2017 年裡哪些機器學習專案最受人關注？Mybridge 為我們整理了一份 Top 30 列表，以下所有專案均附有 GitHub 連結。
我們對比了近 8800 個開原機器學習專案，並挑選了其中最好的 30 個列舉於此。這是一個非常具有競爭力的列表，其中包含 2017 年 1 月-12 月份開源的各類優秀機器學習庫、資料集和應用。Mybridge AI 通過流行度、參與度和新鮮程度來對它們進行評級。先給你一個直觀印象：它們的 GitHub 平均 stars 是 3558 個。
開源專案對於資料科學家而言非常有意義，我們可以通過閱讀原始碼，在前人的基礎上構建更加強大的專案。現在，你可以盡情嘗試一下這些去年最佳專案了。
No.1
FastText：快速文字表示/分類庫，來自 Facebook（GitHub 11,786 stars）
連結：https://github.com/facebookresearch/fastText
參考內容：Facebook釋出新版fastText：擴充至移動端，加入教程
又及 Muse：多語言無監督/監督詞嵌入，基於 FastText（GitHub 695 stars）
連結：https://github.com/facebookresearch/MUSE
No.2
Deep-photo-styletransfer：康奈爾大學 Fujun Luan 論文《Deep Photo Style Transfer》的程式碼與資料（GitHub 9747 stars）
連結：https://github.com/luanfujun/deep-photo-styletransfer
No.3
face recognition：最簡單的 Python 命令列面部識別 API，來自 Adam Geitgey（GitHub 8672 stars）
連結：https://github.com/ageitgey/face_recognition
參考內容：基於Python的開源人臉識別庫：離線識別率高達99.38%
No.4
Magenta：機器智慧音樂與藝術生成器（GitHub 8113 stars）
連結：https://github.com/tensorflow/magenta
參考內容：谷歌Magenta專案是如何教神經網路編寫音樂的？
No.5
Sonnet：基於 TensorFlow 的神經網路庫（GitHub 5731 stars），來自 DeepMind 成員 Malcolm Reynolds
連結：https://github.com/deepmind/sonnet
參考內容：DeepMind開源Sonnet：可在TensorFlow中快速構建神經網路
No.6
deeplearn.js：來自 Google Brain 團隊 Nikhil Thorat 的網頁端硬體加速機器學習庫（GitHub 5462 stars）
連結：https://github.com/PAIR-code/deeplearnjs
參考內容：谷歌開源DeepLearn.js：可在網頁上實現硬體加速的機器學習
No.7
Fast Style Transfer：TensorFlow 快速風格轉換，來自 MIT 的 Logan Engstrom（GitHub 4843 stars）
連結：https://github.com/lengstrom/fast-style-transfer
No.8
Pysc2：星際爭霸 2 學習環境，來自 DeepMind Timo Ewalds 等人（GitHub 3683 stars）
連結：https://github.com/deepmind/pysc2
No.9
AirSim：基於虛幻引擎的開源自動駕駛模擬器，由微軟研究院 Shital Shah 等人提出（GitHub 3861 stars）
連結：https://github.com/Microsoft/AirSim
No.10
Facets：機器學習資料集視覺化工具，來自 Google Brain（GitHub 3371 stars）
連結：https://github.com/PAIR-code/facets
參考內容：谷歌開源機器學習視覺化工具 Facets：從全新角度觀察資料
No.11
Style2Paints：AI 漫畫線稿上色工具，來自蘇州大學（GitHub 3310 stars）
連結：https://github.com/lllyasviel/style2paints
參考內容：Style2paints：專業的AI漫畫線稿自動上色工具
No.12
Tensor2Tensor：用於廣義序列-序列模型的工具庫，來自 Google Brain 的 Ryan Sepassi（GitHub 3087 stars）
連結：https://github.com/tensorflow/tensor2tensor
參考內容：一個模型庫學習所有：谷歌開源模組化深度學習系統Tensor2Tensor
No.13
CycleGAN and pix2pix in PyTorch：基於 PyTorch 的影像-影像轉換工具，來自 UC Berkeley 在讀博士朱儁彥（GitHub 2847 stars）
連結：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix
參考內容：你來手繪塗鴉，人工智慧生成「貓片」：edges2cats影像轉換詳解
No.14
Faiss：用密集向量高效相似性搜尋與聚類的工具庫，來自 Facebook（GitHub 2629 stars）
連結：https://github.com/facebookresearch/faiss
