【博文推荐】本月机器学习Top 10 文章/教程汇总（2018.10）- 专知

【博文推荐】本月机器学习Top 10 文章/教程汇总（2018.10）

【导读】本文由Mybridge发布，评估近1400篇机器学习文章后，挑选出上月中的机器学习Top 10的文章教程，现由专知编译如下。

过去的一个月中，MyBridge整理了近1400篇机器学习文章，并挑选出了10篇最佳文章，帮助本领域的研究人员与工程师提高自己的职业技能。

文章中包括：图像、识别、视觉增强、LSTM+GRU、CNN、深度学习、TensorFlow2.0、Uber Eats、神经机器翻译、医学、人脸识别等主题。
大家也可以通过Github的”watch“功能，关注本系列每月的最新进展

https://github.com/Mybridge/machine-learning-article

作为一家为专业人员提供文章评分服务的公司，我们对质量的把控非常严格，并且确保每篇文章都让读者朋友觉得满意。Mybridge AI将文章分享数、阅读时长、以及使用机器学习算法来评价文章。所以本系列将是一个有竞争力的文章列表，你将会看到来自行业中机器学习领导者的非常有用的技术分享。

Rosetta：通过机器学习理解图片与视频中的文本信息，来自Facebook Research。

作者链接：

https://medium.com/@FBResearch

文章链接：

https://code.fb.com/ai-research/rosetta-understanding-text-in-images-and-videos-with-machine-learning/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

使用imagined Goals完成视觉增强学习。Vitchyr Pone，Ashvin Nair发表。

文章链接：

https://bair.berkeley.edu/blog/2018/09/06/rig?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

逐步解释LSTM与GRU原理，Michael Nguyen发表。

作者链接：

https://medium.com/@learnedvector

文章链接：

https://towardsdatascience.com/illustrated-guide-to-lstms-and-gru-s-a-step-by-step-explanation-44e9eb85bf21?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

使用CNN完成语义分割任务，Mohit Jain发表。

文章链接：

https://mohitjain.me/2018/09/30/a-look-at-image-segmentation?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

为什么自己搭建的深度学习计算机要比亚马逊云上的便宜10倍？Jeff Chen发表。

作者链接：

https://medium.com/@thisisjeffchen

文章链接：

https://medium.com/the-mission/why-building-your-own-deep-learning-computer-is-10x-cheaper-than-aws-b1c91b55ce8c?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

Tensorflow2.0的改变，Aurélien Géron发表。

视频链接（youtube）：

https://www.youtube.com/watch?v=WTNH0tcscqo?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

视频链接（B站）：

https://www.bilibili.com/video/av31816509?from=search&seid=10305714324380693251

使用Uber Eats实现食物发现：市场推荐。来自Uber工程师博客。Yuyan Wang、 Yuanchi Ning、 Isaac Liu、 Xian Xing Zhang发表。

文章链接：

https://eng.uber.com/uber-eats-recommending-marketplace?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

将神经机器翻译在更大的数据集上完成更快的训练与推理。来自Facebook，Michael Auli、Myle Ott、Sergey Edunov发表。

文章链接：

https://code.fb.com/ai-research/scaling-neural-machine-translation-to-bigger-data-sets-with-faster-training-and-inference?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more