最新機器學習開源專案Top10
作者 | Mybridge
譯者 | Linstancy
整理 | Jane
出品 | AI科技大本營
【導讀】過去一個月裡，我們對近 1400 個機器學習專案進行了排名，並挑選出熱度前 10 的專案。這份清單涵蓋了包括 OpenAI 最新開發的 RND 演算法、Uber 構建的第一個自然語言處理平臺、由 Berkeley 研究人員提出的從視訊內容中進行學習的 Acrobatics 框架、可以與 Amazon 的Echo 裝置互動的 Anatomy 系統等。希望大家可以找到自己感興趣的專案。
▌1：RND
OpenAI 最近開發了 RND（ Random Network Distillation），一種基於預測的強化學習演算法，用於鼓勵強化學習代理通過好奇心來探索他們所處環境。在遊戲任務 Montezuma's Revenge 上首次超過人類的平均表現。
RND 通過衡量預測狀態下隨機神經網路固定輸出的難度來激勵代理訪問不熟悉的狀態。由於在不熟悉的狀態下，輸出很難預測，因此獎勵被設定的很高。在這項任務中，RND 能夠定期查詢所有 24 個房間，並在不使用演示或訪問遊戲的基本狀態情況下實現當前最先進的表現。此外，它易於實現且能夠高效擴充套件，能夠用於其他任何的強化學習演算法。更多詳細資訊，大家可以參見 RND 論文，參考並重現論文的結果。
論文連結
https://arxiv.org/abs/1810.12894
專案主頁連結：
https://blog.openai.com/reinforcement-learning-with-prediction-based-rewards/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
▌2：Anatomy
Anatomy of AI System Geospatial 是一個可以與 Amazon Echo 裝置互動的應用。通過此應用我們能夠對單個 AI 系統進行詳細的解剖，瞭解其中資源分配，預測，網路優化等模組之間的關係。
專案主頁連結：
https://anatomyof.ai/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
▌3：Acrobatics
Learning Acrobatics by Watching Youtube 是 Berkeley 研究人員提出的一種可以從視訊中學習技能的框架。通過結合計算機視覺和強化學習方面的最先進技術，此係統能夠基於視訊剪輯資料，模擬角色並從中學習各種技能。給定人物正在執行某些技能的視訊，如側空翻或後空翻，該系統能夠學習模擬並再現這些技能策略，而無需任何手動姿勢註釋。更多詳細資訊可以參見相關論文及專案主頁。
論文連結：
https://xbpeng.github.io/projects/SFV/2018_TOG_SFV.pdf
專案主頁連結：
https://bair.berkeley.edu/blog/2018/10/09/sfv/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
▌4：Model-based Machine Learning
Model-based Machine Learning 是一個應用機器學習來解決現實世界問題的開源教程，目前該書籍仍在更新階段。
專案主頁連結：
http://mbmlbook.com/toc.html?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
▌5：NLP & Deep Learning
NLP & Deep Learning 是由 Uber 團隊構建的一個自然語言平臺（NLP），用於在票證文字中查詢與地圖資料相關的問題，並在此平臺指定觸發故障單的特定型別的地圖資料，以便相應的高精地圖團隊能夠評估問題並確定解決方案。
專案主頁連結：
https://eng.uber.com/nlp-deep-learning-uber-maps/
▌6：Neural Network
該專案是基於 Numpy 實現一個神經網路的過程。現在通過使用像 Keras，TensorFlow 或 PyTorch 這樣的高階框架，我們可以快速構建非常複雜的神經網路模型。但是，對於神經網路的基本概念及其內部的原理結構，仍然值得我們去深入瞭解。因此這個專案將嘗試利用數學的理論知識，僅使用 NumPy 構建一個完全可操作的神經網路。在專案的最後，還將測試我們所構建的模型，用其解決一個簡單的分類問題，並將其效能與使用 Keras 構建的神經網路模型效能進行比較，更多資訊可以訪問專案的主頁。
專案主頁連結：
https://towardsdatascience.com/lets-code-a-neural-network-in-plain-numpy-ae7e74410795
▌7：Curiosity and Procrastination in RL
該是個專案是 Google Brain、DeepMind 團隊和 ETHZ 研究人員合共同作的結成果他旨在探索 curiosity 和 procrastination 策略在強化學習 (RL) 領域的應用。們提出一種新的機遇情景記憶的模型，它可以提供一種類似於好奇心（curiosity）的RL獎勵，，用於智慧體來探索環境。由於智慧體不僅要探索新的環境，而且還要解決原始任務，因此該模型將所提供的獎勵新增到原始的稀疏任務獎勵中。因此，合併後的獎勵不再稀疏，這使得標準RL 演算法可以從中學習，而這種基於 curiosity 的 RL 演算法可以擴充套件到其他任務的資料集中。更多資訊可以檢視 Google AI Blog 上的相關內容。
專案主頁連結：
https://ai.googleblog.com/2018/10/curiosity-and-procrastination-in.html?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
▌8：Detecting Faces
Detecting Faces 是基於 Viola Jones 演算法的一個人臉檢測開源專案，在 Youtube 上展示了其 demo 視訊，裡面有豐富的內容可供讀者觀看，我們已經給大家下載好了，不用翻牆啦~
專案主頁連結：
https://www.youtube.com/watch?v=uEJ71VlUmMQ
▌9：Turing Machine Learning Models
該專案旨在將構建好的機器學習模型整合到一個 API 上，以便在下次需要使用時能夠輕鬆呼叫並使用它的功能。這對於滿足現實世界軟體產品的開發及部署工作來說是至關重要的。
專案主頁連結：
https://www.datacamp.com/community/tutorials/machine-learning-models-api-python?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
▌10：Language Translator
Language Translator 是一個開源的自然語言翻譯專案，旨在構建一個自然語言翻譯器，通過自主學習翻譯規則，從頭開始進行語言翻譯任務。
專案主頁連結：
https://blog.floydhub.com/language-translator/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
原文連結：https://medium.mybridge.co/machine-learning-top-10-articles-for-the-past-month-v-nov-2018-35f1fd88cb49
-【完】-
精彩推薦
◆
BDTC 2018
◆
2018 中國大資料技術大會將於 12 月 6 - 8 日在新雲南皇冠假日酒店舉行。匯聚超百位國內外實力講師從學界翹楚到行業一線大拿：
管曉巨集：中國科學院院士；
張巨集江：原始碼資本投資合夥人；
張曉東：美國俄亥俄州立大學 Robert M. Critchfield 講席教授；
陳性元：北京資訊科學技術研究院副院長；
周靖人：阿里巴巴集團副總裁；
李浩源：Alluxio 公司創始人&CEO
......
全方位立體解讀大資料時代的技術程序，為眾技術愛好者奉上一場優質乾貨盛宴。
推薦閱讀
公開課報名 | 詳解CNN-pFSMN模型以及在語音識別中的應用