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
Deepfakes與家庭樂趣,如何讓自己妻子參加今夜秀——由Sven Charleer提供;
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
如何使用Python中的深度學習實作iPhone X的FaceID功能——Nouman Di PaloCourtesy;
使用OpenCV、Python和深度學習進行人臉識别——由Adrian Rosebrock提供;
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
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;
使用OpenCV進行YOLO對象檢測——由Adrian Rosebrock提供;
使用10行代碼實作對象檢測——由Moses Olafenwa提供;
遊戲AI
遊戲AI的初學者指南——由Kylotan提供;
基于預測獎勵的強化學習——由Harri Edwards提供;
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;
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;
OpenAI Five:在Dota 2遊戲中擊敗業餘人類玩家——由OpenAI提供;
象棋
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;
如何使用Python和Keras建構自己的AlphaZero AI——由David Foster提供;
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
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;
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;
針對腦核磁共振圖像的深度學習方法——由Henrik Marklund提供;
運動
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;
走向虛拟替身演員——由Xue Bin peng提供;
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;
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
如何使用CoreML、PyTorch和React Native在iOS上釋出神經網絡——由 Stefano等人提供;
如何訓練AI将設計模型轉換為HTML和CSS——由Emil Wallner提供;
翻譯
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;
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;
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
有關BERT、ELMo和co(如何NLP破解轉移學習)的說明——由Jay Alammar提供
注釋遷移學習——由哈佛NLP組提供;
自然語言處理很有趣——由Adam Geitgey提供;
神經網絡
如何在Python中從頭開始建構自己的神經網絡——由James Loy提供;
使用簡單的NumPy編寫一個神經網絡——由Piotr Skalski提供;
CNN
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;
特征轉換——由distillpub提供;
Keras和卷積神經網絡(CNN——由Adrian Rosebrock提供;
可解釋性的組成部分——由Distill提供;
Rosetta:通過機器學習了解圖像和視訊中的文本——由Facebook Research提供;
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
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;
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
經驗教訓再現深度強化學習論文——由Matthew Rahtz提供;
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;
深度強化學習不起作用——由Sorta Insightful
提供;
TensorFlow
TensorFlow中的三元組損失和線上挖掘——由Olivier Moindrot提供;
Tensorflow:令人困惑的部件(1)——由Jacob Buckman提供;
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;
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
機器學習規則:| ML通用指南|谷歌開發者——由Martin Zinkevich提供;
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