Zero to Hero：2017年机器之心AI高分概述文章全集

过去一年，人工智能技术不仅经历了快速发展，也因为各家科技公司的大量投入而不断落地，在人们的眼里，AI 眼前的道路正在逐渐变得清晰。2017 年里，我们整理并发布了很多来自学界、业界的概述性文章，其中不仅有盘点机器学习、计算机视觉和自然语言处理等领域现有技术的长文，也有面向深度学习框架、机器学习相关硬件方面的研究，其中包含多篇颇具价值的概述性论文。时值春节，我们将其分类整理，以方便大家参考和学习。 这些深度文章包括并不限于以下关键词：进化策略、迁移学习、卷积神经网络、知识图谱、聚类、回归、PCA、t-SNE、贝叶斯、决策树、随机森林、遗传算法、强化学习、马尔科夫、概率图、LSTM…… Note：想要了解去年机器之心的盘点，请点击——人工智能从入门到进阶，机器之心高分技术文章全集 入门 深度 | David Silver 全面解读深度强化学习：从基础概念到 AlphaGo 深度 | 迁移学习全面概述：从基本概念到相关研究 深度 | 理解深度学习中的卷积 综述 | 知识图谱研究进展 盘点 | 机器学习入门算法：从线性模型到神经网络 深度神经网络全面概述：从基本概念到实际模型和硬件基础 机器理解大数据的秘密：聚类算法深度详解 想了解概率图模型？你要先理解图论的基本定义与形式 人工智能能骗过人类吗？愚人节特写：这不是玩笑 三张图读懂机器学习：基本概念、五大流派与九种常见算法 LSTM 入门必读：从基础知识到工作方式详解 从语言学到深度学习 NLP，一文概述自然语言处理 最全的 DNN 概述论文：详解前馈、卷积和循环神经网络技术 从贝叶斯定理到概率分布：综述概率论基本定义 追根溯源！一图看尽深度学习架构谱系 徒手实现 CNN：综述论文详解卷积网络的数学本质 读懂概率图模型：你需要从基本概念和参数估计开始 从零开始：教你如何训练神经网络 开发者必读：计算机科学中的线性代数 理论 机器学习 学界 | 定量研究：当前机器学习领域十大研究主题 机器学习和深度学习引用量最高的 20 篇论文（2014-2017） 从贝叶斯角度，看深度学习的属性和改进方法 良心 GitHub 项目：各种机器学习任务的顶级结果（论文）汇总 深度 | 从朴素贝叶斯到维特比算法：详解隐马尔科夫模型 揭秘深度学习成功的数学原因：从全局最优性到学习表征不变性 深度 | 从 AlexNet 到残差网络，理解卷积神经网络的不同架构 从 Pix2Code 到 CycleGAN：2017 年深度学习重大研究进展全解读 前沿方向 OpenAI 详解进化策略方法：可替代强化学习 从自编码器到生成对抗网络：一文纵览无监督学习研究现状 资源 | 从文本到视觉：各领域最前沿的论文集合 从决策树到随机森林：树型算法的原理与实现 从概率论到多分类问题：综述贝叶斯统计分类 从遗传算法到 OpenAI 新方向：进化策略工作机制全解 GAN 综述 | 一文帮你发现各种出色的 GAN 变体 资源 | 生成对抗网络及其变体的论文汇总 生成对抗网络综述：从架构到训练技巧，看这篇论文就够了 计算机视觉 干货 | 物体检测算法全概述：从传统检测方法到深度神经网络框架 重磅 | 自动驾驶计算机视觉研究综述：难题、数据集与前沿成果（附 67 页论文下载） 神经风格迁移研究概述：从当前研究到未来方向（附论文和代码） 深度学习目标检测模型全面综述：Faster R-CNN、R-FCN 和 SSD 计算机视觉这一年：这是最全的一份 CV 技术报告 计算机视觉这一年：2017 CV 技术报告 Plus 之卷积架构、数据集与新趋势 深度 | 2017 CV 技术报告之图像分割、超分辨率和动作识别 深度 | 2017CV 技术报告：从 3D 物体重建到人体姿态估计 自然语言处理 语音合成到了跳变点？深度神经网络变革 TTS 最新研究汇总 资源 | 从全连接层到大型卷积核：深度学习语义分割全指南 学界 | 词嵌入 2017 年进展全面梳理：趋势和未来方向 深度 | 一文概述 2017 年深度学习 NLP 重大进展与趋势 推荐系统 学界 | 一文综述所有用于推荐系统的深度学习方法 使用深度学习构建先进推荐系统：近期 33 篇重要研究概述 深度学习框架 业界｜谷歌 TensorFlow 的一份全面评估报告：好的坏的及令人讨厌的 初学者怎么选择神经网络环境？对比 MATLAB、Torch 和 TensorFlow 硬件 业界 | 剖析用于深度学习的硬件：GPU、FPGA、ASIC 和 DSP 神经形态计算与神经网络硬件最全调查：从研究全貌到未来前景 从 GPU、TPU 到 FPGA 及其它：一文读懂神经网络硬件平台战局 优化 从浅层模型到深度模型：概览机器学习优化算法 综述论文：当前深度神经网络模型压缩和加速方法速览 深度 | 从修正 Adam 到理解泛化：概览 2017 年深度学习优化算法的最新研究进展 一文概览深度学习中的五大正则化方法和七大优化策略 代码实现 从强化学习基本概念到 Q 学习的实现，打造自己的迷宫智能体 回归、分类与聚类：三大方向剖解机器学习算法的优缺点（附 Python 和 R 实现） 基于 TensorFlow 理解三大降维技术：PCA、t-SNE 和自编码器 一文读懂遗传算法工作原理（附 Python 实现） 10 大深度学习架构：计算机视觉优秀从业者必备（附代码实现） 从算法到训练，综述强化学习实现技巧与调试经验 2017 年度盘点：15 个最流行的 GitHub 机器学习项目 ]]> 原文： http://ift.tt/2HgdvGN 机器知心