Top 50!2017年机器学习热门文章精选

【导读】1月26日,Mybridge发布一篇看2017年热门网文入门机器学习应用开发。作者总结了2017年1月到12月近2万篇文章,从中选取前50名分享给大家。其领域涵盖了:图像处理、风格迁移、图像分类、人脸识别、目标检测、自动驾驶等。如果你是机器学习从业者或专业人员,那么本文绝对不可错过。如果你刚入门机器学习,本文也推荐了相关链接供您学习。本文提供的论文排名相对权威,其中有些论文可能您早已耳熟能详,有些却很少听闻,但这些工作都在机器学习领域做出了卓越贡献,值得大家一读!专知内容组编辑整理。

Learn to Build a Machine Learning Application from Top Articles of 2017

我们比较了从2017年1月到12月近2万篇关于构建机器学习应用程序的文章,从中选取其中前50名,分享给大家。

“在硅谷雇佣一个机器学习工程师或数据科学家就像雇用一个职业运动员一样。这就是它的要求(这就是需求决定的)“ - 纽约时报图:

由于科技巨头的高需求,数据科学家被比作职业运动员

机器学习已经成为当今劳动力需求最高的技能之一,美国的平均工资达到了134,472美元(来源:https://www.indeed.com/salaries/Machine-Learning-Engineer-Salaries)。

我们相信,向该领域中实践经验丰富的数据科学家学习,是提升你职业生涯的一个好方法。这个目录是为了让你更轻松地学习,因为它收纳了2017年发表的最有用的文章,那里经验丰富的数据科学家分享了他们在构建和发布机器学习应用程序时遇到的经验教训。

本文推荐的文章面向机器学习专业人士,因此我们非常重视文章的“质量”,确保你阅读的每一篇文章都是非常好的。本文排名也是相对权威的。从20000篇文章中只选出了50篇(占比是0.25%)。Mybridge AI一直在不断更新,它根据分享的总数量和阅读时间以及我们自己的机器学习算法对文章进行排名。

这个目录有15个关键的主题,如下所示。

如果你是一个初学者,刚入门,我们推荐以下课程,

A) Gaming AI

在Unity中建立人工智能应用的新手指南[5,041推荐,4.7/5星]

http://bit.ly/2nbsc5n

B)计算机视觉

深度学习和计算机视觉A-Z™:学习OpenCV,SSD和GAN并创建图像识别应用程序。[8,161推荐,4.5/5颗星]

http://bit.ly/2naZ4vg

如果你正在寻找开源项目,推荐以下文章,

年度机器学习项目(平均3,558⭐️):

请参阅

https://medium.mybridge.co/30-amazing-machine-learning-projects-for-the-past-year-v-2018-b853b8621ac7

(点击下面的数字查看文章,这些数字不是排名顺序)如果你喜欢纯文字版本:请查看Github

https://goo.gl/DJtDvY

▌<图像处理>



No 1

高分辨率图像合成与条件GAN的语义操作。由NVIDIA AI和UC Berkeley提供

https://goo.gl/LT78cj

No 2

使用深度学习创建具有专业水平的照片。由谷歌研究部的Hui Fang提供

https://research.googleblog.com/2017/07/using-deep-learning-to-create.html?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 3

使用OpenCV(Python)的高动态范围(HDR)成像。感谢Satya Mallick

https://www.learnopencv.com/high-dynamic-range-hdr-imaging-using-opencv-cpp-python?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌<风格迁移>(style transfer)



No 4

通过深层图像类比进行视觉属性转移。

https://arxiv.org/abs/1705.01088?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 5

Deep Photo Style Transfer:一种深度学习的方法,可以处理大量的图像,同时忠实地传递参考风格。

https://arxiv.org/abs/1703.07511?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 6

Deep Image Prior:超分辨率,修补,去噪,无需学习数据集和预训练网络。与学习方法相比较的结果。由Dmitry Ulyanov提供

https://dmitryulyanov.github.io/deep_image_prior?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌<图像分类>



No 7

Feature Visualization(特征可视化):神经网络如何提升对图像的理解。感谢Google Brain的Chris Olah和Ludwig Schubert

https://distill.pub/2017/feature-visualization?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 8

神经网络图像分类的初学者指南[Github上的4481颗星]。由Mozilla Firefox的David Humphrey提供

https://github.com/humphd/have-fun-with-machine-learning?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 9

深度学习背景去除。由Gidi Shperber提供

https://medium.com/towards-data-science/background-removal-with-deep-learning-c4f2104b3157?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌<人脸识别>



No 10

基于Direct Volumetric CNN回归的单幅图像大姿态三维重建。感谢Aaron Jackson

https://goo.gl/bGS3Cd

No 11

用OpenCV,Python和dlib进行眼睛眨眼检测。由Adrian Rosebrock提供

http://www.pyimagesearch.com/2017/04/24/eye-blink-detection-opencv-python-dlib?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 12

运用Python进行人脸活动检测。由Kirk Kaiser提供

https://www.makeartwithpython.com/blog/deal-with-it-generator-face-recognition?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌<视频稳定技术(Video Stabilization)>



