年度回顧：2018年度機器學習50大熱門網文

       新的一年新氣象，總結過去一年，展望新的一年。站在巨人的肩膀上前行，肯定會事半功倍。是以，本文從2018年1月至12月期間挑選出近22,000篇機器學習文章，并進行比較，以挑選出能夠提升2019年資料科學技能的前50名文章。

       從機率上講，這是一個極具競争力的清單，機率僅為50 / 22,000（0.23％），且需要經過仔細挑選并與過去一年釋出的機器學習文章進行對比。

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品質。

       本教程将50篇文章劃分為16個相關組：

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習教程。如果想檢視去年最好的機器學習系列文章，

請點選這裡

。

深度視訊

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

深度視訊肖像：一種新穎的方法，隻使用輸入視訊即可實作肖像視訊的照片般逼真的重新動畫——由Christian Theobalt提供；

人臉識别

No. 3

如何使用Python中的深度學習實作iPhone X的FaceID功能——Nouman Di PaloCourtesy；

No. 4

使用OpenCV、Python和深度學習進行人臉識别——由Adrian Rosebrock提供；

No. 5

前沿人臉識别很複雜，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上分類清單照片：大規模深度學習模型正在改變我們在平台上思考家庭圖像的方式——由Shijing Yao提供；

No. 7

使用OpenCV進行YOLO對象檢測——由Adrian Rosebrock提供；

No. 8

使用10行代碼實作對象檢測——由Moses Olafenwa提供；

遊戲AI

No. 9

遊戲AI的初學者指南——由Kylotan提供；

No. 10

基于預測獎勵的強化學習——由Harri Edwards提供；

No. 11

Montezuma的複仇之路通過Go-Explore解決，這是一種新的解決困難探索問題的算法——由優步工程師提供；

No. 12

搶旗：代理如何在複雜的第一人稱多人遊戲中實作人類級别的表現，甚至可以與人類隊友合作——由DeepMind提供；

No. 13

OpenAI Five：在Dota 2遊戲中擊敗業餘人類玩家——由OpenAI提供；

象棋

No. 14

AlphaZero：在國際象棋、将棋和圍棋的盛大遊戲中嶄露頭角——由DeepMind提供；

No. 15

如何使用Python和Keras建構自己的AlphaZero AI——由David Foster提供；

No. 16

簡單解釋：人工智能程式如何掌握圍棋遊戲的古老遊戲——由Aman Agarwal提供；

醫療

No. 17

深度學習在醫學圖像資料集中的不合理用處——由Luke Oakden-Rayner提供；

No. 18

利用基于DNA的勝者通吃神經網絡擴大分子模式識别——由Kevin M. Cherry、Lulu Qian提供；

No. 19

針對腦核磁共振圖像的深度學習方法——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

走向虛拟替身演員——由Xue Bin peng提供；

No. 22

學習靈活：一個真正的機器人手，使用與OpenAI Five相同的學習算法和代碼進行訓練，已經學習了類似于旋轉物體的動作——由OpenAI提供；

No. 23

在人工代理中使用類似網格的表示進行導航——由Andrea Banino等人提供；

Web＆App

No. 24

如何使用CoreML、PyTorch和React Native在iOS上釋出神經網絡——由 Stefano等人提供；

No. 25

如何訓練AI将設計模型轉換為HTML和CSS——由Emil Wallner提供；

翻譯

No. 26

通過更快的訓練和推理将神經機器翻譯成更大的資料集——由Michael Auli等人提供；

No. 27

在翻譯中找到：通過深入學習從頭開始建構語言翻譯——由Samuel Lynn-Evans等人提供；

No. 28

無監督機器翻譯：為更多語言提供快速，準确翻譯的新方法。由Facebook Research提供

NLP

No. 29

有關BERT、ELMo和co（如何NLP破解轉移學習）的說明——由Jay Alammar提供

No. 30

注釋遷移學習——由哈佛NLP組提供；

No. 31

自然語言處理很有趣——由Adam Geitgey提供；

神經網絡

No. 32

如何在Python中從頭開始建構自己的神經網絡——由James Loy提供；

No. 33

使用簡單的NumPy編寫一個神經網絡——由Piotr Skalski提供；

CNN

No. 34

可區分的圖像參數化：一種功能強大、探索不足的神經網絡可視化和藝術工具——由distillpub提供；

No. 35

特征轉換——由distillpub提供；

No. 36

Keras和卷積神經網絡（CNN——由Adrian Rosebrock提供；

No. 37

可解釋性的組成部分——由Distill提供；

No. 38

Rosetta：通過機器學習了解圖像和視訊中的文本——由Facebook Research提供；

No. 39

一個有趣的卷積神經網絡失敗案例和協同解決方案——由優步提供；

RNN

No. 40

Google Duplex：用于通過電話完成真實世界任務的AI系統——由Yaniv Leviathan提供；

No. 41

世界模型：代理人可以在自己的夢中學習嗎？——由maru提供；

強化學習

No. 42

經驗教訓再現深度強化學習論文——由Matthew Rahtz提供；

No. 43

具有強化學習的靈巧操作：高效、通用和低成本——由Henry Zhu等人提供；

No. 44

深度強化學習不起作用——由Sorta Insightful

提供；

TensorFlow

No. 45

TensorFlow中的三元組損失和線上挖掘——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項目模闆架構的最佳實踐（Github上已有2579顆星）——由Mahmoud Gemy提供；

No. 48

使用TensorFlow.js在浏覽器中進行實時人體姿态估計——由TensorFlow提供；

指南

No. 49

機器學習規則：| ML通用指南|谷歌開發者——由Martin Zinkevich提供；

No. 50

基于模型的機器學習——由John Winn和Christopher M. Bishop提供

以上就是2018年度top50機器學習教程。如果你有更好的文章，請留言。

作者資訊

Mybridge，專業文章排名

本文由阿裡雲雲栖社群組織翻譯。

文章原标題《Learn Machine Learning from Top 50 Articles for the Past Year (v.2019)》，譯者：海棠，審校：Uncle_LLD。

文章簡譯，更為詳細的内容，

請檢視原文