【導(dǎo)讀】我們從過去一個(gè)月近 250 個(gè)有關(guān)機(jī)器學(xué)習(xí)的開源項(xiàng)目中，精心挑選出了最熱門的 10 個(gè)。在挑選過程中，我們始終在各個(gè)項(xiàng)目之間作比較。Mybridge AI 基于大量的因素來估量項(xiàng)目的專業(yè)水平，從而對(duì)其進(jìn)行排名。

（此前發(fā)布過多篇收藏黨喜歡的文章，也是來自Mybridge：① 9月精選機(jī)器學(xué)習(xí)文章Top10 ② 9月推薦 | 從近1000篇Python文章中精選Top10③9月Python開源項(xiàng)目Top10④ 8月精選機(jī)器學(xué)習(xí)開源項(xiàng)目Top10 ⑤7月Python和機(jī)器學(xué)習(xí)最佳開源項(xiàng)目Top 10! ⑥Python熱文Top10，精選自1000篇文章 ⑦ 干貨 | 1400篇機(jī)器學(xué)習(xí)的文章中，這10篇是最棒的?。?/p>

這些項(xiàng)目在 Github 上獲得的平均 star 數(shù)高達(dá) 728，涉及的話題包括：研究框架、AutoML 庫、深度學(xué)習(xí)、PyTorch、TSNE、算法工具箱、Fairness-ai、DeepDetect、僵尸射擊游戲。

對(duì)于程序員來說，開源項(xiàng)目是十分有幫助的。希望你能從中找到可以激發(fā)你靈感的有趣項(xiàng)目。最后祝大家節(jié)日快樂！

▌No.2 TransmogrifAI：用于建立機(jī)器學(xué)習(xí)工作流的 AutoML 庫

TransmogrifAI 是用 Scala 編寫的 AutoML 庫，運(yùn)行在 Spark 上。該框架的開發(fā)初衷在于通過機(jī)器學(xué)習(xí)自動(dòng)化技術(shù)，以及提升編譯速度與可重復(fù)利用性的 API，來提高機(jī)器學(xué)習(xí)開發(fā)者的開發(fā)效率。你可以在以下幾種場景使用該框架：

在幾小時(shí)內(nèi)建立可投入使用的機(jī)器學(xué)習(xí)應(yīng)用，無需幾個(gè)月的時(shí)間

輕松創(chuàng)建機(jī)器學(xué)習(xí)模型，即使你不是機(jī)器學(xué)習(xí)專業(yè)的 Ph.D

建立模塊化的、可重復(fù)利用的機(jī)器學(xué)習(xí)工作流

項(xiàng)目鏈接：

https://github.com/salesforce/TransmogrifAI?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌No.4 YOLOv3：基于 PyTorch 的訓(xùn)練與預(yù)測

YOLOv3 是當(dāng)前最先進(jìn)的實(shí)時(shí)檢測目標(biāo)的系統(tǒng)，相比于前兩個(gè)版本，第三版針對(duì)小目標(biāo)的精度有顯著提升。YOLOv3 的 Github 目錄包含了全部基于 PyTorch 的訓(xùn)練和預(yù)測代碼。要求 Python 3.6 或以上的版本，以及三個(gè)工具包：numpy、torch、opencv-python。

項(xiàng)目鏈接：

https://github.com/ultralytics/yolov3?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌No.6 FastTSNE：快速且可并行的 tSNE 算法

該項(xiàng)目將 160,796 個(gè)來自老鼠的神經(jīng)系統(tǒng)的細(xì)胞轉(zhuǎn)錄過程進(jìn)行了可視化，項(xiàng)目的初衷是在沒有外部 C 或 C++ 依賴的情況下，在本地快速實(shí)現(xiàn) tSNE 算法。該工具包提供了兩種快速實(shí)現(xiàn) tSNE 的方法：

Barnes-hut tsne：源于 Multicore tSNE，適用于小規(guī)模數(shù)據(jù)集，時(shí)間復(fù)雜度為 O(nlogn)。

Fit-SNE：源于 Fit-SNE 的 C++ 實(shí)現(xiàn)方法，適用于樣本量在 10,000 以上的大規(guī)模數(shù)據(jù)集，時(shí)間復(fù)雜度為 O(n)。

項(xiàng)目鏈接：

https://github.com/pavlin-policar/fastTSNE?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

▌No.8 AIF360：用于檢測并去除機(jī)器學(xué)習(xí)模型偏差的開源庫

這個(gè) AI Fairness 360 Python 庫包含一整套用于測量偏差的數(shù)據(jù)集和模型的指標(biāo)，全部指標(biāo)的解釋，以及減小偏差的算法。由于 AIF360 具備一整套功能，所以在面對(duì)一個(gè)用例時(shí)，很可能難以抉擇該使用什么指標(biāo)或算法，為了解決這個(gè)問題，開發(fā)者為我們提供了可用于參考的使用指南。

項(xiàng)目鏈接：

https://github.com/IBM/AIF360?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

使用指南：

http://aif360.mybluemix.net/resources#guidance

▌No.10 僵尸射擊神經(jīng)網(wǎng)絡(luò)：讓 AI 學(xué)習(xí)如何射擊僵尸

開發(fā)者利用神經(jīng)網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)來對(duì) AI 進(jìn)行訓(xùn)練，使其學(xué)習(xí)如何射擊僵尸，從而存活下來。開發(fā)者還制作了一段小視頻，來展示其訓(xùn)練過程。

項(xiàng)目鏈接：

https://github.com/Daporan/Zombie-Shooter-Neural-Network?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more