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