整理 | Jane

出品 | AI科技大本營（公眾號id：rgznai100）

在過去一年裡，我們每個月都會給大家推薦一些優質的、最新的機器學習研究成果或機器學習技術文章，很多文章是從近千篇文章中評選出來的。綜合考慮這些文章的更新時間、文章質量、受歡迎程度等因素，這次我們將為大家其中的 Top50，有些文章我們以前也詳細講解過，大家可以進行再次詳讀。

2018 機器學習熱文系列一

2018 機器學習熱文系列二

2018 機器學習熱文系列三

2018 機器學習熱文系列四

2018 機器學習熱文系列五

2018 機器學習熱文系列六

2018 機器學習熱文系列七

2018 機器學習熱文系列八

總結 2017 年機器學習領域最受歡迎的文章

新一年已經開始了，大家可以從這些文章涉及的領域、方向，告訴我們你們今年更想看到看到哪些內容，今年我們將繼續為大家介紹、推薦更多優質的學習資源。我在留言區等你們~

一、深度視訊（Deep Video）

1、Deepfakes

https://towardsdatascience.com/family-fun-with-deepfakes-or-how-i-got-my-wife-onto-the-tonight-show-a4454775c011

2、Deep Video Portraits

https://web.stanford.edu/~zollhoef/papers/SG2018_DeepVideo/page.html%0A

二、面部識別（Face Recognition）

3、用 Python 實現 iPhone X 面部識別的深度學習方法

https://towardsdatascience.com/how-i-implemented-iphone-xs-faceid-using-deep-learning-in-python-d5dbaa128e1d

https://github.com/normandipalo/faceID_beta

4、通過 OpenCV、Python 和深度學習方法進行人臉識別

https://www.pyimagesearch.com/2018/06/18/face-recognition-with-opencv-python-and-deep-learning/

5、僅用  Excel 就可以進行人臉識別

https://towardsdatascience.com/cutting-edge-face-recognition-is-complicated-these-spreadsheets-make-it-easier-e7864dbf0e1a?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

三、物體檢測（Object Detection）

6、Aibnb 平臺上的照片分類任務，實現大規模深度學習模型

https://medium.com/airbnb-engineering/categorizing-listing-photos-at-airbnb-f9483f3ab7e3

7、基於 OpenCV 用 YOLO 實現目標檢測

從YOLOv1到YOLOv3，目標檢測的進化之路

https://www.pyimagesearch.com/2018/11/12/yolo-object-detection-with-opencv

8、10行程式碼就能實現的物件檢測教程

https://towardsdatascience.com/object-detection-with-10-lines-of-code-d6cb4d86f606

四、遊戲 AI

9、一份初學者指南

https://www.gamedev.net/articles/programming/artificial-intelligence/the-total-beginners-guide-to-game-ai-r4942

10、OpenAI 釋出基於預測獎勵的強化學習

https://blog.openai.com/reinforcement-learning-with-prediction-based-rewards/

11、Uber 釋出的一種解決硬探索問題的新演算法

https://eng.uber.com/go-explore/

12、DeepMind 在奪旗遊戲中取得的成果

https://deepmind.com/blog/capture-the-flag/

13、OpenAI Five 在 DOTA2 中擊敗人類選手，取得的成果

https://blog.openai.com/openai-five

五、棋類遊戲

14、AlphaZero，DeepMind 釋出在圍棋、國際象棋等棋類任務中取得的新成果

https://deepmind.com/blog/alphazero-shedding-new-light-grand-games-chess-shogi-and-go

15、基於 Python 和 Keras 實現的 AlphaZero AI

https://medium.com/applied-data-science/how-to-build-your-own-alphazero-ai-using-python-and-keras-7f664945c188

16、AI 學會圍棋的一個簡單解釋

https://medium.freecodecamp.org/explained-simply-how-an-ai-program-mastered-the-ancient-game-of-go-62b8940a9080

六、醫療領域

17、深度學習在醫療影像資料集中存在哪些不合理的用法

https://lukeoakdenrayner.wordpress.com/2018/04/30/the-unreasonable-usefulness-of-deep-learning-in-medical-image-datasets

18、Scaling up molecular pattern recognition with DNA-based winner-take-all neural networks

https://www.nature.com/articles/s41586-018-0289-6.epdf

19、用深度學習研究大腦 MR 影像

https://medium.com/stanford-ai-for-healthcare/its-a-no-brainer-deep-learning-for-brain-mr-images-f60116397472

七、運動

20、人人是舞王

https://carolineec.github.io/everybody_dance_now/

21、Berkeley 研究的虛擬特效人

https://bair.berkeley.edu/blog/2018/04/10/virtual-stuntman

22、OpenAI 研究的靈活機械人手

OpenAI釋出最新「模擬機器人環境」,用「真實機器人」模型進行訓練

OpenAI 的機械手在試錯中自學成才，無需人類訓練

https://blog.openai.com/learning-dexterity/

23、DeepMind 釋出的Navigating with grid-like representations in artificial agents

https://deepmind.com/blog/grid-cells/

八、Web & APP

24、如何用 CoreML、PyTorch 和 React Native 在 ios 上完成一個神經網路

https://attardi.org/pytorch-and-coreml

25、如何訓練一個 AI 將模型設計轉換成 HTML 和 CSS

https://medium.freecodecamp.org/how-you-can-train-an-ai-to-convert-your-design-mockups-into-html-and-css-cc7afd82fed4

