最后
🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
数据集：贷款预测数据集
https://www.kaggle.com/altruistdelhite04/loan-prediction-problem-dataset
4.住房价格预测项目
项目构想：数据集包含波士顿剩余区域的房价。房子的费用根据犯罪率，房间数量等各种因素而变化。对于初学者来说，这是一个很好的ML项目，它可以根据新数据预测价格。
数据集：房屋价格预测数据集
https://www.cs.toronto.edu/~delve/data/boston/bostonDetail.html
5. MNIST数字分类机器学习项目
项目构想：MNIST数字分类python项目使机器能够识别手写数字。该项目对于计算机视觉可能非常有用。在这里，我们将使用MNIST数据集使用卷积神经网络训练模型。
数据集：MNIST数字识别数据集
https://drive.google.com/file/d/1hJiOlxctFH3uL2yTqXU_1f6c0zLr8V_K/view
源代码：手写数字识别项目
https://data-flair.training/blogs/python-deep-learning-project-handwritten-digit-recognition/
6.使用机器学习预测股价
项目构想：有许多可用于股票市场价格的数据集。这个机器学习初学者的项目旨在根据上一年的数据预测股票市场的未来价格。
数据集：股票价格预测数据集
https://www.kaggle.com/c/two-sigma-financial-news/data
源代码：股票价格预测项目
https://data-flair.training/blogs/stock-price-prediction-machine-learning-project-in-python/
7.泰坦尼克号生存计划
项目构想：这将是一个有趣的项目，因为我们将预测某人是否会在泰坦尼克号飞船中幸存下来。对于这个初学者的项目，我们将使用泰坦尼克号数据集，其中包含幸存者和在泰坦尼克号飞船中死亡的人的真实数据。
数据集：《泰坦尼克号生存》数据集
https://www.kaggle.com/c/titanic
8.葡萄酒质量检测项目
项目构想：在该项目中，我们可以构建一个界面来预测红酒的质量。它将使用葡萄酒的化学信息，并基于机器学习模型，它将为我们提供葡萄酒质量的结果。
数据集：葡萄酒质量数据集
https://archive.ics.uci.edu/ml/datasets/wine+quality
9.假新闻检测项目
项目构想：虚假新闻像野火一样传播，这在这个时代是一个大问题。我们可以学习如何将假新闻与真实新闻区分开。我们可以使用监督学习来实现这样的模型。
数据集：检测虚假新闻数据集
https://drive.google.com/file/d/1er9NJTLUA3qnRuyhfzuN0XUsoIC4a-_q/view
源代码：假新闻检测项目
https://data-flair.training/blogs/advanced-python-project-detecting-fake-news/
到目前为止，如果对DataFlair提出的的机器学习项目有任何问题，欢迎留言。
中级机器学习项目
1.音乐流派分类机器学习项目
项目构想：该python机器学习项目的思想是开发一个机器学习项目，并自动对音频中的不同音乐流派进行分类。我们需要使用它们的频域和时域低级特征对这些音频文件进行分类。
源代码：音乐流派分类项目
https://data-flair.training/blogs/python-project-music-genre-classification/
2.比特币价格预测器项目
项目构想：比特币价格预测器是一个有用的项目。区块链技术正在发展，并且有许多数字货币在上升。该项目将帮助你使用以前的数据预测比特币的价格。
数据集：比特币价格预测数据集
https://www.kaggle.com/team-ai/bitcoin-price-prediction/version/1
3. Uber数据分析项目
项目构想：该项目可用于对超级数据执行数据可视化。该数据集包含纽约市中的450万个超级拾取器。为了分析行程，需要精美地表示很多数据，以便可以进一步改善业务。
数据集：Uber数据分析数据集
https://drive.google.com/file/d/1emopjfEkTt59jJoBH9L9bSdmlDC4AR87/view
源代码：Uber数据分析项目
https://data-flair.training/blogs/r-data-science-project-uber-data-analysis/
4.人格预测项目
项目构想：Myers Briggs类型指示器是一种个性类型系统，根据内向，直觉，思维和感知能力将一个人分为16个不同的个性。我们可以根据他们在社交媒体上发布的帖子的类型来确定其个性。
数据集：个性预测数据集
https://www.kaggle.com/datasnaek/mbti-type
5. Xbox游戏预测项目
项目构想：人们在搜索时生成的数据可用于预测用户的兴趣。BestBuy消费电子公司已提供了来自用户的数百万次搜索的数据，我们将预测用户最有兴趣购买的Xbox游戏。这将用于向游客推荐游戏。
数据集：Xbox游戏预测数据集
https://www.kaggle.com/c/acm-sf-chapter-hackathon-small/overview
6.信用卡欺诈检测项目
项目构想：使用卡进行大量交易的公司需要发现系统中的异常情况。该项目旨在建立信用卡欺诈检测模型。我们将使用交易及其标签作为欺诈或非欺诈来检测客户进行的新交易是否为欺诈。
数据集：信用卡欺诈检测数据集
https://drive.google.com/file/d/19BOhwz52NUY3dg8XErVYglctpr5sjTy4/view
源代码：信用卡欺诈检测项目
https://data-flair.training/blogs/data-science-machine-learning-project-credit-card-fraud-detection/
7.芭比与大脑项目
项目构想：芭比娃娃等儿童玩具具有一组预定义的单词，可以重复说。我们可以使用机器学习方法使芭比娃娃有一些头脑。当玩具可以用不同的句子理解和说话时，它会更加吸引人。这是一个出色的项目，将改善孩子们的学习过程。
8.使用机器学习进行客户细分
项目构想：客户细分是一种根据客户的购买历史，性别，年龄，兴趣等对客户进行细分的技术。获取此信息非常有用，以便商店可以在个性化营销方面获得帮助，并为客户提供相关的信息交易。在该项目的帮助下，公司可以运行特定于用户的活动并提供特定于用户的报价，而不是向所有用户广播相同的报价。
数据集：客户细分数据集
https://drive.google.com/file/d/19BOhwz52NUY3dg8XErVYglctpr5sjTy4/view
源代码：客户细分项目
https://data-flair.training/blogs/r-data-science-project-customer-segmentation/
在机器学习项目创意文章的下一部分，我们将为内行人士介绍一些高级项目创意。
高级机器学习项目
1.使用机器学习进行情感分析
项目构想：情感分析是分析用户情感的过程。我们可以将他们的情绪分为正面，负面或中性。了解如何进行情感分析是一个很棒的项目，并且如今已被广泛使用。这是最受欢迎的机器学习项目之一。其背后的原因是每家公司都试图了解客户的情绪，如果客户满意，他们会留下来。该项目可能显示出减少客户流失的途径。
数据集：情感分析数据集
http://ai.stanford.edu/~amaas/data/sentiment/
做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。
别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。
我先来介绍一下这些东西怎么用，文末抱走。
（1）Python所有方向的学习路线（新版）
这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
最近我才对这些路线做了一下新的更新，知识体系更全面了。
（2）Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
（3）100多个练手项目
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。
（4）200多本电子书
这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。
基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。
（5）Python知识点汇总
知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。
（6）其他资料
还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
