2018年度机器学习50大热门网文
新的一年新氣象,總結(jié)過去一年,展望新的一年。站在巨人的肩膀上前行,肯定會事半功倍。因此,本文從2018年1月至12月期間挑選出近22,000篇機器學(xué)習(xí)文章,并進(jìn)行比較,以挑選出能夠提升2019年數(shù)據(jù)科學(xué)技能的前50名文章。
? ? ? ?從概率上講,這是一個極具競爭力的列表,概率僅為50 / 22,000(0.23%),且需要經(jīng)過仔細(xì)挑選并與過去一年發(fā)布的機器學(xué)習(xí)文章進(jìn)行對比。Mybridge AI通過考慮受歡迎程度、參與度和新近度以及其他人為因素來評估這些文章的質(zhì)量。
? ? ? ?本教程將50篇文章劃分為16個相關(guān)組:
寒冬已至,請花些大量時間閱讀過去一年中可能錯過的頂級機器學(xué)習(xí)教程。如果想查看去年最好的機器學(xué)習(xí)系列文章,請點擊這里。
深度視頻
No. 1
Deepfakes與家庭樂趣,如何讓自己妻子參加今夜秀——由Sven Charleer提供;
No. 2
深度視頻肖像:一種新穎的方法,只使用輸入視頻即可實現(xiàn)肖像視頻的照片般逼真的重新動畫——由Christian Theobalt提供;
人臉識別
No. 3
如何使用Python中的深度學(xué)習(xí)實現(xiàn)iPhone X的FaceID功能——Nouman Di PaloCourtesy;
No. 4
使用OpenCV、Python和深度學(xué)習(xí)進(jìn)行人臉識別——由Adrian Rosebrock提供;
No. 5
前沿人臉識別很復(fù)雜,這些電子表格讓它變得更容易——由?Dave Smith提供;
對象檢測
No. 6
在Airbnb上分類列表照片:大規(guī)模深度學(xué)習(xí)模型正在改變我們在平臺上思考家庭圖像的方式——由Shijing Yao提供;
No. 7
使用OpenCV進(jìn)行YOLO對象檢測——由Adrian Rosebrock提供;
No. 8
使用10行代碼實現(xiàn)對象檢測——由Moses Olafenwa提供;
游戲AI
No. 9
游戲AI的初學(xué)者指南——由Kylotan提供;
No. 10
基于預(yù)測獎勵的強化學(xué)習(xí)——由Harri Edwards提供;
No. 11
Montezuma的復(fù)仇之路通過Go-Explore解決,這是一種新的解決困難探索問題的算法——由優(yōu)步工程師提供;
No. 12
搶旗:代理如何在復(fù)雜的第一人稱多人游戲中實現(xiàn)人類級別的表現(xiàn),甚至可以與人類隊友合作——由DeepMind提供;
No. 13
OpenAI Five:在Dota 2游戲中擊敗業(yè)余人類玩家——由OpenAI提供;
象棋
No. 14
AlphaZero:在國際象棋、將棋和圍棋的盛大游戲中嶄露頭角——由DeepMind提供;
No. 15
如何使用Python和Keras構(gòu)建自己的AlphaZero AI——由David Foster提供;
No. 16
簡單解釋:人工智能程序如何掌握圍棋游戲的古老游戲——由Aman Agarwal提供;
醫(yī)療
No. 17
深度學(xué)習(xí)在醫(yī)學(xué)圖像數(shù)據(jù)集中的不合理用處——由Luke Oakden-Rayner提供;
??
No. 18
利用基于DNA的勝者通吃神經(jīng)網(wǎng)絡(luò)擴大分子模式識別——由Kevin M. Cherry、Lulu Qian提供;
No. 19
針對腦核磁共振圖像的深度學(xué)習(xí)方法——由Henrik Marklund提供;
運動
No. 20
每個人都跳舞:一個簡單的方法“跟我做”動作遷移——由Caroline Chan等人提供;
No. 21
走向虛擬替身演員——由Xue Bin peng提供;
No. 22
學(xué)習(xí)敏捷:一個真正的機器人手,使用與OpenAI Five相同的學(xué)習(xí)算法和代碼進(jìn)行訓(xùn)練,已經(jīng)學(xué)習(xí)了類似于旋轉(zhuǎn)物體的動作——由OpenAI提供;
??
