ちます。
MIT Brains、Minds、and Machinesサマーコース（ビデオ）-認知科学、神経科学、人工知能の交差点での大学院レベルのコース。
認知の確率モデル（インタラクティブチュートリアル）-確率モデルを使用して人間のような動作を作成およびモデル化するインタラクティブチュートリアル。
脳を理解するための課題：2015年の私たちの立場（出版）-生物学の観点からの神経科学の良い概観。
Theoretical Neuroscience（オンラインブック）-理論的な神経科学の人気のある紹介。
自然言語処理
コードファーストの自然言語処理入門（ビデオ）-技術的バックグラウンドを持つ人々のための自然言語処理入門。
自然言語処理のためのニューラルネットワークモデル入門（出版物）-自然言語処理でニューラルネットワークがどのように使用されるかについての明確な概要。
CS224n：ディープラーニングによる自然言語処理（ビデオ）-モダン自然言語処理に関するスタンフォードコース
NLPの進捗状況（データセットと結果のリスト）-コミュニティ主導のWebサイトで、自然言語処理における多数のタスク、データセット、および最新の結果を一覧表示します。
オックスフォード/ DM NLPコース2017（講義コース）-DeepMinderがOxfordで読んだ、自然言語処理に関する高度な講義コース。
音声および言語処理（本）-自然言語処理への信頼できる参照-3Dでオンラインで利用可能。
注釈付きトランスフォーマー（ブログ投稿）-支配的な自然言語処理モデルの優れた紹介。
機械学習
AmiiのCoursera機械学習：現実世界の専門分野におけるアルゴリズム（オンラインコース）-機械学習の問題とその解決策の形成と特定に関する優れた概要。
ベイジアン推論と機械学習（オンラインブック）-確率論的推論とモデリングの基礎。
ガウシアンプロセスの基本（ビデオ）- ガウシアンプロセスの最もわかりやすく簡単な紹介。
デビッドマッケイの本「情報理論、推論、および学習アルゴリズム」（本）-デビッドマッケイは、情報理論、推論、および学習の間の関係に関する独特の見方を提示します。本のユーモアと同様に、彼の書き方は独特です。
機械学習について（ブログ）-機械学習を行いたい人のためのブログ。
機械学習に関する講義ノート（要約）-Herbert Jagerの機械学習に関する講義の概要。機械学習のトピックの多くの基本と標準について説明します。非常によく書かれている（ほとんど本のように）。
UBC 2012の機械学習（ビデオ）-ブリティッシュコロンビア大学の2012 機械学習コース。
機械学習、確率、およびグラフィカルモデル（Sam Roweis）（ビデオ）-伝説的なSam Roweisによるグラフィカルモデルの優れた説明。
MLオンラインコースのランキング（リソースのリスト）-トップのオンライン機械学習コースのかなり包括的な概要。
スタンフォードの機械学習コース（ビデオ）- 機械学習コースの紹介。
サンデークラシック（リソースリスト）-機械学習、認知科学、統計学、情報理論、神経科学、人工知能、信号処理、オペレーションズリサーチ、計量経済学などのすべてのトピックに関する古典のコレクション
。WEKA：機械学習のワークベンチ（オンラインリソース）-データ、データの視覚化、分類、回帰、特性の選択、およびデータサイエンスの基礎に慣れるための無料のソフトウェアツールの大規模なセット。私は常にこれらのリソースを使用して、データのパターンを確認し、システムがこれらのパターンやより複雑なパターンをどれだけ表示および使用できるかを他の人に教えています。
David MacKay、すべてのビデオ講義 （ビデオ）-David McKayの名前は、特に統計および確率的機械学習で、フィールドでよく知られています。
深層学習
Andrej Karpathyブログ/ハッカーガイド（ブログエントリ）-ニューラルネットワークの非常に手頃な価格の紹介。また、彼のブログでは、生活に適用できる実用的なヒントを見つけることができます。
勾配降下最適化アルゴリズムの概要（ブログ投稿）-ニューラルネットワークの最適化に使用される勾配降下最適化の主なオプションに関する包括的な投稿
Chris Olahブログ（ブログ）-Chris Olahのアプローチは、主要な概念（概念の理解など）を学ぶための非常に教育的なものと呼ぶことができますと要素）深いレベルでの機械学習。クリスは教育と優れた執筆に情熱を傾けています。
