TechTalkThai ศูนย์รวมข่าว Enterprise IT ออนไลน์แห่งแรกในประเทศไทย
ทาง Analyticsvidhya ได้จัดทำรายชื่อของโปรเจ็คด้าน Machine Learning ที่น่าสนใจประจำเดือนตุลาคม 2018 มาให้ได้ติดตามกันทางเราจึงขอหยิบยกมานำเสนอครับ
1.Faster R-CNN and Mask R-CNN in PyTorch 1.0
โปรเจ็คจากทีมงานของ Facebook ที่นำเสนอการสร้าง Block เพื่อทำโมเดล Segmentation และ Detection โดยใช้ PyTorch 1.0 ซึ่งทางทีมงานคุยว่าเร็วกว่าการใช้ Detectron ถึง 2 เท่า นอกจากนี้ยังได้ให้โมเดลที่เทรนมาบ้างแล้วพร้อมกับเอกสารที่เพียงพอต่อการนำไปศึกษาต่อได้เลย สามารถเข้าไปดูต่อได้ที่นี่
2.Tancent ML Images (Largest Open-Source Multi-Label Image Database)
โปรเจ็คนี้ได้แจก Dataset รูปใหญ่มากคือ 17,609,752 รูปสำหรับเรียนรู้และ 88,739 รูปสำหรับตรวจสอบ ทั้งหมดนี้แบ่งเป็นประเภทได้ 11,166 ประเภทเลยทีเดียว ภายในโปรเจ็คได้ให้โมเดล Resnet-101 ที่เทรนมาแล้วซึ่งมีความแม่นยำ 80.73% กับ ImageNet ด้วยการ Transfer Learning นอกจากนี้ภายในยังมีข้อมูลอื่นๆ อีกมากมายไปลองเล่นกันได้ตามลิงก์นี้
3. Google AI’s BERT(NLP)
BERT ย่อมาจาก Bidirectional Encoder Representations from Transformers หรือวิธีการใหม่ในการทำ Pre-Training Langauge representation ซึ่งเป็นผลลัพธ์มาจากการใช้ NLP Task ที่เรียงลำดับอย่างกว้างๆ โดยภายในโปรเจ็คมีการสร้างขึ้นด้วยโค้ด PyTorch นอกจากนี้นักวิจัยจาก Google Brain ยังคุยว่านี่เป็นก้าวใหม่ของ NLP เลยทีเดียว สามารถศึกษาเพิ่มเติมได้ที่นี่
4. DeepMimic
โปรเจ็คนี้เป็นผลงานมาจากงานวิจัยชื่อ “DeepMimic : Example-Guided Deep Reinforcement Learning of Physics-Based Character Skill” ที่ตีพิมพ์ไว้ใน SIGGRAPH 2018 โดยนักวิจัยได้ใช้วิธีการ Reinforcement Learning เพื่อสอนหุ่นยนต์เลียนแบบท่าทางมนุษย์ ลองเข้าไปดูตามลิงก์นี้บน GitHub
5. Extracting Latest Arxiv Research Papers and their Abstracts
ความหมายจริงๆ ก็คือ Arxiv.org เป็นเว็บที่นำเสนองานวิจัยตีพิมพ์ต่างๆ อันที่จริงแล้วโปรเจ็คนี้ชื่อ Sotawhat ที่เป็นเครื่องมือค้นหาเปเปอร์ใหม่ๆ ในเว็บข้างต้นเพราะใครที่เคยค้นหา Paper จะรู้ว่ามีเยอะมากเพิ่มขึ้นทุกวัน ทั้งหมดถูกเขียนด้วย Python 3.x ลองเข้าไปดูได้ที่นี่
ที่มาและเครดิตรูปภาพ : https://www.analyticsvidhya.com/blog/2018/11/best-machine-learning-github-repositories-reddit-threads-october-2018/
