適合初學者的十大機器學習專案

---

介紹

機器學習的本質思想是，不同的技術工具，例如計算機和平板電腦，可以根據編碼和其他資料來理解任何事物。雖然這看起來像是來自未來的事物，但大多數人每天都在網際網路上使用這種級別的技術。語音識別就是一個很好的例子。虛擬個人助理（如Siri和Alexa）使用這項技術來朗讀提醒、回答問題和執行任務。

隨著該行業的增長，越來越多的專家正在考慮從事機器學習專家的職業。從頭到尾完成一個專案是入門最好的方法之一，並且網上有很多免費工具。

讓我們探討機器學習專案背後的想法：

適合初學者的十大機器學習專案

• 使用Movielens資料集進行電影推薦。

• 使用智慧手機進行人體活動識別。

• TensorFlow。

• 沃爾瑪銷售預測。

• 對Twitter上的特定推文進行分類

• 股票價格預測。

• 葡萄酒質量預測。

• 鳶尾花分類。

• 乳腺癌預測。

• 建立手寫文件的數字化版本。

1) 使用Movielens資料集進行電影推薦

如今，幾乎每個人都使用技術來流式播放電影和電視節目。但是，選擇接下來觀看什麼可能會很困難，然而，建議通常是根據觀眾過去的觀看習慣和個人喜好給出的。機器學習被用來實現這一點，這使得它成為初學者的一個簡單而引人入勝的專案。使用Movielens資料集和Python或R程式語言，初級程式設計師可以磨練他們的技能。目前，超過9000人已經為6800部電影貢獻了超過200萬個電影評分。

2) 使用智慧手機進行人體活動識別

許多現代移動裝置都設計成可以自動檢測我們何時正在進行特定的活動，例如騎腳踏車或慢跑。在這裡，機器學習發揮了作用。對於此類專案，初級機器學習工程師使用包含來自少量人員（越多越好）的健身活動記錄的資料集，這些資料是使用配備慣性感測器的移動裝置獲得的。這也可以幫助他們更好地理解多分類問題。

3) TensorFlow

TensorFlow是一個開源數值計算軟體，它使用資料流圖。谷歌大腦團隊在Apache 2.0免費軟體許可證的條款下建立了它。TensorFlow提供了一系列工具，用於神經網路、自然語言處理、機器學習、強化學習以及機器學習的其他領域的應用。TensorFlow用於各種應用，包括時間序列分析、基於文字的程式、影像和語音識別。它還用於構建用於機器學習和深度學習的大規模分散式網路。

4) 沃爾瑪銷售預測

雖然可能無法完美預測未來的銷售額，但企業可以透過機器學習來接近完美。開發人員可以使用98種產品的銷售價格資料，這些資料涵蓋了45家沃爾瑪商店，並按地點和部門細分。這個大型專案旨在改進資料驅動的庫存規劃和渠道最佳化決策。

5) 對Twitter上的特定推文進行分類

能夠快速過濾包含特定單詞和內容的推文將非常棒。好訊息是，程式設計師可以使用經過自然語言處理的抓取推文建立一個演算法，並根據初級機器學習軟體確定哪些推文更可能符合主題、討論特定人物等等。

6) 股票價格預測

用於銷售預測的相同資料集、波動性指數和基本指標也用於預測股票價格。有了這樣的工具，初學者可以從小規模開始，使用股票價格統計資料預測未來幾個月的情況。要開始，請從Quantopian或Quandl獲取股票市場資料集。

7) 葡萄酒質量預測

在購買葡萄酒時，找到我們喜歡的葡萄酒可能具有挑戰性。如果我們不是專家，無法考慮包括年份和價格在內的各種因素，就無法確定葡萄酒的質量。透過這個專案，ML新手可以體驗資料探索、資料視覺化、迴歸建模和R程式設計。

8) 鳶尾花分類

鳶尾花資料集是初學者最著名、最古老、最簡單的機器學習專案之一。作為這個專案的一部分，學生必須能夠在基礎層面處理數值資料和數量。資料包括萼片和花瓣的長度和寬度。在一個成功的專案中，鳶尾花成功地被分成三個物種中的每一個。

9) 乳腺癌預測

這個計算機視覺實驗中使用的資料集可以預測乳腺腫瘤更有可能是良性還是惡性。對於初級機器學習專家來說，R程式設計培訓是一個很好的起點。乳腺癌預測是根據多種因素（包括家族病史、生活方式、環境暴露和其他危險因素）預測個人患乳腺癌可能性的過程。預測模型使用統計算法和機器學習來評估患乳腺癌的風險。

10) 建立手寫文件的數字化版本

對於這類專案的練習，深度學習和神經網路（影像識別必不可少的機器學習元件）是合適的。初學者還可以學習如何應用邏輯迴歸、MNIST資料集以及如何將畫素資料轉換為影像。建立手寫文件的數字化版本

可以透過掃描文件並使用光學字元識別 (OCR) 軟體將掃描影像轉換為可編輯的數字文字檔案來建立手寫文件的數字版本。OCR 軟體可以識別各種字型和筆跡樣式的文字，並可以準確地將文字轉換為數字檔案。轉換檔案後，可以使用各種文字編輯器或文字處理程式對其進行編輯和處理。

結論

在本文中，我們討論了機器學習的重要性以及它如何在日常生活中使用。該公司已經啟動了一些專案，在預測方面取得了顯著進展，並且已經能夠以最高的準確度做出高質量的決策。

機器學習使這一切成為可能。機器學習的真正潛力將在未來展現出來，幫助普通人和組織蓬勃發展。