• 人才球探…… 使用大学统计数据来预测哪些球员将拥有最好的职业生涯。
• 综合管理… 根据他们的优势创建球员集群,以建立一个全面的团队。
体育也是练习数据可视化和探索性分析的绝佳领域。你可以使用这些技能来帮助您决定要在分析中包含哪些类型的数据。
数据源
• 体育统计数据库 ——体育统计和历史数据,涵盖了许多职业运动和一些大学运动。干净的界面使网页抓取更容易。
• Sports Reference – 另一个体育统计数据库。界面更杂乱,但可以将单个表格导出为 CSV 文件。
• cricsheet.org – 国际和 IPL 板球比赛的逐球数据。提供 IPL 和 T20 国际比赛的 CSV 文件。
3、预测股票价格
对于任何对金融感兴趣的数据科学家来说,股票市场就像是糖果乐园。
首先,您有多种类型的数据可供选择。您可以找到价格、基本面、全球宏观经济指标、波动率指数等……不胜枚举。
其次,数据可能非常精细。您可以轻松获取每家公司按天(甚至按分钟)的时间序列数据,从而让您创造性地思考交易策略。
最后,金融市场通常具有较短的反馈周期。因此,您可以快速验证您对新数据的预测。
你可以尝试的一些适合初学者的机器学习项目示例包括……
• 量化价值投资…… 根据公司季度报告的基本面指标预测 6 个月的价格走势。
• 预测…… 在隐含波动率和实际波动率之间的差值上构建时间序列模型,甚至是循环神经网络。
• 统计套利…… 根据价格走势和其他因素找到相似的股票,并寻找价格出现分歧的时期。
明显的免责声明:建立交易模型来练习机器学习很简单。让他们盈利是极其困难的。这里没有任何财务建议,我们不建议交易真钱。
教程
• Python: sklearn for Investing – 将机器学习应用于投资的 YouTube 视频系列。
• R: Quantitative Trading with R – 使用 R 进行量化金融的详细课堂笔记。
数据源
• Quandl – 提供免费(和优质)金融和经济数据的数据市场。例如,您可以批量下载3000 多家美国公司的日终股票价格 或美联储的经济数据。
• Quantopian – 量化金融社区,为开发交易算法提供免费平台。包括数据集。
• US Fundamentals Archive – 5000 多家美国公司的 5 年基本面数据。
4、教神经网络阅读笔迹
神经网络和深度学习是现代人工智能的两个成功案例。它们在图像识别、自动文本生成甚至自动驾驶汽车方面取得了重大进展。
要涉足这个令人兴奋的领域,您应该从可管理的数据集开始。
MNIST手写数字分类挑战赛是经典的切入点。图像数据通常比「平面」关系数据更难处理。MNIST 数据对初学者很友好,并且小到可以放在一台计算机上。
手写识别会挑战你,但它不需要高计算能力。
首先,我们建议使用下面教程中的第一章。它将教你如何从头开始构建神经网络,以高精度解决 MNIST 挑战。
教程
• 神经网络和深度学习(在线书籍) ——第 1 章介绍了如何在 Python 中从头开始编写神经网络,以对来自 MNIST 的数字进行分类。作者还对神经网络背后的直觉给出了很好的解释。
数据源
• MNIST – MNIST 是美国国家标准与技术研究院收集的两个数据集的修改子集。它包含 70,000 个带标签的手写数字图像。
5、调查安然
安然丑闻和倒闭是历史上最大的 企业崩溃之一。
2000 年,安然是美国最大的能源公司之一。然后,在因欺诈而被揭露后,它在一年内螺旋式下降到破产。
幸运的是,我们拥有安然电子邮件数据库。它包含 150 名前安然员工(主要是高级管理人员)之间的 50 万封电子邮件。它也是唯一一个真实电子邮件的大型公共数据库,这使得它更有价值。
事实上,数据科学家多年来一直在使用这个数据集进行教育和研究。
您可以尝试的初学者机器学习项目示例包括……
• 异常检测…… 按小时绘制和接收电子邮件的分布图,并尝试检测导致公共丑闻的异常行为。
• 社交网络分析…… 在员工之间建立网络图模型以找到关键影响者。
• 自然语言处理……结合电子邮件元数据分析正文消息,以根据电子邮件的目的对电子邮件进行分类。
数据源
• 安然电子邮件数据集 ——这是由 CMU 托管的安然电子邮件存档。
• 安然数据描述 (PDF) – 对安然电子邮件数据的探索性分析,可以帮助您获得基础。
6、从头开始编写 ML 算法
从头开始编写机器学习算法是一种出色的学习工具,主要有两个原因。
首先,没有更好的方法来建立对他们机制的真正理解。您将被迫考虑每一步,这将导致真正的掌握。
其次,您将学习如何将数学指令转换为工作代码。在从学术研究中调整算法时,您将需要这项技能。
我们建议选择不太复杂的算法。即使是最简单的算法,您也需要做出许多微妙的决定。在您熟悉构建简单算法后,尝试扩展它们以获得更多功能。例如,尝试通过添加正则化参数将普通逻辑回归算法扩展为套索/岭回归。
最后,这是每个初学者都应该知道的提示:不要气馁,因为您的算法不如现有软件包中的算法快或花哨。这些软件包是多年发展的成果!
教程
• Python:从零开始的逻辑回归
• Python:从零开始的 k-最近邻
• R:从零开始的逻辑回归
7、挖掘社交媒体情绪
由于用户生成的内容数量庞大,社交媒体几乎已成为「大数据」的代名词。
挖掘这些丰富的数据可以证明以前所未有的方式来掌握观点、趋势和公众情绪。Facebook、Twitter、YouTube、微信、WhatsApp、Reddit……这个名单还在继续。
此外,每一代人在社交媒体上花费的时间都比他们的前辈多。这意味着社交媒体数据将与营销、品牌和整个业务更加相关。
虽然有许多流行的社交媒体平台,但Twitter 是练习机器学习的经典切入点。
使用 Twitter 数据,您可以获得数据(推文内容)和元数据(位置、主题标签、用户、转发推文等)的有趣混合,为分析开辟了几乎无穷无尽的路径。
教程
• Python:挖掘 Twitter 数据——如何对 Twitter 数据进行情绪分析
• R:使用机器学习进行情感分析——简短而甜蜜的情感分析教程
数据源
• Twitter API – twitter API 是流数据的经典来源。您可以跟踪推文、主题标签等。
• StockTwits API – StockTwits 就像交易者和投资者的推特。 您可以通过使用时间戳和股票代码将其连接到时间序列数据集来以许多有趣的方式扩展此数据集 。
8、改善医疗保健
由于机器学习,另一个正在经历快速变化的行业是全球健康和医疗保健。
现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习
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!