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 ——