[Рекомендация по ресурсам] Два обязательных веб-сайта для поиска статей и реализаций кода!

машинное обучение глубокое обучение

Независимо от того, являетесь ли вы студентом в области искусственного интеллекта или инженером-алгоритмом в области машинного обучения, после освоения базовых знаний, связанных с машинным обучением, вы должны овладеть навыками поиска статей, особенно последних статей в области исследований или работы и т. д. Продвинутый навык это алгоритм, который может воспроизвести статью.Это решение, когда у автора статьи нет открытого исходного кода, но прежде чем мы сможем овладеть этим навыком, мы надеемся, что сможем искать код, воспроизведенный другими.

Поэтому сегодня я порекомендую два связанных веб-сайта, и оба они являются результатами одной и той же команды.Эти два веб-сайта, один из которых можно использовать для демонстрации алгоритма тезиса с реализацией кода, а другой дает последние и лучшие во многих областях. Результаты работы с алгоритмом.

1. Papers with Code

Сначала укажите URL-адрес этого веб-сайта:

paperswithcode.com

Это веб-сайт, созданный пользователем Reddit rstoj, который будет размещен на ArXiv.Последние документы по машинному обучению и код на Github(TensorFlow/PyTorch/MXNet/и т. д.) соответствуют. по сравнению с ранее рекомендованнымЧитать сайт ArXiv, этот пользователь выдвинул самое большое требование встретиться с большим количеством исследователей - найти код для реализации алгоритма статьи!

Этот элемент проиндексированОколо 50 000 статей (опубликованных на arxiv за последние 5 лет) и 10 000 репозиториев на Github..

вы можете нажатьключевое слово заголовказапрос илиКлючевые слова области исследования, такие как классификация изображений, классификация текста и другие поисковые запросы, а также могут быть отсортированы по популярности, последним статьям и наибольшему количеству звезд на Github. Этот сайт держит вас в курсе последних тенденций в сообществе машинного обучения.

Во-первых, давайте посмотрим, как выглядит этот сайт:

На приведенном выше рисунке показан рейтинг в зависимости от популярности.Для каждой статьи, названия, автора, конференции или главного собрания для подачи некоторое введение, например, является ли текущая область самым передовым алгоритмом, теги (т. е. ключевые слова, исследование статьи) задано направление) и принятый фреймворк кода (например, Pytorch или TensorFlow или другие фреймворки), документы и ссылки на код, а также текущее количество звезд на Github и количество звезд, добавляемых в час.

Если он расположен по количеству звезд Github, как показано на следующем рисунке:

Вы можете видеть, что первые две цифры максимального количества звезд — это TensorFlow, а третья — фреймворк Caffe.

Кроме того, если мы введем ключевые слова области исследования в поле поиска, например, классификация изображений — Классификация изображений, результаты поиска будут следующими:

Он покажет в общей сложности 250 статей, которые в настоящее время содержат статьи в этой области, затем он покажет алгоритмы и документы, которые лучше всего работают с несколькими наборами данных, и проекты с открытым исходным кодом (если они открыты), затем подполе — Подзадачи, и, наконец, это закодированная статья в этой области, расположенная в соответствии с количеством звезд на Github.

2. Browse state-of-the-art

Также сначала укажите URL:

paperswithcode.com/sota

Этот веб-сайт в основном предназначен для решения другой проблемы - найти документ и код реализации лучшего (современного, Sota) алгоритма в области. Это также то, что вы должны сделать, когда вы только соприкасаетесь с новым полем.Сначала найдите последнюю и лучшую бумагу по алгоритму, а затем реализуйте ее в соответствии с кодом этой статьи, сначала запустите код, а затем перейдите к пониманию детали, или в соответствии с ним. Обратитесь к статьям для изучения работ в этой области за последние годы (обычно в течение 3-5 лет) и постепенно знакомьтесь с направлением исследований и трудностями в этой области.

Или команда Papers with Code создала веб-сайт, который может запрашивать новейшие алгоритмы в этой области.Он содержит в общей сложности 16 категорий, более 950 отдельных задач подкатегорий, более 500 результатов оценки (включая результаты Sota), более 700 баз данных. , 8000+ статей. Как показано ниже:

16 категорий включают в себя:

  • компьютерное зрение
  • обработка естественного языка
  • медицинский
  • Методы исследования
  • Разное
  • голос
  • игра
  • Графики
  • последовательно
  • аудио
  • робот
  • Музыка
  • рассуждение
  • компьютерное кодирование
  • база знаний
  • враждебный

нажмитекомпьютерное зрениеВ этой категории вы можете видеть, что она разделена на 450+ подзадач, как показано на следующем рисунке:

Здесь вы можете продолжать нажимать на каждую подзадачу, такую ​​​​как классификация изображений, и вы получите следующий рисунок:

Изображение выше на самом деле является легендой в примере ключевых слов в поле поиска, когда я только представил веб-сайт Paper with Code.

Наконец, укажите URL-адреса двух веб-сайтов:

Я считаю, что с помощью двух вышеуказанных веб-сайтов это может помочь каждому лучше узнать и ознакомиться с работой в области исследований!

Добро пожаловать, чтобы обратить внимание на мою общедоступную учетную запись WeChat — машинное обучение и компьютерное зрение, или отсканируйте QR-код ниже, давайте общаться, учиться и прогрессировать вместе!

Прекрасная рекомендация в прошлом

учебные заметки
Серия упражнений Python-100
заметки по математике
Рекомендация руководства по проектам и ресурсам Github
Категории