9月机器学习文章Top10:星际2、Dota2皆入选,ML教程居榜首

【新智元导读】Mybridge AI(www.mybridge.co)基于文章的内容质量和热议程度对 9 月份和机器学习相关的论文进行了排名,从近 1400 篇博客文章和论文中选出了 Top10,主题涵盖:星际2,Dota2,对象识别,语音识别,Siri,图像强化学习,神经网络,TensorFlow等。

No.1 《机器学习简明教程》作者:Vishal Maini

Machine Learning for Humans

链接:https://medium.mybridge.co/machine-learning-top-10-articles-for-the-past-month-v-sep-2017-c68f4b0b5e72

这篇文章用平实的语言阐释了什么是机器学习、机器学习的主要内容等,使用了少量的数学公式、代码和实例,内容涉及监督学习、无监督学习、神经网络和深度学习、强化学习等,同时列举了一些优秀的资源,附目录如下:

No.2 《TensorFlow 最佳实践》 作者:Vahid Kazemi,ML at Google

Effective Tensorflow: TensorFlow Best Practices

链接:https://github.com/vahidk/EffectiveTensorflow?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

由谷歌软件工程师 Vahid Kazemi 在GitHub上发布的《TensorFlow 最佳实践》已经获得了 5978 个赞。这一系列仍然在随着 TensorFlow API 的发布而不断扩展。

No.3 《Pysc2:DeepMind 的星际 2 学习环境》

Pysc2: StarCraft II Learning Environment by DeepMind

链接:https://github.com/deepmind/pysc2?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

此前新智元曾过道过,DeepMind 与合作伙伴暴雪一起,发布了一套名为 SC2LE (StarCraft II Learning Environment)的工具组件,这套工具组件将加速即时策略游戏星际争霸 2 中的 AI 研究。

关于这一开源平台的教程,可以点击:http://chris-chris.ai/2017/08/30/pysc2-tutorial1/

对于DeepMind的相关论文,有一个短视频进行了深入浅出的解读:https://www.youtube.com/watch?v=St5lxIxYGkI

No. 4 对象识别:深度学习时代纵览 作者:Javier Rey

Object detection: an overview in the age of Deep Learning.

链接:https://tryolabs.com/blog/2017/08/30/object-detection-an-overview-in-the-age-of-deep-learning/

从简单的图像分类到三维姿势预测,计算机视觉是人工智能最热的领域之一。其中对象识别是一项重点任务。和计算机视觉中的很多问题一样,目前还没有一个解决此类问题的“最佳方案”,说明此领域仍然有巨大的提升空间。本文关注了对象识别中的常见问题。

No.5 用于深度强化学习的图像增强智能体

Imagination-Augmented Agents for Deep Reinforcement Learning — DeepMind.

论文链接:https://arxiv.org/abs/1707.06203?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

论文引入了 Imagination-Augmented Agents (I2As),一种用于深度强化学习的新架构。关于论文的短视频介绍,请点击链接:https://www.youtube.com/watch?v=xp-YOPcjkFw

No.6 用深度学习去除背景 作者:Gidi Shperber

Background removal with deep learning.

博文链接:https://medium.com/towards-data-science/background-removal-with-deep-learning-c4f2104b3157

A selfie is an image with a salient and focused foreground (one or more “persons”) guarantees us a good separation between the object (face+upper body) and the background, along with quite an constant angle, and always the same object (person).

自拍照片总是会突出“前景”——一般是人,弱化“背景”。这项研究通过训练模型,推出了相关产品,可一键去除掉背景。

No.7 OpenAI 的 Dota2 强化学习

Reinforcement Learning on Dota 2 at OpenAI [Part II]

博文链接:https://blog.openai.com/more-on-dota-2?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

此前新智元曾报道过,OpenAI 的机器人在 Dota2 1v1 比赛中战胜了人类著名职业玩家 Denti。本文是对 OpenAI Dota2 机器人的进一步技术解读。

No.8 用于 Siri 语音的深度学习 :在终端将深度混合密度模型用于混合单元选择合成 作者:苹果 Siri 团队

Deep Learning for Siri’s Voice: On-device Deep Mixture Density Networks for Hybrid Unit Selection Synthesis.

