摘要：基于大量的數(shù)據(jù)統(tǒng)計(jì)，網(wǎng)球是一種很好的預(yù)測類體育項(xiàng)目。數(shù)據(jù)科學(xué)家根據(jù)歷史數(shù)據(jù)和玩家信息來構(gòu)建預(yù)測模型，并將結(jié)果與博彩公司的評(píng)估進(jìn)行比較。目標(biāo)是找出機(jī)器學(xué)習(xí)模型與博彩公司評(píng)估之間的差距，從而有機(jī)會(huì)獲勝。這是一個(gè)很好的實(shí)際數(shù)據(jù)科學(xué)項(xiàng)目。

作者：chen_h
微信號(hào) & QQ：862251340
微信公眾號(hào)：coderpai
簡書地址：https://www.jianshu.com/p/56c...

數(shù)據(jù)科學(xué)家是目前最有吸引力的職業(yè)之一，但是如何進(jìn)入這個(gè)領(lǐng)域卻是一個(gè)不容易的事。因?yàn)槟阈枰?jīng)驗(yàn)才能得到這份工作，但是你需要這份工作才能獲得經(jīng)驗(yàn)。是不是感覺這是一個(gè)惡性循環(huán)？

Statsbot 的數(shù)據(jù)科學(xué)家 Denis Semenenko 寫了這篇文章，用來幫助大家做出第一個(gè)簡單但是具有一定說明性的科學(xué)數(shù)據(jù)項(xiàng)目，這個(gè)項(xiàng)目需要的時(shí)間可能不到一周。

這意味著你需要定制一個(gè)問題，設(shè)計(jì)解決方案，查找數(shù)據(jù)，掌握一些分析技術(shù)，然后構(gòu)建一些機(jī)器學(xué)習(xí)模型，最后評(píng)估模型質(zhì)量，并將其包裝成簡單的UI。這比 Kaggle 比賽或者 Coursera 課程更加的多樣化。

如果你對這種項(xiàng)目感興趣，那么你可以繼續(xù)閱讀。

垃圾郵件在我們生活的各個(gè)信息角落都存在。其中之一的經(jīng)典數(shù)據(jù)項(xiàng)目就是垃圾郵件分類。你可以訓(xùn)練一個(gè)模型來檢測一個(gè)郵件是否是垃圾郵件，以便來減少垃圾信息對用戶的騷擾。

一個(gè)簡單的機(jī)器學(xué)習(xí)模型基于在郵件中看到 “sale” 或者 “buy” 這樣的，來定義一個(gè)郵件是不是垃圾郵件。因此，你可以在一個(gè)星期內(nèi)做出一個(gè)垃圾郵件的原型。

問題定義：?文本分類
算法：?樸素貝葉斯，線性分類器，樹分類等等分類器
技術(shù)工具：?sklearn,?nltk,?scrapy
數(shù)據(jù)集：?sms spam dataset,?e-mail spam dataset?,?youtube comments spam dataset
展示方式：?網(wǎng)頁頁面
參考指南：AdBlock,?Adguard
閱讀指南：?How To Build a Simple Spam-Detecting Machine Learning Classifier,?Getting Started: Building a Chrome Extension

Not Hotdog 是一個(gè)來自硅谷系列的應(yīng)用程序，可以識(shí)別照片中的熱狗和非熱狗。

你可以通過使用社交網(wǎng)絡(luò)或者谷歌圖像來收集數(shù)據(jù)集，以此來作為你的模型的訓(xùn)練集。

從頭開始訓(xùn)練一個(gè)模型需要大量的訓(xùn)練樣本和訓(xùn)練時(shí)間，因此最好我們使用一個(gè)經(jīng)過預(yù)訓(xùn)練的網(wǎng)絡(luò)模型，這樣可以縮短訓(xùn)練時(shí)間。

問題定義：?圖像分類,?image classification,?transfer learning
算法：?卷積神經(jīng)網(wǎng)絡(luò)
技術(shù)工具：?keras,?lasagne,?Instagram API(or external libraries e.g.Instabot)
數(shù)據(jù)集：?使用 Instagram API 來收集數(shù)據(jù)
展示方式：?APP
參考指南：?Not hotdog
閱讀指南：?Transfer learning using Keras,?Building powerful image classification models using very little data

推薦系統(tǒng)對于像 Google 或者 Facebook 這樣的大型公司是必須的，因?yàn)閺氖杖牒陀脩酎c(diǎn)擊率來看，推薦系統(tǒng)都是非常有價(jià)值的。

如果我們在這個(gè)子領(lǐng)域能夠得到實(shí)踐，那么對于以后的數(shù)據(jù)分析發(fā)展是非常有利的。

問題定義：?推薦系統(tǒng)
算法：?降低維度，協(xié)同過濾，分類算法
技術(shù)工具：?sklearn,?vowpal wabbit
數(shù)據(jù)集：?Netflix prize dataset,?MovieLens dataset
展示方式：?網(wǎng)頁展示
參考指南：?Jinni,?MovieLens
閱讀指南：?Quick Guide to Build a Recommendation Engine in Python