クラッシュコースAI（ビデオ）-便利で十分に準備された入門シリーズ。学生や初心者に最適です。
CS231：視覚認識のためのたたみ込みニューラルネットワーク（スタンフォード）（ビデオ）-リンクに関する優れたメモ：cs231n.github.ioたたみ込みニューラルネットワークの詳細を説明するAndrew Ngのコースへの素晴らしいフォローアップ（これは前のコースの最後で簡単に説明しました）そして、生成モデル、深い補強などのより高度な概念を紹介します。
CS231n：視覚認識（スタンフォード大学の伝説的CNNの講義）のための畳み込みニューラルネットワーク（ビデオ） -視覚データとの仕事の多くの基礎を形成畳み込みニューラルネットワーク上の古典と初期の作品の両方の優れた概要
オックスフォード2005年ディープ・ラーニング（ビデオを）-2015オックスフォードディープラーニングコース。
ディープラーニングブック（本）-この分野の一部の発見者によるディープラーニングの基本の広範な紹介。
Deep Learning Indaba Practicals（Colabs）-自動微分フレームワークの構築や生成的敵対的ネットワークの学習などの基礎から高度なトピックまでのディープラーニングを教えるために、長年にわたって人間で開発およびテストされているチュートリアルがあります。
Dive into Deep Learning（book）-主要な機械学習の概念を楽しくインタラクティブな体験で学べる優れたフォーマット。
UCLを使用したDL + RLコース（ビデオ）-このコースは、深層学習と強化学習に関連する多くのトピックをカバーしました。それは2つの、大部分は別々のパスで構成されていました。1つはディープラーニングのパス、もう1つは強化学習のパスで、別々に学習できます。
EEML（第一 / 第二版）ラボ材料（Colabs） -講義と実践的な演習確率的モデリングとベイズ学習に。
講義からのEEMLスライド（スライド）-昨年のEEML講義のスライド（残念ながら、エントリはありません）。紹介からより複雑なプレゼンテーションまで、幅広い資料をカバーしています。
フルスタックのディープラーニング（オンラインコース）-深層学習モデルは孤立して存在しません。このコースでは、実装モデル、インフラストラクチャ、デバッグ、ディープラーニングインタビューの準備など、ディープラーニングの実際的な側面について説明します。
リヴィウのワークショップ（で話を機械学習入門1、2の機械学習入門- ）（講義）。深層学習メカニズムを構築するための基礎となる理論を紹介します。
Khipuのビデオと実習 + github（ビデオ+スライド）-Khipuの資料-学生が完了するビデオと実習。
Lilian Wengのブログ（ブログ）-リリアンのブログには、教育カリキュラム、セルフコントロールラーニング、メタラーニングなど、さまざまなトピックに関する投稿が含まれています。投稿自体は非常に詳細ではありません。専門化に深く入り込むことがありますが、多くの場合、元の投稿のリリース後に表示された新しい情報で更新されます。
MIT 6.S191深層学習入門（ビデオとチュートリアル）-マサチューセッツ工科大学の深層学習と情報システムの入門コース。
オンラインジャーナル -研究論文の理解を容易にし、透明性と再現性を高めるなど、有益な視覚化とコードを作成できる、査読済みのオンラインジャーナル。
並列分散処理（オンラインブック）-「コネクショニズム」だった今でも、ディープラーニングのルーツを理解したい人のための定番。
コーダー向けの実用的なディープラーニング（オンラインコース）- ディープラーニングの優れた入門として、他の技術分野（物理学や数学など）の友達から推奨されています。
スタンフォード大学のディープラーニングコースを含むNLP（オンラインコース）-自然言語処理の学習を始めたい人に便利です。
サットンとバルトの強化学習（チュートリアル）-これはすべての強化学習チュートリアルのチュートリアルです。非常に基本的なものから高度なトピックまで並んでいます。デビッドシルバーによる講義を伴います。
強化学習
アルバータRL 4コース専門（オンラインコース）-バンディットで始まり、関数近似（NN）で終わる4つの連続する強化トレーニングコース、勾配法、および平均報酬。