No 13

基于Pixel 2 and Pixel 2 XL的融合视频稳定技术。谷歌研究部的Chia-Kai Liang提供

https://research.googleblog.com/2017/11/fused-video-stabilization-on-pixel-2.html?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌<目标检测>



No 14

在HBO的硅谷中如何用移动端的TensorFlow和Keras建立“Not Hotdog”。由Tim Anglade提供。

https://hackernoon.com/how-hbos-silicon-valley-built-not-hotdog-with-mobile-tensorflow-keras-react-native-ef03260747f3?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 15

目标检测:深度学习的概述。由Tryolabs提供

https://tryolabs.com/blog/2017/08/30/object-detection-an-overview-in-the-age-of-deep-learning?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 16

如何使用TensorFlow的目标检测器API来训练你自己的目标检测器。由Dat Tran提供

https://medium.com/towards-data-science/how-to-train-your-own-object-detector-with-tensorflows-object-detector-api-bec72ecfe1d9?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 17

基于深度学习和OpenCV的实时目标检测。

http://www.pyimagesearch.com/2017/09/18/real-time-object-detection-with-deep-learning-and-opencv?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌<自动驾驶汽车>



No 18

用Python实现自动驾驶Grand Theft Auto V:介绍[第一部分]。由Sentdex提供

https://www.youtube.com/watch?v=ks4MPfMq8aQ?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 19

通过深度学习识别交通灯:我如何在10周内学会了深度学习,并赢得了5,000美元。由David Brailovsky和freeCodeCamp提供

https://medium.freecodecamp.com/recognizing-traffic-lights-with-deep-learning-23dae23287cc?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌<推荐系统>



No 20

Spotify的每周的发现:机器学习如何发现您的新音乐。由Sophia Ciocca和Hackernoon提供

https://goo.gl/bSD9wE

No 21

艺术作品个性化。由Netflix技术博客提供

https://medium.com/netflix-techblog/artwork-personalization-c589f074ad76?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌<游戏Al>



No 22

MariFlow – 基于循环神经网络的自动驾驶(马里奥卡丁车)。由SethBling提供

https://www.youtube.com/watch?v=Ipi40cb_RsI?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 23

OpenAI Baselines:DQN。重现强化学习算法,其性能与公布的结果一致。由OpenAI提供。

https://blog.openai.com/openai-baselines-dqn?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 24

Dota 2中的强化学习[第二部分]。由OpenAI提供。

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

No 25

创建一个AI DOOM bot

https://www.codelitt.com/blog/doom-ai?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 26

用于角色控制的相位功能神经网络。由Daniel Holden提供

http://theorangeduck.com/page/phase-functioned-neural-networks-character-control?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 27

游戏模仿:将深度有监督卷积网络用于快速视频游戏。斯坦福大学提供

https://arxiv.org/abs/1702.05663?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 28

介绍:Unity机器学习智能体。由Unity的Arthur Juliani提供

https://blogs.unity3d.com/2017/09/19/introducing-unity-machine-learning-agents?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌<象棋 Al>



No 29

用通用强化学习算法自学习象棋和将棋。感谢Deepmind提供。

https://arxiv.org/abs/1712.01815?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 30

AlphaGo Zero:从零开始学习。由DeepMind提供。

https://goo.gl/nfKUMo

No 31

DeepMind的AlphaGo Zero如何工作?由Siraj Raval提供

https://www.youtube.com/watch?v=vC66XFoN4DE?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 32

一步一步的指导,建立一个简单的国际象棋AI应用。由Lauri Hartikka提供

https://medium.freecodecamp.com/simple-chess-ai-step-by-step-1d55a9266977?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌<医学中的AI>



No 33

CheXNet:运用深度学习进行胸部X射线检测,实现放射科专家级肺炎检测效果。感谢Andrew Ng和斯坦福机器学习小组的其他成员。

https://stanfordmlgroup.github.io/projects/chexnet?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 34

你能提高肺癌检测率吗?Data Science Bowl 2017年第二名的解决方案。

http://juliandewit.github.io/kaggle-ndsb2017?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 35

深度学习改善缓和治疗。感谢Andrew Ng和斯坦福机器学习小组的其他成员。

https://stanfordmlgroup.github.io/projects/improving-palliative-care?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 36

用深度学习进行心脏疾病诊断。由Chuck-Hou Yee提供

https://blog.insightdatascience.com/heart-disease-diagnosis-with-deep-learning-c2d92c27e730?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌<语音中的AI>



No 37

Tacotron:完全端到端的文本-语音合成模型 - Google的数据科学家提供。

https://arxiv.org/abs/1703.10135?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 38

用CTC进行序列建模。由斯坦福大学的Awni Hannun博士提供

https://distill.pub/2017/ctc/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 39

Deep Voice:实时文本到语音转换 - 百度硅谷人工智能实验室。

https://arxiv.org/abs/1702.07825?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 40

