【机器学习】24个终极数据科学（机器学习）项目，提升您的知识和技能:高级

介绍

数据科学（机器学习）项目为你提供了一种很有前途的方式来开启你在该领域的职业生涯。你不仅可以通过应用数据科学来学习数据科学，还可以在简历上展示项目！如今，招聘人员通过求职者的工作来评估其潜力，而不太重视证书。如果你只是告诉他们你知道多少，如果你没有什么可以展示给他们，那也没关系！这是大多数人挣扎和错过的地方。

你以前可能已经解决过几个问题，但如果你不能让它看起来很好看，很容易解释，那么别人怎么会知道你的能力呢？这就是这些项目将帮助你的地方。想想你将在这些项目上花费的时间，比如你的培训课程。你练习的时间越多，你就会变得越好！

我们确保为您提供来自不同领域的各种问题的体验。我们相信，每个人都必须学会巧妙地处理大量数据，因此包括了大型数据集。此外，我们还确保所有数据集都是开放的，可以免费访问。

• 介绍
• 有用信息
• 初级数据科学项目
• 中级数据科学项目
• 高级数据科学项目
• 结论
• 常见问题

为了帮助您决定从哪里开始，我们将此列表分为3个级别，即：

• 初级：该级别由数据集组成，这些数据集非常容易使用，不需要复杂的数据科学技术。您可以使用基本的回归或分类算法来解决这些问题。此外，这些数据集有足够多的开放式教程可以让您继续学习。在这个列表中，我们还提供了教程来帮助您入门。您也可以在这里查看AV的“数据科学导论”课程！
• 中级：该级别由性质上更具挑战性的数据集组成。它由中大型数据集组成，这些数据集需要一些严肃的模式识别技能。此外，功能工程将在这里发挥作用。ML技术的使用没有限制；阳光下的一切都可以使用。
• 高级级别：该级别最适合理解神经网络、深度学习、推荐系统等高级主题的人。这里还介绍了高维数据集。此外，现在是发挥创造力的时候了。看看最好的数据科学家在他们的工作和代码中所带来的创造力。

你想掌握机器学习和深度学习吗？这里有一个全面的计划，详细介绍了机器学习和深度学习的概念，以及25个以上的现实生活项目！

高级数据科学项目

1.识别您的数字数据集

该数据集允许您研究、分析和识别图像中的元素。这正是你的相机通过图像识别来检测你的脸的方式！轮到你构建和测试这项技术了。这是一个数字识别问题。此数据集有7000个28 X 28大小的图像，总计31MB。

问题：从图像中识别数字。

Start: Get Data | Tutorial: Get Here

2.城市声音分类

当你开始你的机器学习之旅时，你会遇到一些简单的机器学习问题，比如巨大的生存预测。但当涉及到现实生活中的问题时，你仍然没有足够的练习。因此，这个练习问题旨在向您介绍通常分类场景中的音频处理。该数据集由10个类别的8732个城市声音摘录组成。

问题：根据音频对声音类型进行分类。

Start: Get Data | Tutorial: Get Here

3.Vox名人数据集

音频处理正迅速成为深度学习的一个重要领域，因此这是另一个具有挑战性的问题。该数据集用于大规模说话者识别，包含名人从YouTube视频中提取的单词。这是一个用于隔离和识别语音识别的有趣用例。该数据包含1251位名人发表的10万条言论。

问题：弄清楚这个声音属于哪个名人。

Start: Get Data | Tutorial: Get Here

4.ImageNet数据集

ImageNet提供了各种问题，包括对象检测、定位、分类和屏幕解析。所有图片均免费提供。你可以搜索任何类型的图像，并围绕它构建你的项目。截至目前，这个图像引擎拥有超过1500万张大小高达140GB的多种形状的图像。

问题：要解决的问题取决于您下载的图像类型。

Start: Get Data | Tutorial: Get Here

5.芝加哥犯罪数据集

如今，每个数据科学家都有能力处理大型数据集。当公司有计算能力处理完整的数据集时，他们不再喜欢处理样本。此数据集为您提供了在本地机器上处理大型数据集所需的亲身体验。问题很简单，但数据管理是关键！该数据集有600万次观测。这是一个多分类的问题。

问题：预测犯罪类型。

Start: Get Data | Tutorial: Get Here

6.印度演员数据集的年龄检测

对于任何一个深度学习爱好者来说，这都是一个引人入胜的挑战。该数据集包含数千张印度演员的照片，您的任务是确定他们的年龄。所有图像都是从视频帧中手动选择和裁剪的，从而在比例、姿势、表情、照明、年龄、分辨率、遮挡和化妆之间产生高度的可变性。训练集中有19906幅图像，测试集中有6636幅图像。

问题：预测演员的年龄。

Start: Get Data | Tutorial: Get Here

7.推荐引擎数据集

这是对高级推荐系统的挑战。在这个练习问题中，你会得到程序员的数据和他们之前解决的问题，以及他们解决特定问题所花费的时间。作为一名数据科学家，你建立的模型将帮助在线评委决定向用户推荐的下一级问题。

问题：根据用户的当前状态，预测解决问题所需的时间。

Start: Get Data

8.VisualQA数据集

VisualQA是一个包含关于图像的开放式问题的数据集。这些问题需要理解计算机视觉和语言。这个问题有一个自动评估指标。该数据集有265016张图像，每张图像有3个问题，每个问题有10个基本事实答案。

问题：使用深度学习技术回答关于图像的开放式问题。

Start: Get Data | Tutorial: Get Here

结论

在上面列出的24个数据集中，你应该先找到一个与你的技能相匹配的数据集。比如说，如果你是机器学习的初学者，从一开始就避免使用高级数据集。不要贪多嚼不烂，也不要因为还有多少事情要做而不知所措。相反，要专注于循序渐进。

完成2-3个项目后，在简历和GitHub个人资料中展示它们（非常重要！）。如今，许多招聘人员通过查看他们的GitHub档案来招聘候选人。你的动机不应该是做所有的项目，而是根据要解决的问题、领域和数据集大小来挑选选定的项目。如果您想了解完整的项目解决方案，请参阅本文。

常见问题

Q1.如何提高我的数据科学技能？

A.你可以通过跟上行业的新趋势和技术来提高你的数据科学技能。练习不同类型的数据科学项目是磨练你技能的另一种方式。本文列出了24个不同难度级别的免费项目，供您测试和提高技能。

Q2.哪些好的机器学习项目？

A.以下是一些不同难度的良好机器学习实践项目数据集：

• 初级项目：虹膜、贷款预测、大卖场销售、时间序列评估和学生评估。
• 中级项目：人类活动识别、文本挖掘、旅行历史、人口普查收入和推特分类。
• 高级项目：ImageNEt、数字识别、城市声音分类、年龄检测和推荐引擎。

Q3.一些初级数据科学项目是什么？

A.Iris数据集是一个很好的起点。其他初级数据科学项目包括贷款预测、大市场销售、时间序列评估、学生评估等。