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 系統等。希望大家可以找到自己感興趣的項目。

▌1：RND

OpenAI 最近開發了 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。由于在不熟悉的狀態下，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系統進行詳細的解剖，了解其中資源分配，預測，網絡優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。給定人物正在執行某些技能的視頻，如側空翻或后空翻，該系統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。現在通過使用像 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境。由于智能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