CS330：メタ学習とマルチタスク（ビデオ）-メタトレーニングとマルチタスクの分野における最近の研究の概要を説明します。現場の最新のアイデアについていくための、インスピレーションを与える非常に役立つビデオ。
デビッドシルバー、強化学習入門（ビデオ）-Sutton＆Bartoの教科書からアイデアをピックアップするのに適しています。これらの問題についてなぜ考えるべきか私たちが議論したアイデアはどのように関係していますか？等
UCLのDavid SilverのRLコース（ビデオ）-強化トレーニングについて学びたい人に便利です。
Emma Brunskill RLコース（ビデオ）-Emma Brunskillのスタンフォードコースからの強化学習に関するビデオ講義。
OpenAIブログ -基本および高度な強化学習アルゴリズムの利用可能なプレゼンテーション。
強化学習：はじめに（2018年版）（本）-これは、強化学習に関する同じ紹介本です。リッチは強化学習の基本的な概念を完全に説明し、読者と一緒に高度なオープンリサーチタスクに進みます。
UofA / Amii Coursera RLスペシリゼーション（オンラインコース）-アルバータ大学のプロジェクト-強化学習研究センター。アダムホワイトはディープマインドに関連しています。強化された学習の最も重要な基本を提供する、全体的で適切に設計された一連のコース。
Spinning Up in Deep RL（code）-OpenAIによって作成された教育リソースで、ディープ強化学習を簡単に学ぶことができます。
教師なし学習と生成モデル
スタンフォードでのアーモンのグラフィカルモデルコース（概要）-多種多様な確率論的手法をカバーします。
t-SNEを効果的に使用する方法（インタラクティブチュートリアル）-tSNEを使用することのすべての落とし穴にインタラクティブで詳細な旅を提供し、最も使用されている低サイズのデータアタッチメントの1つになっています。
Mathematicalmonk Youtubeビデオ（ビデオ）-EMなどの便利なアルゴリズムの例を使用した素晴らしい説明。ビショップの本へのすばらしい追加。
機械学習でのモンテカルロ勾配推定（公開）-強化学習または生成モデリングを行う人に役立ちます。
機械学習でカーネルヒルベルト空間を再現する（コース教材）-生成モデリングだけでなく、生成モデリングに興味がある人に適しています。
デービッド・ブレイによる変分推論の統計学者への展望（投稿）-生成モデリングのコンテキストでの変分法の最良の説明。
その他の
Metaobuchenie
the Finn of the Chelsea of Finn's Multi-the Task and the Meta-the Learning Course then（Video）-マルチタスクとメタ学習のためのビデオ講義。グッドマン
哲学
（1955）。誘導の新しい謎。（本の章）帰納的バイアスの哲学的前提と、結論と紹介を引き出すことが難しい理由。Lex Fridmanの
Science
AIポッドキャスト（ビデオ）-多様で印象的なゲストスピーカーとの会話。
Leonard SusskindによるStanford Physics講義シリーズ（ビデオ）-古典、統計、量子力学を含む、現代物理学の多くの重要な領域について学ぶための優れたリソース。これらの講義には多くの背景知識は含まれていません。Leonardは、アクセスしやすく魅力的な方法で複雑なアイデアを紹介および説明できます。
コンピュータサイエンス
マイクボストックのインタラクティブな視覚化 - マイクボストックのインタラクティブな視覚化。
高次元での確率 -「さまざまな分野の幅広い現代の問題で発生する確率論、分析、および幾何学の交差点に関するアイデア」に関する包括的な本。
Robotics
Strogatz非線形ダイナミクスコース（ビデオ）-非線形ダイナミクスに関するビデオコース。
翻訳の助けをしてくれたAle Blankmerに感謝します。
SkillFactoryの有料オンラインコースを受講して、スキルと給与の注目の職業をゼロから取得する方法の詳細をご覧ください。
- 機械学習コース（12週間）
- データサイエンスの専門職をゼロからトレーニングする（12か月）
- (9 )
- «Python -» (9 )