Mybridge AI 公司对比了 GitHub 上近 8,800 个开源机器学习项目，并挑选了其中最好的 30 个，在 Medium 上发布。这是一个具有很强竞争力的列表，其中包含 2017 年 1 月 – 12 月份开源的各类优秀机器学习库、数据集和应用；通过流行度、参与度和新鲜程度来对它们进行评级，它们的 GitHub 平均评星总数达到 3,558 个。一个参考值是 TensorFlow 作为全球最受欢迎的深度学习开发框架，目前在 GitHub 上的评星为已接近 85,000个。开源项目对于数据科学家而言非常有意义，可以通过阅读源代码，在前人的基础上构建更加强大的项目。现在，科研机构与企业工程人员都可以根据这份列表，尝试一下这些最佳项目。
第1位：FastText
Facebook 发布的快速文本表示及分类库，用于高效学习词语表达与句子分类。另外，列表中还提供了一个以及基于 FastText 的多语言无监督与监督词嵌入的项目 Muse。
扩展阅读：Facebook 发布新版 fastText：拓展至移动端，加入教程
项目GitHub地址第2位：Deep-photo-styletransfer
康奈尔大学 Fujun Luan 论文《Deep Photo Style Transfer》的代码与数据。
第3位：face recognition
世界上最简单的人脸识别库，从 Python 或命令行中识别和操作人脸。使用基于 dlib 最先进的人脸识别技术构建而成，并具有深度学习功能。该模型在“野外面部标记”基准中的准确率为惊人的：99.38％。同时，也提供了一个简单的 face_recognition 命令行工具，让你用命令行从图像文件夹中，进行面部识别。
扩展阅读：基于 Python 的开源人脸识别库：离线识别率高达99.38%
第4位：Magenta
Magenta 是来自 Google Brain 团队的一个机器智能音乐与艺术生成器项目。
我们可以使用机器学习来创造引人注目的艺术和音乐吗？
如果可以，怎么做？ 如果没有，为什么不尝试一下呢？ Magenta 使用 TensorFlow 开发，并提供公开的模型，工具，演示，教程博客帖子以及技术文章。
扩展阅读：谷歌 Magenta 项目是如何教神经网络编写音乐的？
第5位：Sonnet
Sonnet 是一个建立在 TensorFlow 之上的库，用于构建复杂的神经网络，由 DeepMind 团队发布。
扩展阅读：基于 TensorFlow 和 Sonnet，DeepMind 开源可微神经计算机实现包
第6位：deeplearn.js
来自 Google Brain 团队 Nikhil Thorat 的网页端硬件加速机器学习库。一个用于机器智能的开源硬件加速 JavaScript 库。deeplearn.js 将高性能机器学习构建块带入网络，允许用户在浏览器中训练神经网络，或在推理模式下运行预训练模型。项目提供了两个API，即时执行模型和一个镜像 TensorFlow API 的延迟执行模型。deeplearn.js 最初由 Google Brain PAIR 团队开发，为浏览器构建功能强大的交互式机器学习工具，但它可用于从教育，模型理解到艺术项目等各种应用。
扩展阅读：谷歌开源 DeepLearn.js：可在网页上实现硬件加速的机器学习
第7位：Fast Style Transfer
TensorFlow 快速风格转换工具，在几分之一秒内将着名的绘画作品添加到任何照片甚至视频当中。
第8位：Pysc2
基于 Python 的星际争霸 II 机器学习环境，这是 DeepMind 和暴雪合作开发星际争霸 II 到强化学习研究的一个丰富环境，为强化学习代理提供了与星际争霸 II 进行交互的界面，获得观察结果并发送动作。
第9位：AirSim
基于虚幻引擎的开源自动驾驶模拟器，可用于无人机，汽车等虚拟引擎上的模拟器。它是开源的，跨平台的，支持 PX4 等流行的飞行控制器硬件，用于物理和视觉逼真的模拟。它是作为一个虚幻插件开发的，可以简单地放入任何你想要的虚幻环境中。微软的目标，是开发 AirSim 作为人工智能研究的平台，以实验自主车辆的深度学习，计算机视觉和强化学习算法。为此，AirSim 还以平台独立的方式公开 API 来检索数据和控制车辆。
第10位：Facets
来自 Google Brain 团队的机器学习数据集可视化工具，Facets 项目包含两个用于理解和分析机器学习数据集的可视化子项目：Facets Overview 和 Facets Dive。可视化被实现为 Polymer Web 组件，由 Typescript 代码支持，可以很容易地嵌入到 Jupyter Notebooks 或网页中。