總結機器學習優質學習文章Top50!

AI科技大本營發表於2019-03-03

640?wx_fmt=jpeg                                         

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


640?wx_fmt=gif


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


2、Deep Video Portraits


640?wx_fmt=png


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


640?wx_fmt=jpeg

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


640?wx_fmt=gif

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


640?wx_fmt=gif

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


640?wx_fmt=png

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


640?wx_fmt=gif

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


640?wx_fmt=png

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


四、遊戲 AI

9、一份初學者指南


640?wx_fmt=png

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


640?wx_fmt=png

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


640?wx_fmt=png

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


12、DeepMind 在奪旗遊戲中取得的成果


640?wx_fmt=png

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


13、OpenAI Five 在 DOTA2 中擊敗人類選手,取得的成果


640?wx_fmt=jpeg

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


640?wx_fmt=png

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


640?wx_fmt=png

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


640?wx_fmt=jpeg

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


640?wx_fmt=jpeg

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


640?wx_fmt=png

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


19、用深度學習研究大腦 MR 影像


640?wx_fmt=png

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


640?wx_fmt=png

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


21、Berkeley 研究的虛擬特效人


640?wx_fmt=png

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


640?wx_fmt=jpeg

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


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


640?wx_fmt=png

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


640?wx_fmt=png

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


640?wx_fmt=jpeg

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


640?wx_fmt=gif

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


640?wx_fmt=jpeg

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


28、Facebook Research 研究的無監督機器翻譯


640?wx_fmt=gif

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)


640?wx_fmt=png

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


30、The Annotated Transformer — Harvard NLP


640?wx_fmt=png

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


31、NLP is fun


640?wx_fmt=png

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


640?wx_fmt=gif

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


640?wx_fmt=gif

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


十二、CNN

34、Differentiable Image Parameterizations


640?wx_fmt=jpeg

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


35、Feature-wise 轉換


640?wx_fmt=png

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


36、Keras 與 CNN


640?wx_fmt=jpeg

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


37、The Building Blocks of Interpretability


640?wx_fmt=png

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


640?wx_fmt=png

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


640?wx_fmt=png

https://eng.uber.com/coordconv


十三、RNN

40、Google Duplex


640?wx_fmt=png

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


41、World Models


640?wx_fmt=png

https://worldmodels.github.io/


十四、強化學習

42、Lessons Learned Reproducing a Deep Reinforcement Learning Paper


640?wx_fmt=jpeg

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


43、Berkeley釋出的 Dexterous Manipulation with Reinforcement Learning


640?wx_fmt=png

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


44、強化學習還不能發揮作用


640?wx_fmt=jpeg

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


十五、TensorFlow

45、Triplet Loss and Online Triplet Mining in TensorFlow


640?wx_fmt=png

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


46、TensorFlow 答疑解惑


640?wx_fmt=png

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


47、Tensorflow-Project-Template


640?wx_fmt=png

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


640?wx_fmt=gif

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


640?wx_fmt=png

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


50、Model-based machine learning


640?wx_fmt=png

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。

640?wx_fmt=jpeg

推薦閱讀:


                         640?wx_fmt=png

點選“閱讀原文”,檢視歷史精彩文章。

相關文章