No. 23
在人工代理中使用類似網(wǎng)格的表示進(jìn)行導(dǎo)航——由Andrea Banino等人提供;
Web&App
No. 24
如何使用CoreML、PyTorch和React Native在iOS上發(fā)布神經(jīng)網(wǎng)絡(luò)——由 Stefano等人提供;
No. 25
如何訓(xùn)練AI將設(shè)計模型轉(zhuǎn)換為HTML和CSS——由Emil Wallner提供;
翻譯
No. 26
通過更快的訓(xùn)練和推理將神經(jīng)機器翻譯成更大的數(shù)據(jù)集——由Michael Auli等人提供;
No. 27
在翻譯中找到:通過深入學(xué)習(xí)從頭開始構(gòu)建語言翻譯——由Samuel Lynn-Evans等人提供;
No. 28
無監(jiān)督機器翻譯:為更多語言提供快速,準(zhǔn)確翻譯的新方法。由Facebook Research提供
NLP
No. 29
有關(guān)BERT、ELMo和co(如何NLP破解轉(zhuǎn)移學(xué)習(xí))的說明——由Jay Alammar提供
No. 30
注釋遷移學(xué)習(xí)——由哈佛NLP組提供;
No. 31
自然語言處理很有趣——由Adam Geitgey提供;
神經(jīng)網(wǎng)絡(luò)
No. 32
如何在Python中從頭開始構(gòu)建自己的神經(jīng)網(wǎng)絡(luò)——由James Loy提供;
No. 33
使用簡單的NumPy編寫一個神經(jīng)網(wǎng)絡(luò)——由Piotr Skalski提供;
CNN
No. 34
可區(qū)分的圖像參數(shù)化:一種功能強大、探索不足的神經(jīng)網(wǎng)絡(luò)可視化和藝術(shù)工具——由distillpub提供;
No. 35
特征轉(zhuǎn)換——由distillpub提供;
No. 36
Keras和卷積神經(jīng)網(wǎng)絡(luò)(CNN——由Adrian Rosebrock提供;
No. 37
可解釋性的組成部分——由Distill提供;
No. 38
Rosetta:通過機器學(xué)習(xí)理解圖像和視頻中的文本——由Facebook Research提供;
No. 39
一個有趣的卷積神經(jīng)網(wǎng)絡(luò)失敗案例和協(xié)同解決方案——由優(yōu)步提供;
RNN
No. 40
Google Duplex:用于通過電話完成真實世界任務(wù)的AI系統(tǒng)——由Yaniv Leviathan提供;
No. 41
世界模型:代理人可以在自己的夢中學(xué)習(xí)嗎?——由maru提供;
強化學(xué)習(xí)
No. 42
經(jīng)驗教訓(xùn)再現(xiàn)深度強化學(xué)習(xí)論文——由Matthew Rahtz提供;
No. 43
具有強化學(xué)習(xí)的靈巧操作:高效、通用和低成本——由Henry Zhu等人提供;
No. 44
深度強化學(xué)習(xí)不起作用——由Sorta Insightful提供;
TensorFlow
No. 45
TensorFlow中的三元組損失和在線挖掘——由Olivier Moindrot提供;
No. 46
Tensorflow:令人困惑的部件(1)——由Jacob Buckman提供;
No. 47
Tensorflow-Project-Template:TensorFlow項目模板架構(gòu)的最佳實踐(Github上已有2579顆星)——由Mahmoud Gemy提供;
No. 48
使用TensorFlow.js在瀏覽器中進(jìn)行實時人體姿態(tài)估計——由TensorFlow提供;
指南
No. 49
機器學(xué)習(xí)規(guī)則:| ML通用指南|谷歌開發(fā)者——由Martin Zinkevich提供;
No. 50
基于模型的機器學(xué)習(xí)——由John Winn和Christopher M. Bishop提供
以上就是2018年度top50機器學(xué)習(xí)教程。如果你有更好的文章,請留言。
?
原文鏈接
本文為云棲社區(qū)原創(chuàng)內(nèi)容,未經(jīng)允許不得轉(zhuǎn)載。
總結(jié)
以上是生活随笔為你收集整理的2018年度机器学习50大热门网文的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: MSSQL - 最佳实践 - 如何打码隐
- 下一篇: Node.js 应用故障排查手册 ——