Системные основы AI
От классического поиска и знаний к современным интеллектуальным агентам.
LYNQ Library · 32 книг
Найдите книгу, с которой удобно начать.
Ищите по названию, автору, теме, университетскому источнику, доступу или уровню. Каталог и маршруты чтения формируются из действующих данных Academy.
University sources
10 источников без заявления о партнёрстве.
Университеты указаны как источники syllabus, reading lists или открытых учебных материалов. Это не заявление об аккредитации, совместной программе или дипломе.
Важно. Использование названия или логотипа здесь не означает партнёрство LYNQ с университетом.
Маршруты чтения
Не знаете, с какой книги начать?
Выберите задачу — библиотека покажет реальную последовательность от основ к более сложным материалам.
Machine learning: сильная база
Вероятность, модели, статистическое обучение и контроль обобщения.
Вероятностный AI
Графические модели, байесовский вывод и работа с неопределённостью.
Deep learning без пробелов
Сначала математические основы, затем архитектуры и оптимизация.
Принятие решений и RL
От MDP и ценностных функций к policy methods и практическим агентам.
Теория машинного обучения
Для тех, кому нужны строгие гарантии качества и обобщения.
Математика и статистика для ML
Подготовительный маршрут к моделям, оптимизации и вероятностному выводу.
NLP и языковые модели
От фундаментальных задач NLP к transformer-моделям и оценке.
Computer vision
Геометрия изображений, deep learning и воспроизводимый vision pipeline.
ML в production
Данные, deployment, monitoring, надёжность и жизненный цикл ML-систем.
Причинный анализ
Как перейти от корреляции к обоснованному причинному выводу.
32 книг
Найдите точку входа в нужную тему.
Поиск выполняется локально в браузере; запросы никуда не отправляются. Отдельная страница сохраняет университетские источники и legal access.
Широкий системный учебник по поиску, планированию, логике, вероятностному выводу, машинному обучению и агентам.
Основы AIПоиск и планированиеЗнания и рассуждение
Байесовское введение в pattern recognition, линейные модели, ядра, графические модели и приближённый вывод.
Machine learningВероятностьГрафические модели
Единая вероятностная трактовка широкого спектра методов машинного обучения.
Machine learningВероятностьГрафические модели
Фундаментальное изложение байесовских сетей, марковских моделей, вывода и обучения в графических моделях.
ВероятностьГрафические моделиMachine learning
Компактная и глубокая книга по байесовскому выводу, графическим моделям и machine learning.
ВероятностьMachine learningГрафические модели
Связывает информацию, байесовский вывод, кодирование, neural networks и алгоритмы обучения.
Теория информацииВероятностьMachine learning
Статистическое обучение: линейные методы, регуляризация, деревья, boosting, SVM и unsupervised learning.
Machine learningСтатистика
Компактный курс вероятности и статистического вывода для дальнейшего изучения machine learning.
СтатистикаВероятность
Классический инженерный взгляд на представление знаний, поиск, обучение и построение интеллектуальных систем.
Основы AIПоиск и планированиеЗнания и рассуждение
Открытый учебник по вычислительным агентам, поиску, рассуждению, неопределённости и обучению.
Основы AIПоиск и планированиеЗнания и рассуждение
Открытая книга по математическим основам, feedforward networks, регуляризации, оптимизации, CNN, sequence models и representation learning.
Deep learningMachine learningОптимизация
Теоретические основы обобщения, PAC-learning, Rademacher complexity, online learning и алгоритмов ML.
Теория обученияMachine learning
Фундаментальное изложение gaussian processes для регрессии, классификации, model selection и приближённого вывода.
Machine learningВероятностьGaussian processes
Компактный курс по обобщению, переобучению, bias–variance, линейным моделям и основам теории обучения.
Machine learningТеория обучения
Классический учебник по статистическому распознаванию образов и проектированию классификаторов.
Machine learningСтатистика
Основной открытый учебник по обучению с подкреплением: ценностные функции, temporal-difference learning, policy methods и аппроксимация.
Reinforcement learning
Формальное введение в PAC-learning, uniform convergence, convex learning, kernels и online learning.
Теория обученияMachine learning
Компактное теоретическое изложение bandits, MDP, dynamic programming, Monte Carlo и temporal difference.
Reinforcement learningТеория обучения
Практическое введение в статистическое обучение, регрессию, классификацию, ресемплинг, регуляризацию, деревья и unsupervised learning.
Machine learningСтатистика
Практическое введение в причинный анализ: potential outcomes, DAG, regression, matching, diff-in-diff и instruments.
Причинно-следственный анализСтатистика
Системное изложение computer vision: изображение, features, alignment, recognition, 3D и computational photography.
Computer visionDeep learningОптимизация
Фундаментальный учебник по выпуклой оптимизации, duality, constraints и алгоритмам решения.
ОптимизацияMachine learning
Архитектура надёжных систем данных: storage, replication, partitioning, transactions, streams и consistency.
Системы данныхML-системы и production
Практическая архитектура production ML: данные, обучение, deployment, monitoring, shift и feedback loops.
ML-системы и productionСистемы данных
Интерактивная книга с кодом по deep learning, computer vision, NLP, attention и optimization.
Deep learningОбработка естественного языкаComputer vision
Практический путь от подготовки данных и классических моделей до нейронных сетей и deployment.
Machine learningDeep learning
Методы объяснения моделей: feature effects, feature importance, surrogate models, SHAP и evaluation объяснений.
ИнтерпретируемостьMachine learning
Математический мост к machine learning: линейная алгебра, аналитическая геометрия, матричные разложения, векторное исчисление, вероятность и оптимизация.
Machine learningСтатистикаОптимизация
Алгоритмы работы с большими наборами данных: similarity, streaming, graph mining, recommendation и clustering.
Machine learningСистемы данных
Практическая работа с transformer-моделями: классификация, NER, generation, multilingual и deployment.
Обработка естественного языкаDeep learningML-системы и production
Современный вероятностный взгляд на machine learning: от байесовских моделей до нейронных сетей и генеративных подходов.
Machine learningВероятностьDeep learning
Фундаментальный маршрут по NLP: текст, вероятность, языковые модели, классификация, parsing, speech и dialogue.
Обработка естественного языкаDeep learningВероятность
По этим фильтрам книг не найдено. Измените запрос или фильтр.
Как формируется подборка. Библиотека состоит из двух полок. Academic Core опирается на официальные syllabus, reading lists и учебные ресурсы ведущих университетов. Applied Shelf дополняет фундаментальную базу современными практическими книгами по инженерии ML, данным, NLP, computer vision, causal inference и production-системам. Для каждой книги указан легальный источник оригинала. LYNQ Academy не размещает нелегальные копии. Кнопка оригинала ведёт на сайт автора, открытый учебный проект или страницу издателя. Русские и узбекские Study Editions — самостоятельные учебные руководства LYNQ, а не полные переводы книг. Источники и интеллектуальные права
От чтения к практике
Соберите свой маршрут чтения внутри Academy.
Сохраняйте книги, отмечайте прогресс и связывайте чтение с курсами, практикой и Skills Passport.
Начать бесплатно