谷歌的 AdaNet

開源地址：https://github.com/tensorflow/adanet

AdaNet 是一個自動學(xué)習(xí)高質(zhì)量模型的框架，對編程專業(yè)知識沒有要求。由于 AdaNet 由谷歌開發(fā)，因此這一框架基于 TensorFlow。你可以使用 AdaNet 創(chuàng)建所有的模型，同時可以擴展它的應(yīng)用去訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

強化學(xué)習(xí)

因為我在 2018 年的綜述文章中盤點過一些強化學(xué)習(xí)開源項目，因此這一章節(jié)的介紹會相當簡單。我希望在包括 RL 在內(nèi)的這些章節(jié)中，能夠促進大家對我們這個社區(qū)的討論，也希望能過加速這一領(lǐng)域的研究進程。

首先，你可以先去看一下 OpenAI 的 Spinning Up 開源項目（項目地址：https://github.com/openai/spinningup），它是一個針對初學(xué)者的完全教育型的開源項目。然后可以去看看谷歌的 dopamine 開源項目（項目地址：https://github.com/google/dopamine），它是一個研究框架，用來加速這一仍舊處于初步發(fā)展階段的領(lǐng)域的研究。接下來，讓我們也了解一下其他的開源項目。

DeepMimic

開源地址：https://github.com/xbpeng/DeepMimic

如果你在社交媒體上關(guān)注了一些研究者，你一定在視頻中看到過上面的圖像。一個棍形人在地面上奔跑，或者嘗試站起來，或者其他一些動作。親愛的讀者，這些就是（人體）動作中的強化學(xué)習(xí)。

這里有一個強化學(xué)習(xí)的標志性示例——訓(xùn)練仿真人形來模仿多個動作技能。上面開源項目的鏈接頁面包括代碼、示例以及循序漸進的練習(xí)指南。

Reinforcement Learning Notebooks

開源地址：https://github.com/Pulkit-Khandelwal/Reinforcement-Learning-Notebooks

這個開源項目是一個強化學(xué)習(xí)算法集，這些算法來自 Richard Sutton 和 Andrew Barto 所寫的書以及其他研究論文，它們在開源項目中以 Python notebooks 的格式呈現(xiàn)。

正如該開源項目的開發(fā)者所提到的，如果你在學(xué)習(xí)的過程中同時進行實操練習(xí)，你就能真正學(xué)會它。這個項目比較復(fù)雜，如果不進行實操或者僅僅像讀小說一樣去閱讀資源內(nèi)容，你將一無所獲。

via：https://www.analyticsvidhya.com/blog/2018/12/best-data-science-machine-learning-projects-github/