PyHubWeekly | 第十四期：深度學習可以如此簡單

2020 年 4 月 19 日
AI

前言

PyHubWeekly每周定期更新，精選GitHub上優質的Python項目/小工具。

我把PyHubWeekly託管到了Github，感興趣的可以搜索Github項目PyHubWeekly，如果喜歡，麻煩給個Star支援一下吧。此外，歡迎大家通過提交issue來投稿和推薦自己的項目~

本期為大家推薦GitHub上5個優質的Python項目，它們分別是：

dlaicourse
pysheeet
table-ocr
posthog
RL-Stock

下面分別來介紹一下上述5個GitHub項目。

dlaicourse

Star：2.8k

如果說這兩年比較火熱的研究方向是什麼？深度學習肯定能夠佔據一席之地。

由於人工智慧的火熱，各種行業的同學都在嘗試著去學習深度學習。可是，該怎麼學習卻成了讓很多人困擾的問題。

雖然免費學習資源數不勝數，但是，要麼偏重理論而脫離實踐，要麼一味的重視實踐卻沒有理論，讓人看的雲里霧裡。

dlaicourse是這些中我認為較為不錯的一個學習深度學習github項目。

dlaicourse不僅包含了深度學習基礎知識部分，這個項目還有練習、應用等方面的內容。

更重要的是，這個項目使用jupyter notebook開發，理論部分與實踐部分緊密相結合，在介紹理論知識的過程中讓你直觀的看到它是如何實現的，我想，這才是對於學習深度學習的同學比較友好的一種教學方式。

pysheeet

Star：5.9k

pysheeet即為Python Cheat Sheet，一個用於收集Python有價值片段，增強Python編碼體驗的項目。

我認為在學習一樣知識時，會用與精通之間往往會有一個瓶頸。例如，一個學習歌唱的同學，總認為自己的發聲是最為恰當的，但是，如果有一個有經驗的教授給予指點，找到明確的方向，這時候會發生突飛猛進的變化。

編碼也是，當我們學完Python並且在項目中用過很長一段時間之後，我們會陷入一個固定思維，認為當下編碼的習慣就是理所當然的，就是恰到好處的，但是，也許在使用方式、編碼風格等方面已經走錯了方向。

pysheeet這個項目就收集了很多有有價值的Python片段，其他包括但不限於，

程式碼樣式
列表
字典
正則表達式
非同步
測試
…

這個項目在每個方向均給出了正反例，告訴你什麼樣才是一個規範的編碼方式。

table-ocr

Star：119

table-ocr是一個運用unet實現對文檔表格的自動檢測，表格重建的OCR項目。

OCR工具是目前比較受歡迎，且提高很多工作效率的一類工具。

它背後到底是如何實現的？

table-ocr這個項目可以幫你揭開它神秘的面紗。

01,10,012001900211,25484924,412.29,20191211,05988476341653155207,AFFE, (二維碼自動識別)

另外，使用過OCR工具的同學應該都清楚，OCR在印刷體文字識別過程中效果越來越好，但是在表格方面一直捉襟見肘。table-ocr就針對表格檢測進行設計和優化，在表格識別、重建效果方面非常突出。

posthog

Star：1.9k

posthog是一款開源的網站統計工具。

PostHog是為開發人員構建的開源產品分析工具，它能夠自動收集網站或應用程式上的每個事件，無需向第三方發送數據。只需單擊一下就可以部署到自己的基礎設施上，並且可以對底層數據進行完整的API/SQL訪問。

它具有如下特性，

基於事件的用戶級分析-查看哪些用戶正在你的應用程式中執行什麼操作
自動捕獲點擊和頁面瀏覽量，以分析用戶的追溯操作
支援JS、Python、Ruby、Node、Go+API的庫
簡單的部署方式

RL-Stock

Star：1.2k

RL-Stock是一款利用強化學習自動炒股的Python項目。

提到機器學習、人工智慧在金融、炒股等方面的應用，更多的人會想到預測，例如，傳統機器學習、LSTM等。

而強化學習作為機器學習的一個分支，它的模型更符合一個人做決策的過程，也更加貼近現實世界的場景。與監督學習預測未來的數值不同，強化學習根據輸入的狀態（如當日開盤價、收盤價等），輸出系列動作（例如：買進、持有、賣出），使得最後的收益最大化，實現自動交易。

作者利用強化學習對炒股過程進行了建模，實現了自動炒股。

話說回來，炒股需謹慎，這個項目可以作為一個學習強化學習同時了解股票知識的一個小工具。我想，利用將強化學習應用於股市，應該早已經有很多公司考慮到這一點，但是，它所帶來的收益和風險是並重的，我想這也是為什麼很少有公司大規模將人工智慧，尤其深度學習應用於金融領域的原因。