No.15
Fashion-mnist：一個類似於 MNIST 的時尚產品資料集，來自 Zalando Tech 的 Han Xiao（GitHub 2780 stars）
連結：https://github.com/zalandoresearch/fashion-mnist
No.16
ParlAI：用於在各種公開可用的對話資料集上訓練與評估 AI 模型的框架，來自 Facebook 的 Alexander Miller（GitHub 2578 stars）
連結：https://github.com/facebookresearch/ParlAI
參考內容：Facebook開源人工智慧框架ParlAI：可輕鬆訓練評估對話模型
No.17
Fairseq：來自 FAIR 的序列到序列工具包（GitHub 2571 stars）
連結：https://github.com/facebookresearch/fairseq
參考內容：Facebook提出全新CNN機器翻譯：準確度超越谷歌而且還快九倍（已開源）
No.18
Pyro：使用 Python 和 PyTorch 進行深度通用概率程式設計，來自 Uber AI Labs（GitHub 2387 stars）
連結：https://github.com/uber/pyro
參考內容：Uber與史丹佛大學開源深度概率程式語言Pyro：基於PyTorch
No.19
iGAN：基於 GAN 的互動影像生成器（GitHub 2369 stars）
連結：https://github.com/junyanz/iGAN
參考內容：伯克利大學和Adobe開源深度學習影像編輯工具 iGAN
No.20
Deep-image-prior：使用神經網路進行影像恢復，同時無需學習過程，來自 Skoltech 的 Dmitry Ulyanov（GitHub 2188 stars）
連結：https://github.com/DmitryUlyanov/deep-image-prior
No.21
Face classification：基於 Keras CNN 模型與 OpenCV 的實時面部檢測和表情/性別分類，訓練與 fer2013/imdb 資料集（GitHub 1967 stars）
連結：https://github.com/oarriaga/face_classification
No.22
Speech to Text WaveNet：使用 DeepMind 的 WaveNet 和 TensorFlow 構成的端到端句級英語語音識別，來自 Kakao Brain 的 Namju Kim（GitHub 1961 stars）
連結：https://github.com/buriburisuri/speech-to-text-wavenet
參考內容：DeepMind WaveNet，將機器合成語音水平與人類差距縮小50%
No.23
StarGAN：用於多領域影像-影像轉換的統一生成對抗網路（GitHub 1954 stars）
連結：https://github.com/yunjey/StarGAN
No.24
MI-agents：Unity 機器學習智慧體，來自 Unity3D 的 Arthur Juliani（GitHub 1658 stars）
連結：https://github.com/Unity-Technologies/ml-agents
No.25
Deep Video Analytics：分散式視覺化搜尋和視覺化資料分析平臺，來自康奈爾大學的 Akshay Bhat（GitHub 1494 stars）
連結：https://github.com/AKSHAYUBHAT/DeepVideoAnalytics
No.26
OpenNMT：Torch 上的開源神經機器翻譯（GitHub 1490 stars）
連結：https://github.com/OpenNMT/OpenNMT
參考內容：哈佛大學NLP組開源神經機器翻譯工具包OpenNMT：已達到生產可用水平
No.27
Pix2PixHD：使用條件 GAN 合成和處理 2048×1024 解析度的影像，來自英偉達 AI 科學家 Ming-Yu Liu（GitHub 1283 stars）
連結：https://github.com/NVIDIA/pix2pixHD
No.28
Horovod：分散式 TensorFlow 訓練框架，來自 Uber 工程團隊（GitHub 1188 stars）
連結：https://github.com/uber/horovod
參考內容：詳解Horovod：Uber開源的TensorFlow分散式深度學習框架
No.29
AI-Blocks：強大而直觀的 WYSIWYG 介面，可讓任何人建立機器學習模型（GitHub 899 stars）
連結：https://github.com/MrNothing/AI-Blocks
No.30
Voice Conversion with Non-Parallel Data：基於 TensorFlow 的深度神經網路語音轉換（語音風格轉換），來自 Kakao Brain 團隊的 Dabi Ahn（GitHub 845 stars）
連結：https://github.com/andabi/deep-voice-conversion
原文連結：https://medium.mybridge.co/30-amazing-machine-learning-projects-for-the-past-year-v-2018-b853b8621ac7