九、翻譯任務

26、由 Facebook Code 釋出將神經機器翻譯推廣至更大的資料集上

https://code.fb.com/ai-research/scaling-neural-machine-translation-to-bigger-data-sets-with-faster-training-and-inference/

27、Building a language translator from scratch with deep learning

https://blog.floydhub.com/language-translator/

28、Facebook Research 研究的無監督機器翻譯

https://code.fb.com/ai-research/unsupervised-machine-translation-a-novel-approach-to-provide-fast-accurate-translations-for-more-languages

十、NLP

29、圖解BERT, ELMo等模型（NLP如何破解遷移學習）

http://jalammar.github.io/illustrated-bert/

30、The Annotated Transformer — Harvard NLP

http://nlp.seas.harvard.edu/2018/04/03/attention.html

31、NLP is fun

https://medium.com/@ageitgey/natural-language-processing-is-fun-9a0bff37854e?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

十一、神經網路

32、如何用 Python 從頭構建一個神經網路

https://towardsdatascience.com/how-to-build-your-own-neural-network-from-scratch-in-python-68998a08e4f6

33、用 Numpy 實現一個神經網路

https://towardsdatascience.com/lets-code-a-neural-network-in-plain-numpy-ae7e74410795

十二、CNN

34、Differentiable Image Parameterizations

https://distill.pub/2018/differentiable-parameterizations

35、Feature-wise 轉換

https://distill.pub/2018/feature-wise-transformations/

36、Keras 與 CNN

https://www.pyimagesearch.com/2018/04/16/keras-and-convolutional-neural-networks-cnns

37、The Building Blocks of Interpretability

https://distill.pub/2018/building-blocks/

38、Facebook 公開的 Rosetta 系統，識別影像或視訊中的文字

https://code.fb.com/ai-research/rosetta-understanding-text-in-images-and-videos-with-machine-learning/

39、Uber 發表的一篇文章，關於 CNN 和 CoordConv Solution 一個有意思的缺陷

https://eng.uber.com/coordconv

十三、RNN

40、Google Duplex

https://ai.googleblog.com/2018/05/duplex-ai-system-for-natural-conversation.html

41、World Models

https://worldmodels.github.io/

十四、強化學習

42、Lessons Learned Reproducing a Deep Reinforcement Learning Paper

http://amid.fish/reproducing-deep-rl

43、Berkeley釋出的 Dexterous Manipulation with Reinforcement Learning

https://bair.berkeley.edu/blog/2018/08/31/dexterous-manip/

44、強化學習還不能發揮作用

https://www.alexirpan.com/2018/02/14/rl-hard.html

十五、TensorFlow

45、Triplet Loss and Online Triplet Mining in TensorFlow

https://omoindrot.github.io/triplet-loss

46、TensorFlow 答疑解惑

http://jacobbuckman.com/post/tensorflow-the-confusing-parts-1/

47、Tensorflow-Project-Template

https://github.com/Mrgemy95/Tensorflow-Project-Template

48、用 TF.js 在瀏覽器中實現實時人體姿態估計

https://medium.com/tensorflow/real-time-human-pose-estimation-in-the-browser-with-tensorflow-js-7dd0bc881cd5

十六、學習指南

49、Rules of Machine Learning: | ML Universal Guides | Google Developers

https://developers.google.com/machine-learning/guides/rules-of-ml

50、Model-based machine learning

http://mbmlbook.com/toc.html

想看、學習哪些 AI內容，歡迎給我們留言哦~

（本文為AI科技大本營整理文章，轉載請微信聯絡 1092722531）

群招募

掃碼新增小助手微信，回覆：公司+研究方向（學校+研究方向），邀你加入技術交流群。技術群稽核較嚴，敬請諒解。

推薦閱讀：

• 投稿近2000，NAACL 2019接收率僅為22.6%|附錄取論文名單

• 如何從零開始用PyTorch實現Chatbot？（附完整程式碼）

• 成長路線圖：如何成為一名Python開發者？

• 春招已近，這份面試指南請收下

• 20萬賺200萬,48歲創業者是這樣吊打小鮮肉的！

• 一部刷爆朋友圈的5G短片，看完才知道5G多暖多重要！

• 他修過車、殺過魚，最終進入阿里巴巴打造9個本地版支付寶！

• 光憑 5G 根本無法解決寬頻問題！

• 為啥程式設計師下班後只關顯示器從不關電腦？

❤點選“閱讀原文”，檢視歷史精彩文章。