最具价值的50个机器学习应用[2017年]

机器学习
人工智能
标签: #<Tag:0x00007fcf676cf898> #<Tag:0x00007fcf676cf6b8>

(iQuant) #1
作者:Mybridge
翻译:BigQuant

我们比较了2017年全年近2万篇关于机器学习应用的文章,并且从中挑选出50篇最有价值的文章分享给大家。

“在硅谷,招聘一名机器学习工程师或数据科学家正在变得像招聘一名职业运动员一样。 这就是对他的要求”——纽约时报

机器学习已经成为当今就业中要求最高的技能之一,美国的平均工资达到134,472美元(来源:Indeed)。

我们相信向一些在该领域具有实践经验的数据科学家学习请教是推动你事业发展的一个很好的方法。 下面这个目录可以帮助你学习起来更加轻松,因为它收集了2017年发表的一些最有价值的文章,在文章中,那些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总结出的一些经验教训。

作为一个面向专业人士提供文章排名服务的公众号,我们非常重视文章的“质量”,确保您阅读的每篇文章都非常出色。本文的目录竞争力十足,它是从20,000篇文章中选出的仅仅50篇文章(0.25%占比)。Mybridge AI是在不断发展的,它根据分享的总数量、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。

(您可点击下方的排序数字查看原文,这些数字并不代表它们在本文中的排名)


<图像处理>

No.1

高分辨率图像合成并条用件GANs进行语义处理。由NVIDIA AI和UC Berkeley提供。

111

No.2

用深度学习创造具有专业水平的照片。由谷歌研究部的Hui Fang提供

22

No.3

使用OpenCV(python)的高动态范围(HDR)成像。由Satya Mallick提供

33

<风格潜移>

No.4

通过深层图像类比进行视觉属性转化(像素级别)。

44

No.5

深度照片风格转化:一种转换摄影风格的深度学习方法,能够在忠实地传输参考风格的同时处理大量不同的图像内容。

55

No.6

Deep Image Prior:深度卷积网络先天就理解自然图像,使用随机初始化神经网络实现图片超分辨率,修复,去噪。 由Dmitry Ulyanov提供。

6

<图像分类>

No.7

特征可视化:神经网络如何增强对图像的理解。由谷歌大脑的 Ludwig Schubert 与Chris Olah提供。

7

No.8

一个用神经网络进行图像分类的绝对初学者指南 [Github上4481⭐],由火狐浏览器的David Humphrey提供。

8

No.9

用深度学习移除背景。由Gidi Shperber提供。

9

<面部识别>

No.10

利用卷积神经网络通过一张照片自动生成3D人脸。由Aaron Jackson提供。

10

No.11

通过OpenCV, Python,和dlib进行眨眼检测。由Adrian Rosebrock提供。

11

No.12

用Python进行人脸活动检测。由Kirk Kaiser提供。

12

<视频稳像>

No.13

基于 Pixel 2 and Pixel 2 XL的混合防抖技术。由谷歌研究部的Chia-Kai Liang提供。

13

<目标检测>

No.14

如何用 TensorFlow 和Keras 打造 Not Hotdog 的移动应用

14

No.15

目标检测:深度学习时代的目标检测技术。由Tryolabs提供

15

No.16

如何用TensorFlow的目标检测API训练自己的目标检测模型。由Dat Tran提供。

1616

No.17

用深度学习和OpenCV进行目标对象的实时检测。

17

<无人驾驶汽车>

No.18

侠盗飞车Ⅴ用python实现自动驾驶:介绍[第一部分]。由Sentdex提供。

18

No.19

用深度学习识别交通信号灯:我是如何通过学习10周深度学习并赢得5000美元的奖金的。由David Brailovsky和freeCodeCamp提供

19

<AI推荐>

No.20

Spotify的每周的发现:机器学习是如对你进行个性化音乐推荐的。由Sophia Ciocca和Hackernoon提供。

20

No.21

Netflix的艺术作品个性化推荐。由Netflix技术博客提供。

21

<AI游戏>

No.22

MariFlow——基于循环神经网络自动驾驶马里奥卡丁车。由SethBling提供。

22

No.23

OpenAI Baselines:DQN。强化学习算法的高质量复现。由OpenAI提供。

23

No.24

Dota 2中的强化学习[第二部分]。由OpenAI提供。

24

No.25

在DOOM游戏中创建一个AI机器人。

25

No.26

用于角色控制的相位函数神经网络。由Daniel Holden提供。

26

No.27

游戏模仿:将深度监督卷积网络用于快节奏AI视频游戏。斯坦福大学提供。

27

No.28

介绍:Unity推出Machine Learning Agents。由Unity的Arthur Juliani提供。

28

<AI象棋>

No.29

用通用强化学习算法自我对弈,掌握国际象棋和将棋。由Deepmind提供。

29

No.30

AlphaGo Zero:从零开始学习。由DeepMind提供。

30

No.31

DeepMind的 AlphaGo Zero是如何工作的。由 Siraj Raval提供。

31

No.32

手把手叫你创建一个简单的国际象棋AI。由Lauri Hartikka提供。

32

<AI医疗>

No.33

CheXNet:用深度学习进行胸部X射线检测,可达到放射科级别的肺炎检测水准。由Andrew Ng和斯坦福机器学习小组的其他成员提供。

333

No.34

你能提高肺癌检测率吗?Data Science Bowl 2017年第二名方案。

34

No.35

利用深度学习改善姑息治疗。由Andrew Ng和斯坦福机器学习小组的其他成员提供。

35

No.36

用深度学习进行心脏疾病诊断。由Chuck-Hou Yee提供。

36

<AI语音>

No.37

Tacotron:对端到端的语音合成模型。由谷歌的数据科学家提供。

37

No.38

用CTC进行序列建模。由斯坦福大学的Awni Hannun博士提供。

38

No.39

Deep Voice:由文本实时合成人工语音。由百度硅谷人工智能实验室提供。

39

No.40

深度学习用于Siri语音:设备上用于混合动力单元选择合成的深度混合密度网络——Apple。

40

<AI音乐>

No.41

计算机自动生成巴洛克音乐!由Cary Huang提供。

41

No.42

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

42

<自然语言处理>

No.43

学会沟通:Agents开发他们自己的语言—OpenAI Research。

43

No.44

机器学习的大局观:用神经网络和TensorFlow进行分类文本。由Déborah Mesquita提供。

44

No.45

一种神经机器翻译的新方法——Facebook AI Research。

45

No.46

如何让AI辨别种族歧视言论。

46

<预测>

No.47

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

47

No.48

Uber神经网络时序预测不确定性估计.

48

No.49

用机器学习让停车更容易.

49

No.50

深度学习入门教程:如何轻松预测股票价格。

50

英文原文:Learn to Build a Machine Learning Application from Top Articles of 2017原文链接】【网盘链接


本文由BigQuant《量化研究每周精选》原创推出,版权归BigQuant所有,转载请注明出处。