2018年最出色30個機器學習專案 (公號回覆“機器學習2018”下載PDF資料)

原創： 秦隴紀 資料簡化DataSimp 今天

資料簡化DataSimp導讀：《2018年最出色的30個機器學習專案》是美國IT媒體Medium原標題30 Amazing Machine Learning Projects forthe Past Year (v.2018)漢譯文，來自Mybridge介紹了2017年最驚豔的30個機器學習專案。這些ML專案有：第1名FastText，第2名Deep-photo-styletransfer，第3名face_recognition，第4名Magenta，第5名Sonnet，第6名deeplearn.js，第7名fast-style-transfer，第8名Pysc2，第9名AirSim，第10名Facets等。歡迎下載PDF資料，附資料簡化DataSimp社群簡介。

 

盤點：2018年最出色的30個機器學習專案

文|Mybridge，資料簡化DataSimp2018-09-13

在過去的一年裡，我們比較了近8800個開源的機器學習專案，並從中評選出了前30名(0.3%的機會入選)。這是一個極具競爭力的榜單，它仔細挑選了2017年1月到12月之間釋出的最好的開源機器學習庫、資料集和應用程式。Mybridge AI將專案的受歡迎程度、參與度和時效性等指標納入評估標準來判斷專案的質量。這些專案在Github上收藏量（獲得的星數）的平均值是3558，這個數字足以讓你對這些專案的質量有個大致瞭解。

開放原始碼專案對資料科學家很有用。而你也可以通過閱讀原始碼這一方式來學習，並在這些現有專案的基礎上構建一些新的內容。給自己足夠的時間去嘗試一下這些去年你可能錯過的激動人心的機器學習專案吧。

第1名：FastText

用於快速文字顯示和分類的庫，Github收藏量11786星。專案隸屬於Facebook研究院。

第2名：Deep-photo-styletransfer

論文“深度照片風格轉換”的程式碼和資料，Github收藏量9747星。專案隸屬於Fujun Luan，康奈爾大學博士。

第3名：face_recognition

世界上最簡單的用於Python和命令列的面部識別API，Github收藏量8672星。專案隸屬於Adam Geitgey。

第4名：Magenta

利用機器智慧進行音樂和藝術創作的專案，Github收藏量8113星。

第5名：Sonnet

基於Google TensorFlow 的神經網路庫，Github收藏量5731星。專案隸屬於來自Deepmind的Malcolm Reynolds。

第6名：deeplearn.js

用於網路的硬體加速機器智慧庫，Github收藏量5462星。專案隸屬於來自Google Brain的Nikhil Thorat。

第7名：fast-style-transfer

基於TensorFlow的圖片與視訊風格轉換工具，Github收藏量4843星。專案隸屬於來自MIT的Logan Engstrom。

第8名：Pysc2

星際爭霸2學習環境，Github收藏量3683星。專案隸屬於來自Deepmind的Timo Ewalds。

第9名：AirSim

為微軟AI研究部門的自動駕駛汽車提供的基於UnrealEngine的開源模擬器，Github收藏量3861星。專案隸屬於來自微軟的Shital Shah。

第10名：Facets

機器學習資料集的視覺化專案，Github收藏量3371星。專案隸屬於Google Brain。

第11名：Style2Paints

給圖片上色的AI工具，Github收藏量3310星。

第12名：Tensor2Tensor

谷歌研究院一個通用序列到序列模型的庫，Github收藏量3087星。專案隸屬於來自Google Brain的Ryan Sepassi。

第13名：pytorch-CycleGAN-and-pix2pix

Pytorch中影象風格或者內容轉換工具，如衛星地圖轉換為二維平面圖、油畫與照片風格轉換等；Github收藏量2847星。專案隸屬於來自伯克利大學的博士Jun-Yan Zhu。

第14名：Faiss

一個高效的相似搜尋和密集向量聚類的庫，Github收藏量2629星。隸屬於Facebook研究院的專案。

第15名：Fashion-mnist

一個類似於mnist的時尚產品資料庫，Github收藏量2780星。專案隸屬於來自Zalando Tech的研究科學家Han Xiao。

第16名：ParlAI

在各種公開可用的對話資料集上訓練和評估AI模型的框架，Github收藏量2578星。專案隸屬於來自Facebook研究院的Alexander Miller。

第17名：Fairseq

Facebook AI研究序列到序列模型的工具包，Github收藏量2571星。

第18名：Pyro

用Python和PyTorch進行深度通用概率程式設計，Github收藏量2387星。專案隸屬於Uber的AI實驗室。

第19名：iGAN

由GAN驅動的動態影象生成，Github收藏量2369星。

第20名：Deep-image-prior

不借助機器學習而實現的神經網路影象恢復，Github收藏量2188星。專案隸屬於俄羅斯Skolkovo科學技術大學博士Dmitry Ulyanov。

第21名：Face_classification

使用fer2013/imdb資料集與keras CNN模型和openCV進行的實時人臉檢測和情感/性別分類，Github收藏量1967星。

第22名：Speech-to-Text-WaveNet

使用DeepMind的WaveNet和tensorflow技術進行精確到句子的端到端英語語音識別，Github收藏量1961星。專案隸屬於Kakao Brain的Namju Kim。

