【荐读】不容错过的机器学习经典好文 Top 10

【新智元导读】本文精选10篇2016年的经典机器学习相关文章,既有大牛写的深度好文,也有“神经网络动物园”这类的有趣小文,值得收藏研读。

去年,Mybridge对近14,500篇机器学习文章进行了筛选排名最终选出了10篇文章(入选几率为0.069%),旨在帮助读者在2017年提升职业生涯到一个台阶。

“正是机器学习才使得AlphaGo通过成百万次的训练最终取得世界冠军——DeepMind 创始人 Demis Hassabis

这个机器学习列表包括诸如:深度学习,AI,自然语言处理,面部识别,Tensorflow,增强学习,神经网络,AlphaGo,自驾车。

这是一个极具竞争力的名单,Mybridge 没有宣传任何一家的意图。本着客观公正的原则, Mybridge A.I.根据机器测量的内容质量和各种人的因素,包括参与和人气排名文章排名出来的。本轮评选没有考虑学术论文。

由领先数据科学家分享的经验和技术将给你带来事半功倍的效果,望大家不要错过。

排名1:深度学习完全教程

从线性回归开始。由斯坦福大学的 Andrew Ng 提供,地址:https://medium.com/@Stanford

排名2:应用 DeepMind和神经网络训练计算机玩超级马里奥

由Ehren J. Brav提供,MarI / O的超级马里奥机器学习演示

排名3:理解卷积神经网络的初学者指南[CNN 第一部分],[CNN 第二部分],[CNN第三部分]

由 Adit Deshpande 提供:https://medium.com/@aditdeshpande3

排名4:现代人脸识别与深度学习 - 机器学习之乐[第4部分]

由Adam Geitgey 提供:https://medium.com/@ageitgey

排名5:机器学习一年经历:一个初学者开始在工作中使用机器学习的经历

由Per HaraldBorgen提供,一周的机器学习:http://t.cn/RJk8va3

排名6:用自然语言处理建立Jarvis AI

由Facebook首席执行官Mark Zuckerburg提供:http://t.cn/zOgbBAV

排名7:使用TensorFlow中的深度学习完成图像

由卡内基梅隆大学Brandon Amos博士提供:http://t.cn/RJk82J7

排名8:神经网络动物园

排名9:如何编码和理解DeepMind的神经堆栈机

由牛津大学的Andrew Trask博士提供:http://t.cn/RJk8iwL

排名10:改变一切的神经网络

由Computerphile和诺丁汉大学的Mike Pound博士提供:http://t.cn/RJk8aTP

本文首发在网路冷眼的公众号,本文略有删减,更多请参见原始英文。

本文获网路冷眼授权转载发布,特此感谢。

原文地址:https://medium.mybridge.co/machine-learning-top-10-of-the-year-v-2017-7552599935c0#.1xkxiyeyg

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2017-02-27

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

来自专栏新智元

【机器学习圈子里的裙带关系】学术“朋友圈”罪与罚

来源:Reddit 作者:闻菲 【新智元导读】或许你以为搞学术做研究可以不受世俗干扰,殊不知有人在的地方就有江湖。在学术圈,跟对人或许跟做好事情一样重要...

3177
来自专栏大数据文摘

[独家]MIT课程笔记:数据可视化会撒谎

2748
来自专栏AI科技评论

干货 | 猿桌会 56 期 - 葛笑雨:应用于智能体的空间物理定性推理技术

近年来人工智能技术突飞猛进,越来越多的机器人正在走进我们的世界。与人类一样,机器人在执行日常任务时往往需要具备一定的空间物理推理能力。具备这种能力不仅使机器人可...

1372
来自专栏AI科技评论

葛笑雨:应用于智能体(Agent)的空间物理定性推理技术

近年来人工智能技术突飞猛进,越来越多的机器人正在走进我们的世界。与人类一样,机器人在执行日常任务时往往需要具备一定的空间物理推理能力。具备这种能力不仅使机器人可...

1371
来自专栏AI科技评论

视频 | 棋类大战中惨败的人类,现在想要在电子游戏上扳回一局

喜欢机器学习和人工智能,却发现埋头苦练枯燥乏味还杀时间?油管频道 Arxiv Insights 每周精选,从技术视角出发,带你轻松深度学习。 本期 Arxiv ...

3766
来自专栏PPV课数据科学社区

如何看待「机器学习不需要数学,很多算法封装好了,调个包就行」这种说法?

编者按:这个问题放到更大的范围,也同样适用于回答“学习数据挖掘是否需要学好数学?”。作者从实践的几个方面给出了自己的理解,小遍认为还是比较好的回答了这个问题。 ...

4025
来自专栏AI科技评论

犹他大学计算机系终身教授承恒达:人工智能中不确定性的研究 | CCF-GAIR 2018

AI 科技评论按:2018 全球人工智能与机器人峰会(CCF-GAIR)在深圳召开,峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大学(深圳)承办,得到了...

1111
来自专栏Python攻城狮

DIKW模型与数据工程1.DIKW 体系2.数据工程领域中的DIKW体系3.数据工程 领域职业划分4.数据分析5.数据建模基础

DIKW体系是关于数据、信息、知识及智慧的体系,可以追溯至托马斯·斯特尔那斯·艾略特所写的诗--《岩石》。在首段,他写道:“我们在哪里丢失了知识中的智慧?又在哪...

1643
来自专栏AI研习社

如何看待「机器学习不需要数学,很多算法封装好了,调个包就行」这种说法?

不抖机灵,想从接触过机器学习学术圈但已投身工业界的角度来回答。 我认为:大部分机器学习从业者不需要过度的把时间精力放在数学上,而该用于熟悉不同算法的应用场景和掌...

38010
来自专栏大数据文摘

GAN之父Ian Goodfellow :那个赋予机器想象力的人类

1932

扫码关注云+社区

领取腾讯云代金券