年度回顾:2018年度机器学习50大热门网文

2019-01-01 01:57:09 2390

00


       新的一年新气象,总结过去一年,展望新的一年。站在巨人的肩膀上前行,肯定会事半功倍。因此,本文从2018年1月至12月期间挑选出近22,000篇机器学习文章,并进行比较,以挑选出能够提升2019年数据科学技能的前50名文章。
       从概率上讲,这是一个极具竞争力的列表,概率仅为50 / 22,000(0.23%),且需要经过仔细挑选并与过去一年发布的机器学习文章进行对比。Mybridge AI通过考虑受欢迎程度、参与度和新近度以及其他人为因素来评估这些文章的质量。

       本教程将50篇文章划分为16个相关组:

0


寒冬已至,请花些大量时间阅读过去一年中可能错过的顶级机器学习教程。如果想查看去年最好的机器学习系列文章,请点击这里

深度视频

No. 1

Deepfakes与家庭乐趣,如何让自己妻子参加今夜秀——由Sven Charleer提供;
1

No. 2

深度视频肖像:一种新颖的方法,只使用输入视频即可实现肖像视频的照片般逼真的重新动画——由Christian Theobalt提供;
2

人脸识别

No. 3

如何使用Python中的深度学习实现iPhone X的FaceID功能——Nouman Di PaloCourtesy;
3_jpeg

No. 4

使用OpenCV、Python和深度学习进行人脸识别——由Adrian Rosebrock提供;
4

No. 5

前沿人脸识别很复杂,这些电子表格让它变得更容易——由 Dave Smith提供;
5

对象检测

No. 6

在Airbnb上分类列表照片:大规模深度学习模型正在改变我们在平台上思考家庭图像的方式——由Shijing Yao提供;
6

No. 7

使用OpenCV进行YOLO对象检测——由Adrian Rosebrock提供;
7

No. 8

使用10行代码实现对象检测——由Moses Olafenwa提供;
8_jpeg

游戏AI

No. 9

游戏AI的初学者指南——由Kylotan提供;
9

No. 10

基于预测奖励的强化学习——由Harri Edwards提供;
10

No. 11

Montezuma的复仇之路通过Go-Explore解决,这是一种新的解决困难探索问题的算法——由优步工程师提供;
11

No. 12

抢旗:代理如何在复杂的第一人称多人游戏中实现人类级别的表现,甚至可以与人类队友合作——由DeepMind提供;
12

No. 13

OpenAI Five:在Dota 2游戏中击败业余人类玩家——由OpenAI提供;
13

象棋

No. 14

AlphaZero:在国际象棋、将棋和围棋的盛大游戏中崭露头角——由DeepMind提供;

14

No. 15

如何使用Python和Keras构建自己的AlphaZero AI——由David Foster提供;
15

No. 16

简单解释:人工智能程序如何掌握围棋游戏的古老游戏——由Aman Agarwal提供;
16

医疗

No. 17

深度学习在医学图像数据集中的不合理用处——由Luke Oakden-Rayner提供;
17

No. 18

利用基于DNA的胜者通吃神经网络扩大分子模式识别——由Kevin M. Cherry、Lulu Qian提供;
18

No. 19

针对脑核磁共振图像的深度学习方法——由Henrik Marklund提供;
19

运动

No. 20

每个人都跳舞:一个简单的方法“跟我做”动作迁移——由Caroline Chan等人提供;
20

No. 21

走向虚拟替身演员——由Xue Bin peng提供;
21

No. 22

学习敏捷:一个真正的机器人手,使用与OpenAI Five相同的学习算法和代码进行训练,已经学习了类似于旋转物体的动作——由OpenAI提供;
22

No. 23

在人工代理中使用类似网格的表示进行导航——由Andrea Banino等人提供;
23

Web&App

No. 24

如何使用CoreML、PyTorch和React Native在iOS上发布神经网络——由 Stefano等人提供;
24

No. 25

如何训练AI将设计模型转换为HTML和CSS——由Emil Wallner提供;
25_jpeg

翻译

No. 26

通过更快的训练和推理将神经机器翻译成更大的数据集——由Michael Auli等人提供;
26

No. 27

在翻译中找到:通过深入学习从头开始构建语言翻译——由Samuel Lynn-Evans等人提供;
27_jpeg

No. 28

无监督机器翻译:为更多语言提供快速,准确翻译的新方法。由Facebook Research提供
28

NLP

No. 29

有关BERT、ELMo和co(如何NLP破解转移学习)的说明——由Jay Alammar提供
29

No. 30

注释迁移学习——由哈佛NLP组提供;
30

No. 31

自然语言处理很有趣——由Adam Geitgey提供;
31

神经网络

No. 32

如何在Python中从头开始构建自己的神经网络——由James Loy提供;
32

No. 33

使用简单的NumPy编写一个神经网络——由Piotr Skalski提供;
33

CNN

No. 34

可区分的图像参数化:一种功能强大、探索不足的神经网络可视化和艺术工具——由distillpub提供;
34

No. 35

特征转换——由distillpub提供;
35

No. 36

Keras和卷积神经网络(CNN——由Adrian Rosebrock提供;
36

No. 37

可解释性的组成部分——由Distill提供;
37

No. 38

Rosetta:通过机器学习理解图像和视频中的文本——由Facebook Research提供;
38

No. 39

一个有趣的卷积神经网络失败案例和协同解决方案——由优步提供;
39

RNN

No. 40

Google Duplex:用于通过电话完成真实世界任务的AI系统——由Yaniv Leviathan提供;
40

No. 41

世界模型:代理人可以在自己的梦中学习吗?——由maru提供;
41

强化学习

No. 42

经验教训再现深度强化学习论文——由Matthew Rahtz提供;
42

No. 43

具有强化学习的灵巧操作:高效、通用和低成本——由Henry Zhu等人提供;
43

No. 44

深度强化学习不起作用——由Sorta Insightful
提供;
44

TensorFlow

No. 45

TensorFlow中的三元组损失和在线挖掘——由Olivier Moindrot提供;
45

No. 46

Tensorflow:令人困惑的部件(1)——由Jacob Buckman提供;
46

No. 47

Tensorflow-Project-Template:TensorFlow项目模板架构的最佳实践(Github上已有2579颗星)——由Mahmoud Gemy提供;
47

No. 48

使用TensorFlow.js在浏览器中进行实时人体姿态估计——由TensorFlow提供;
48

指南

No. 49

机器学习规则:| ML通用指南|谷歌开发者——由Martin Zinkevich提供;
49

No. 50

基于模型的机器学习——由John Winn和Christopher M. Bishop提供
50
以上就是2018年度top50机器学习教程。如果你有更好的文章,请留言。

作者信息

Mybridge,专业文章排名
本文由阿里云云栖社区组织翻译。
文章原标题《Learn Machine Learning from Top 50 Articles for the Past Year (v.2019)》,译者:海棠,审校:Uncle_LLD。
文章简译,更为详细的内容,请查看原文

python 深度学习 年终总结 html Blog github 人脸识别 神经网络 2018 机器学习好文

作者

【方向】
TA的文章

相关文章

梦见周伯通1

这是去年最新的发展趋势,也是有可能最快改变我们生活的技术!无论这些技术会赋予我们什么样的能力,提供什么样的新生活,我都以生活在这个时代而庆幸!