第23名：StarGAN

多網路下影象到影象轉換的統一生成框架，Github收藏量1954星。專案隸屬於高麗大學的Yunjey Choi。

第24名：MI-angets

機器學習統一代理，Github收藏量1658星。專案隸屬於Unity3D深度學習部門的Arthur Juliani。

第25名：DeepVideoAnalytics

一個分散式視覺化搜尋和視覺化資料分析平臺，Github收藏量1494星。專案隸屬於康奈爾大學的博士Akshay Bhat。

第26名：OpenNMT

Torch環境下的開源神經網路機器翻譯工具，Github收藏量1490星。

第27名：Pix2pixHD

利用受限的GANs合成和操作2048x1024影象的工具，Github收藏量1283星。專案隸屬於Nvidia的AI研究院科學家Ming-Yu Liu。

第28名：Horovod

針對TensorFlow的分散式訓練框架，Github收藏量1188星。專案隸屬於Uber Engineering。

第29名：AI-Blocks

一個強大且直觀的“所見即所得”人機介面，任何人都可以基於這一工具建立機器學習模型。Github收藏量899星。

第30名：deep-voice-conversion

TensorFlow中用於語音轉換(語音風格轉換)的深層神經網路，Github收藏量845星。專案隸屬於來自Kakao Brain AI研究院的Dabi Ahn。

-END-

參考文獻(470字)

1.Medium.30 AmazingMachine Learning Projects for the Past Year (v.2018).[EB/OL]Mybridge,https://Mybridge.Medium.org/a/30Amazing Machine Learning Projects for the Past Year (v.2018),2018-04-00.

2.Mybridge.盤點：2018 年最出色的 30 個機器學習專案.[EB/OL]36氪,http://www.sohu.com/a/252229840_114778,2018-09-06.

x.秦隴紀．資料簡化社群Python官網Web框架概述；資料簡化社群2018年全球資料庫總結及18種主流資料庫介紹；資料科學與大資料技術專業概論；人工智慧研究現狀及教育應用；資訊社會的資料資源概論；純文字資料溯源與簡化之神經網路訓練；大資料簡化之技術體系．[EB/OL]資料簡化DataSimp(微信公眾號)，http://www.datasimp.org，2017-06-06．

我橋2018年最出色的30個機器學習專案 (3105字)

秦隴紀

簡介：我橋2018年最出色的30個機器學習專案。(公號回覆“機器學習2018”，文末“閱讀原文”可下載31圖5k字12頁PDF報告) 藍色連結“資料簡化DataSimp”關注後下方選單項有文章分類頁，歡迎轉發、讚賞支援社群。作者：我橋MyBridge。來源：MyBridge網站、資料簡化社群秦隴紀微信群聊公眾號，引文出處請看參考文獻。主編譯者：秦隴紀，資料簡化社群、科學Sciences、知識簡化新媒體創立者，資料簡化OS架構師、C/Java/Python/Prolog程式設計師，IT教師。每天大量中英文閱讀/設計開發除錯/文章匯譯編簡化，時間精力人力有限，歡迎轉發/讚賞/加入支援社群。版權宣告：科普文章僅供學習研究，公開資料©版權歸原作者，請勿用於商業非法目的。秦隴紀2018資料簡化DataSimp綜合匯譯編，投稿合作，或出處有誤、侵權、錯誤或疏漏(包括原文錯誤)等，請聯絡[email protected]溝通、指正、授權、刪除等。歡迎轉發：“資料簡化DataSimp、科學Sciences、知識簡化”新媒體聚集專業領域一線研究員；研究技術時也傳播知識、專業視角解釋和普及科學現象和原理，展現自然社會生活之科學麵。秦隴紀發起未覆蓋各領域，期待您參與~~ 強烈譴責超市銀行、學校醫院、政府公司肆意收集、濫用、倒賣公民姓名、身份證號手機號、單位家庭住址、生物資訊等隱私資料！

目錄

我橋2018年最出色的30個機器學習專案(3105字)

A我橋2018年最出色的30個機器學習專案(2641字)

參考文獻(470字)Appx(845字).資料簡化DataSimp社群簡介

 

Appx(845字).資料簡化DataSimp社群簡介

資訊社會之資料、資訊、知識、理論持續累積，遠超個人認知學習的時間、精力和能力。應對大資料時代的資料爆炸、資訊爆炸、知識爆炸，解決之道重在資料簡化(Data Simplification)：簡化減少知識、媒體、社交資料，使資訊、資料、知識越來越簡單，符合人與裝置的負荷。資料簡化2018年會議(DS2018)聚焦資料簡化技術(Data Simplification techniques)：對各類資料從採集、處理、儲存、閱讀、分析、邏輯、形式等方ose 做簡化，應用於資訊及資料系統、知識工程、各類Python Web框架、物理空間表徵、生物醫學資料，數學統計、自然語言處理、機器學習技術、人工智慧等領域。歡迎投稿資料科學技術、簡化例項相關論文提交電子版(最好有PDF格式)。填寫申請表加入資料簡化DataSimp社群成員，應至少一篇資料智慧、程式設計開發IT文章：①高質量原創或翻譯美歐資料科技論文；②社群網站義工或完善S圈型黑白靜態和三彩色動態社群LOGO圖示。論文投稿、加入資料簡化社群，詳情訪問www.datasimp.org社群網站，網站維護請投會員郵箱[email protected]。請關注公眾號“資料簡化DataSimp”留言，或加微信QinlongGEcai(備註：姓名/單位-職務/學校-專業/手機號)，免費加入投稿群或”科學Sciences學術文獻”讀者微信群等。長按下圖“識別圖中二維碼”關注三個公眾號(搜名稱也行，關注後底部選單有文章分類頁連結)：

資料技術公眾號“資料簡化DataSimp”：

科普公眾號“科學Sciences”：

社會教育知識公眾號“知識簡化”：

(轉載請寫出處：©秦隴紀2010-2018匯譯編，歡迎技術、傳媒夥伴投稿、加入資料簡化社群！“資料簡化DataSimp、科學Sciences、知識簡化”投稿反饋郵箱[email protected]。)

普及科學知識，分享到朋友圈

轉發/留言/打賞後“閱讀原文”下載PDF

閱讀原文

微信掃一掃
關注該公眾號