過去一個月里，我們對近 1400 個機器學習項目進行了排名，并挑選出熱度前 10 的項目。這份清單涵蓋了包括 OpenAI 最新開發(fā)的 RND 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頻內容中進行學習的 Acrobatics 框架、可以與 Amazon的Echo設備交互的Anatomy 系統(tǒng)等。希望大家可以找到自己感興趣的項目。

▌1：RND

OpenAI 最近開發(fā)了 RND（Random Network Distillation），一種基于預測的強化學習算法，用于鼓勵強化學習代理通過好奇心來探索他們所處環(huán)境。在游戲任務Montezuma's Revenge上首次超過人類的平均表現。

RND通過衡量預測狀態(tài)下隨機神經網絡固定輸出的難度來激勵代理訪問不熟悉的狀態(tài)。由于在不熟悉的狀態(tài)下，輸出很難預測，因此獎勵被設置的很高。在這項任務中，RND能夠定期查找所有 24 個房間，并在不使用演示或訪問游戲的基本狀態(tài)情況下實現當前最先進的表現。此外，它易于實現且能夠高效擴展，能夠用于其他任何的強化學習算法。更多詳細信息，大家可以參見 RND論文，參考并重現論文的結果。

論文鏈接

https://arxiv.org/abs/1810.12894

項目主頁鏈接：

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設備交互的應用。通過此應用我們能夠對單個 AI系統(tǒng)進行詳細的解剖，了解其中資源分配，預測，網絡優(yōu)化等模塊之間的關系。

項目主頁鏈接：

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頻中學習技能的框架。通過結合計算機視覺和強化學習方面的最先進技術，此系統(tǒng)能夠基于視頻剪輯數據，模擬角色并從中學習各種技能。給定人物正在執(zhí)行某些技能的視頻，如側空翻或后空翻，該系統(tǒng)能夠學習模擬并再現這些技能策略，而無需任何手動姿勢注釋。更多詳細信息可以參見相關論文及項目主頁。

論文鏈接：

https://xbpeng.github.io/projects/SFV/2018_TOG_SFV.pdf

項目主頁鏈接：

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。

項目主頁鏈接：

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），用于在票證文本中查找與地圖數據相關的問題，并在此平臺指定觸發(fā)故障單的特定類型的地圖數據，以便相應的高精地圖團隊能夠評估問題并確定解決方案。

項目主頁鏈接：

https://eng.uber.com/nlp-deep-learning-uber-maps/

▌6：Neural Network

該項目是基于 Numpy實現一個神經網絡的過程?，F在通過使用像 Keras，TensorFlow或 PyTorch這樣的高級框架，我們可以快速構建非常復雜的神經網絡模型。但是，對于神經網絡的基本概念及其內部的原理結構，仍然值得我們去深入了解。因此這個項目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絡。在項目的最后，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，并將其性能與使用 Keras構建的神經網絡模型性能進行比較，更多信息可以訪問項目的主頁。

項目主頁鏈接：

https://towardsdatascience.com/lets-code-a-neural-network-in-plain-numpy-ae7e74410795

▌7：Curiosity and Procrastination in RL

該是個項目是 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于好奇心（curiosity）的RL獎勵，，用于智能體來探索環(huán)境。由于智能體不僅要探索新的環(huán)境，而且還要解決原始任務，因此該模型將所提供的獎勵添加到原始的稀疏任務獎勵中。因此，合并后的獎勵不再稀疏，這使得標準RL算法可以從中學習，而這種基于 curiosity的 RL算法可以擴展到其他任務的數據集中。更多信息可以查看 Google AI Blog上的相關內容。

項目主頁鏈接：

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 是基于 Viola Jones算法的一個人臉檢測開源項目，在 Youtube 上展示了其 demo視頻，里面有豐富的內容可供讀者觀看，我們已經給大家下載好了，不用翻墻啦~

項目主頁鏈接：

https://www.youtube.com/watch?v=uEJ71VlUmMQ

▌9：Turing Machine Learning Models

該項目旨在將構建好的機器學習模型集成到一個 API上，以便在下次需要使用時能夠輕松調用并使用它的功能。這對于滿足現實世界軟件產品的開發(fā)及部署工作來說是至關重要的。

項目主頁鏈接：

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項目，旨在構建一個自然語言翻譯器，通過自主學習翻譯規(guī)則，從頭開始進行語言翻譯任務。

項目主頁鏈接：

https://blog.floydhub.com/language-translator/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more