深度学习用于Siri : On-device Deep Mixture Density Networks for Hybrid Unit Selection Synthesis — Apple.。

https://goo.gl/8iDha4

▌<音乐中的AI>



No 41

计算机演变产生baroque音乐!由Cary Huang提供

https://www.youtube.com/watch?v=SacogDL_4JU?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 42

使用WaveNets制作自己的音乐:制作一个音乐合成器。由Jesse Engelberg提供。

https://magenta.tensorflow.org/nsynth-instrument?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌<自然语言处理>



No 43

学习沟通:Agents开发他们自己的语言 - OpenAI Research。

https://openai.com/blog/learning-to-communicate?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 44

大图机器学习:用神经网络和TensorFlow分类文本。感谢Déborah Mesquita提供

https://medium.freecodecamp.com/big-picture-machine-learning-classifying-text-with-neural-networks-and-tensorflow-d94036ac2274?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 45

神经机器翻译的新方法 - Facebook AI Research。

https://code.facebook.com/posts/1978007565818999/a-novel-approach-to-neural-machine-translation?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 46

《How to make a racist AI without really trying》不试试怎么知道可以创建一个有情感的AI智能体

https://blog.conceptnet.io/2017/07/13/how-to-make-a-racist-ai-without-really-trying?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌<预测>



No 47

使用机器学习预测房屋在Airbnb上的价值。由Aribnb的Robert Chang提供

https://medium.com/airbnb-engineering/using-machine-learning-to-predict-value-of-homes-on-airbnb-9272d3d4739d?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 48

利用神经网络工程的不确定性估计,对Uber时间序列进行预测

https://eng.uber.com/neural-networks-uncertainty-estimation?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 49

使用机器学习使泊车更容易。

https://research.googleblog.com/2017/02/using-machine-learning-to-predict.html?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No 50

如何轻松预测股票价格 - 深度学习介绍#7。

https://goo.gl/QpvfsX

原文链接:

https://medium.mybridge.co/learn-to-build-a-machine-learning-application-from-top-articles-of-2017-cdd5638453fc

原文发布于微信公众号 - 专知(Quan_Zhuanzhi)

原文发表时间:2018-01-28

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

来自专栏机器人网

《机器学习生态全景图》人工智能这五大流派你还傻傻分不清?

AI 的方法有许多,除了我们较为熟悉的“五大流派”,本文作者对 AI 的各流派进行细分,梳理了起码 17 种方法,并用一张图直观地展现。作者说,各种 AI 方法...

40612
来自专栏量子位

吴恩达的新深度学习课程什么样?我们试听了一下 | 附视频

问耕 发自 凹非寺 量子位 报道 | 公众号 QbitAI 注册之后,可以获得七天免费试听。不过在这之前,你首先需要输入一张信用卡/储蓄卡,或者Paypal账户...

4127
来自专栏量子位

DensePose开源了,2D变3D人体姿势实时识别 | Facebook@CVPR 2018

大家可能还记得,今年2月Facebook发布的,人体姿势实时识别系统DensePose。

2082
来自专栏数据科学与人工智能

【数据挖掘】数据挖掘中应该避免的弊端

1. 缺乏数据(Lack Data) 对于分类问题或预估问题来说,常常缺乏准确标注的案例。 例如:欺诈侦测(Fraud Detection):在上百万的交易中...

2868
来自专栏新智元

【干货】生成对抗式网络创始人Quora答疑

【新智元导读】还记得不久前LeCun在Quora答题时说的,他最激动的深度学习进展是“生成对抗网络”吗?生成对抗网络的提出者Ian Goodfellow日前也在...

36512
来自专栏PPV课数据科学社区

大数据挖掘中易犯的11大错误

按照Elder博士的总结,这11大易犯错误包括: 0.缺乏数据(LackData) 1.太关注训练(FocusonTraining) 2.只依赖一项技术(Rel...

4167
来自专栏互联网数据官iCDO

评估归因模型供应商的6个问题

译者:互联网数据官志愿者 王全鹏 前言:如何选择正确的归因模型来进行营销效果评估?如何评估你的归因模型供应商?专栏作家 Alison Lohse 给出了6个问题...

39314
来自专栏AI科技评论

干货 | 5年提速500倍,英伟达GPU创纪录突破与技术有哪些?

英伟达 Volta Tensor Core GPU 在深度学习社群取得了哪些巨大突破?这些突破背后有什么核心技术?

1343
来自专栏AI科技大本营的专栏

CCAI 2017 | 机器学习先驱Thomas Dietterich:如何构建强健的人工智能—原因及方式

俄勒冈州立大学教授、AAAI 前主席 Thomas G. Dietterich 文/CSDN周翔 7 月22 - 23 日,由中国人工智能学会、阿里巴巴集团 &...

3697
来自专栏大数据挖掘DT机器学习

滴滴大数据算法大赛Di-Tech2016参赛总结

---- 写在前面 题目描述 建模方法 特征工程 我的几次提升方法 从其他队伍那里学习到的提升方法 总结和感想 神经网络方法的一点思考 大数据量与分布式计算...

64115

扫码关注云+社区

领取腾讯云代金券