博文链接:https://machinelearning.apple.com/2017/08/06/siri-voices.html?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

日前,苹果在自家的“Apple Machine Learning Journal”的博客上发表了三篇论文,详细解释了 Siri 声音背后有关深度学习的技术细节。其中就包括这篇《Deep Learning for Siri's Voice:On-device Deep Mixture Density Networks for Hybrid Unit Selection Synthesis 》。为了让 Siri 在全平台上都能具备高质量的合成声音,苹果公司正在设备端上推进深度学习在混合单元挑选系统中的应用。

No.9 如何愚弄神经网络—机器学习有意思(Part 8)作者:Adam Geitgey

How to Intentionally Trick Neural Networks — Machine Learning is Fun Part 8.

链接:https://medium.com/@ageitgey/machine-learning-is-fun-part-8-how-to-intentionally-trick-neural-networks-b55da32b7196

这一很受欢迎的系列博文来到了第8章。它认为最先进的 DNN 也会轻易上当,只要你知道一些花招,就能让它们给出你想要的结果。

No.10 用 TensorFlow 的对象识别 API 训练你自己的对象识别器 作者:Dat Tran

How to train your own Object Detector with TensorFlow’s Object Detector API.

链接:https://medium.com/towards-data-science/how-to-train-your-own-object-detector-with-tensorflows-object-detector-api-bec72ecfe1d9

本文作者在自己收集和标注的训练集上,用 TensorFlow 做了一个自己的浣熊识别器。数据集可见:https://github.com/datitran/raccoon_dataset

原文地址:https://medium.mybridge.co/machine-learning-top-10-articles-for-the-past-month-v-sep-2017-c68f4b0b5e72

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2017-09-24

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏技术翻译

揭开人工智能、机器学习和深度学习的神秘面纱

深入学习,机器学习,人工智能——所有代表分析的未来的流行词。在这篇文章中,我们将通过一些现实世界的例子来解释什么是机器学习和深度学习。在以后的文章中,我们将探讨...

10100
来自专栏AI研习社

意想不到的盟友:改善隐私问题可以带来表现更好的机器学习模型

AI 研习社按:Nicolas Papernot 在 2017、2018 连续两年的 ICLR 上都发表了关于差分隐私方法 PATE 的论文。如今大家都意识到了...

16430
来自专栏大数据文摘

Google首席科学家韩国大学演讲:大规模深度学习

15020
来自专栏达观数据

多模型融合推荐算法在达观数据的运用

多模型融合推荐算法在达观数据的运用 研发背景 互联网时代也是信息爆炸的时代,内容太多,而用户的时间太少,如何选择成了难题。电商平台里的商品、媒体网站里的新闻、小...

53560
来自专栏新智元

【深度强化学习突破】OpenAI Gym 玩游戏达到人类水平

【新智元导读】许多人不信只用1个强化学习算法,就能让计算机从零开始从像素中自动学会玩大部分ATARI游戏,并达到人类的表现水平。本文中,参与设计与研发OpenA...

56160
来自专栏深度学习那些事儿

一篇文章解决机器学习,深度学习入门疑惑

研究生有不少日子,和之前的几个学长以及几个学弟偶尔也聊聊天。大部分聊的话题无关乎这几年大火的机器学习深度学习神经网络,而这篇文章的目的,则是从学生的角度(不管是...

69870
来自专栏工科狗和生物喵

【毕设进行时-工业大数据,数据挖掘】第一天收获

【个人看法】 支持向量机的核心与决策树类似。但是还是有不同之处,现在多学习下支持向量机,后面用自己的算法也行。或者给出多个版本的话,可以作为几个方案去解释!

14620
来自专栏CDA数据分析师

干货 | 机器学习没有你想的那么复杂

人脑是最神奇的。你知道我更感兴趣的是什么吗?是我们的学习能力。我们如何能够适应并学习全新的技能,然后应用到日常生活之中呢?

8740
来自专栏PPV课数据科学社区

写给大家看的机器学习书(第三篇)

题记 —— 我们为何出发 在开始这个系列文章的第三篇之前,为了对初次见面的朋友更友好,将这个题记放在前面。 哪怕所有的初心最终都被遗忘,至少现在的我们足够认真。...

30960
来自专栏AI科技评论

如何玩转谷歌TensorFlow? | 牛人讲堂

AI并不是一门简单的学科,AI算法的开发和调试并没有一个统一的、集成了大量API方便调用的平台和语言,目前的人工智能开发平台仍然处于一种半蛮荒的状态。许多功能需...

35560

扫码关注云+社区

领取腾讯云代金券