如果你比較喜歡處理圖像，那么你可以嘗試創(chuàng)建自己自定義的 Snapchat 鏡頭。任何社交網(wǎng)絡(luò)都喜歡這樣的東西，包括 Instagram，F(xiàn)acebook 和 Snapchat。

鏡頭檢測面部的關(guān)鍵點(diǎn)，用來顯示嘴唇，眼睛，鼻子和臉部的邊界。然后你可以使用一些框架來重新構(gòu)建面部。

問題定義：?圖像識(shí)別，面部檢測
算法：?卷積神經(jīng)網(wǎng)絡(luò)，面部關(guān)鍵點(diǎn)檢測
技術(shù)工具：?dlib,?openface,?keras,?openCV
數(shù)據(jù)集：?Facial keypoints detection dataset
展現(xiàn)方式：?APP
參考指南：?Snapchat,?Instagram
閱讀指南：?Facial landmarks with dlib, OpenCV, and Python,?Build a Simple Camera App

很多公司都會(huì)在互聯(lián)網(wǎng)上面監(jiān)控客戶的行為數(shù)據(jù)，以此來對消極的客戶做出相應(yīng)的調(diào)整。例如，T-Mobile 和 Verizon 需要對消極的推文進(jìn)行快速響應(yīng)，并找出問題并且解決。

每個(gè)人都可以使用 Twitter API 和情緒分類算法來進(jìn)行這個(gè)項(xiàng)目。

問題定義?情感分析
算法：?情感分析
數(shù)據(jù)集：?Twitter API
技術(shù)工具：?nltk,?spaCy
展現(xiàn)方式： APP
參考指南：?Twilert,?Tweetreach
閱讀指南：?Twitter sentiment analysis using Python and NLTK

專業(yè)的投注者總是在尋找有利可圖的賭注。基于大量的數(shù)據(jù)統(tǒng)計(jì)，網(wǎng)球是一種很好的預(yù)測類體育項(xiàng)目。數(shù)據(jù)科學(xué)家根據(jù)歷史數(shù)據(jù)和玩家信息來構(gòu)建預(yù)測模型，并將結(jié)果與博彩公司的評(píng)估進(jìn)行比較。

目標(biāo)是找出機(jī)器學(xué)習(xí)模型與博彩公司評(píng)估之間的差距，從而有機(jī)會(huì)獲勝。這是一個(gè)很好的實(shí)際數(shù)據(jù)科學(xué)項(xiàng)目。

問題定義：?分類
算法：?分類算法
數(shù)據(jù)集：atpworldtour.com
技術(shù)工具：?sklearn,?scrapy
展現(xiàn)方式： APP
參考指南：olbg.com, verifiedbets.com
閱讀指南：?Machine Learning for the Prediction of Professional Tennis Matches

機(jī)器學(xué)習(xí)模型還善于處理的一個(gè)領(lǐng)域是時(shí)間序列預(yù)測。一個(gè)數(shù)據(jù)處理引擎可以預(yù)測匯率和股票的波動(dòng)，所以交易員或者程序可以根據(jù)這些數(shù)據(jù)進(jìn)行交易。

如果你選擇這個(gè)項(xiàng)目，你會(huì)很容易得到數(shù)據(jù)和實(shí)踐。這個(gè)領(lǐng)域是從計(jì)量經(jīng)濟(jì)學(xué)和經(jīng)典機(jī)器學(xué)習(xí)中得出來的，所以你應(yīng)該準(zhǔn)備好探索統(tǒng)計(jì)學(xué)方法。

問題定義：?時(shí)間序列預(yù)測
算法：?ARIMA, regression
數(shù)據(jù)集：?Quandl
技術(shù)工具：?sklearn,?prophet,?scrapy
展示方式：?APP
參考指南：?financeboards.com
閱讀指南：?An Introduction to Stock Market Data Analysis with Python

我希望你能從這些簡單數(shù)據(jù)項(xiàng)目中獲得一些啟發(fā)，開啟你的數(shù)據(jù)分析之路。

作者：chen_h
微信號(hào) & QQ：862251340
簡書地址：https://www.jianshu.com/p/56c...

CoderPai 是一個(gè)專注于算法實(shí)戰(zhàn)的平臺(tái)，從基礎(chǔ)的算法到人工智能算法都有設(shè)計(jì)。如果你對算法實(shí)戰(zhàn)感興趣，請快快關(guān)注我們吧。加入AI實(shí)戰(zhàn)微信群，AI實(shí)戰(zhàn)QQ群，ACM算法微信群，ACM算法QQ群。長按或者掃描如下二維碼，關(guān)注 “CoderPai” 微信號(hào)（coderpai）。