2017年机器学习 Top 10


#1

本文由gdong翻译自 https://medium.mybridge.co/machine-learning-top-10-of-the-year-v-2017-7552599935c0 , 首发于 idevfun.io , 转载请保留此声明。

以下是正文:


2017年度机器学习十大文章

在过去的一年里,我们在14,500篇机器学习文章中排出了前10名(0.069%的被选中几率)能在2017对你的职业生涯有所帮助的文章。

正是由于机器学习,使得 AlphaGo 可以通过和自己下棋训练无数次来打败围棋界世界冠军。

— Demis Hassabis, DeepMind 创始人


AlphaGo astonishes Go grandmaster Lee Sedol with its winning move

下面这个机器学习列表涉及到的话题包括:深度学习、人工智能、自然语言处理、面部识别、TensorFlow、增强学习、神经网络、AlphaGo和自动驾驶等。

这是一个充满竞争的列表,本文作者并未接受任何文章来源的好处。本文作者的人工智能排名文章基于我们的内容质量算法和多种人为参考因素,包括文章吸引力和流行程度。学术论文不在此列表的范围内。

花些时间阅读下面所有你错过的文章,你会对行业内领先的数据科学家们的经验和方法有所了解。

#1

完整的深度学习教程,由线性回归开始由浅入深。由斯坦福大学的吴恩达 (Andrew Ng) 教授出品。

#2

用 DeepMind 和神经网络教电脑玩超级马里奥。由 Ehren J. Brav 出品。


[ Super Mario Machine Learning Demonstration with MarI/O ]

#3

卷积神经网络初学者教程 [ CNN Part I ]。由 Adit Deshpande 出品。

[ CNN Part II ]

[ CNN Part III ]

#4

基于深度学习的现代面部识别—趣味机器学习 [Part 4]。由 Adam Geitgey 出品。

#5

一年学会机器学习: 从初学到运用到工作中。由 Per Harald Borgen 出品。

[ 一周学会机器学习 ]

#6

用自然语言处理构建 Jarvis AI。由 Facebook CEO Mark Zuckerberg 出品。

#7

基于 TensorFlow 深度学习的图像完成。由卡内基梅隆大学的 Brandon Amos 博士出品。

#8

神经网络漫谈。

#9

如何编写并理解 DeepMind 的神经网络栈。由牛津大学博士 Andrew Trask 出品。

#10

Neural Network that Changes Everything. Courtesy of Computerphile and Dr. Mike Pound, PhD at University of Nottingham

改变一切的神经网络。由 Computerphile 和诺丁汉大学的 Mike Pound 博士出品。

年度开源项目

#1 图像解析

Neural Enhance: Super Resolution for images using deep learning

#2 增强学习

增强学习算法的 Python 实现, OpenAI Gym, Tensorflow

#3 TensorFlow

Fast Style Transfer in TensorFlow

年度课程

#1 初学者

Data Science for Beginners: Deep Learning in Python with Tensor flow and Neural Networks (译者注:为了避免广告之嫌,这里去除了原文的链接。如感兴趣请自行搜索,下文同)

#2 中级

Machine Learning A-Z: Hands-On Python & R In Data Science: Create ML Algorithms from two Data Science experts

Bonus

#1 可视化指引

A Visual Introduction to Machine Learning

由 stephanie yee 和 Tony Chu 出品。

#2 面试问题

关于机器学习和数据科学的 40 个初创公司面试问题

#3 数据集

104 个免费的数据源


以上,希望对大家有所帮助。可惜的是,以上的文章都是英文的,希望有志之士能挑选其中的感兴趣文章翻译出来造福大众。


#2

你这是什么运营商?Linode?静态图直接加在主流量上了啊


#3

是linode,暂时还顾不上图片,有流量的话再说:joy: