0基础机器学习项目练习

0基础入门机器学习项目实战

链接：https://www.jiuzhang.com/qa/7932/

**项目1: 识别数字图像

• 学会使用python读入csv数据并观察数据
• 知道图像处理的基本方法
• 学会输出测试指标
• 掌握机器学习基本原理
• 学会使用KNN模型
• Ipython Notebook 基本入门

项目难易程度：⭐️⭐️⭐️️☆☆
预计课后花费时间：1-2 hours
代码量：70 code lines
**项目2: 房价预测

• 学会利用Sklearn建立Linear Regression 模型
• 学会使用matplotlib画图，分析feature分布以及和预测变量的关系
• 观察并解释参数
• 学会输出测试指标

项目难易程度：⭐️☆☆☆☆
预计课后花费时间：2-3 hours
代码量：40 code lines

**项目3: 垃圾短信分类

• 学会利用Sklearn建立Naive Bayes 模型
• 学会使用matplotlib画图，分析feature分布以及和预测变量的关系
• 了解NLP处理文字的基本原理
• 学会输出测试指标

项目难易程度：⭐️⭐️⭐️️☆☆
预计课后花费时间：2-3 hours
代码量：60 code lines
**项目4: 电影评论情感预测

• 学会利用Sklearn建立Naive Bayes 模型
• 学会使用matplotlib画图，分析feature分布以及和预测变量的关系
• 了解NLP处理文字的基本原理
• 学会输出测试指标

项目难易程度：⭐️⭐️⭐️️⭐️️☆
预计课后花费时间：2-3 hours
代码量：70 code lines
**项目5: 预测员工离职

• 学会使用python读入csv数据并观察数据
• 学会使用matplotlib画图，分析feature分布以及和预测变量的关系
• 利用sklearn建立logistic regression模型
• 观察并解释模型参数
• 利用模型预测真实世界数据
• 学会输出测试指标

项目难易程度：⭐️⭐️⭐️️☆☆
预计课后花费时间：2-3 hours
代码量：60 code lines
**项目6: Titanic沉船预测乘客逃生

• 学会使用python读入csv数据并观察数据
• 学会去除缺失数据
• 使用value_counts将feature归类分析
• 使用dmatrices将数据转化成为sklearn要求的格式，并训练logistic regression模型
• 观察并解释模型参数
• 生成可以在Kaggle上提交的输出文件

项目难易程度：⭐️⭐️⭐️️☆☆
预计课后花费时间：2 hours
代码量：40 code lines
**项目7: 用神经网络对Otto商品分类预测

• 学会使用python读入csv数据并观察数据
• 使用散点图观察两维feature分布
• 使用matshow画出相关系数矩阵
• 使用dmatrices将数据转化成为sklearn要求的格式，并训练神经网络模型
• 输出预测概率，并生成可以在Kaggle上提交的输出文件

项目难易程度：⭐️⭐️⭐️️☆☆
预计课后花费时间：2-3 hours
代码量：50 code lines
**项目8: 深度学习区分猫狗图片

• 学会使用cv2读入数据图片并存储成向量
• 学会使用tflearn进行深度学习
• 建立深度神经网络，包括卷积神经网络CNN，最大池化MaxPooling以及Dropout
• 使用tflearn进行模型生成和预测
• 利用模型预测图片并输出图片和预测结果
• 使用Logistic Regression完成预测并和深度网络结果进行对比

项目难易程度：⭐️⭐️⭐️️️⭐️⭐️️️️
预计课后花费时间：5-6 hours
代码量：110 code lines
**项目9: 预测贷款优良

• 学会使用pandas读入csv表格
• 学会特征选择与标签预处理
• 手动实现决策树并对比不同特征选择标准
• 对比不同决策树终止条件与决策树复杂度分析
• 利用决策树模型对LendingClub贷款数据进行分类预测

项目难易程度：⭐️⭐️⭐️️️⭐️⭐️️️️
预计课后花费时间：7-8 hours
代码量：200 code lines
**项目10: 预测蘑菇可食用性

• 学会使用pandas读入csv表格
• 学会利用sklearn对类型特征进行one-hot encoding
• 学会利用sklearn集成模块调用随机森林模型预测结果
• 对比Logistic regression, 决策树和随机森林的预测能力
• 实现基于决策树的bagging和伪随机森林并对比预测能力

项目难易程度：⭐️⭐️⭐️️️⭐️☆
预计课后花费时间：5-6 hours
代码量：120 code lines
**项目11: 预测房价

• 学会使用pandas读入csv表格
• 学会利用sklearn对数据特征进行标准化处理
• 学会可视化模型在回归问题上的表现
• 对比线性回归和随机森林的预测能力

项目难易程度：⭐️⭐️⭐️️️☆☆
预计课后花费时间：2-3 hours
代码量：80 code lines
**项目12: 预测乳腺肿瘤是否恶性

• 学会使用pandas读入csv表格
• 学会利用sklearn对数据特征进行预处理
• 可视化输入特征与预测目标之间的关系
• 对比Adaboost, logitstic regression 和决策树的表现
• 手动实现Adaboost模型利用该模型在乳腺癌数据集上预测结果

项目难易程度：⭐️⭐️⭐️️️⭐️☆
预计课后花费时间：5-6 hours
代码量：100 code lines

** 项目13: 广告数据点击率预估实战

• 理解真实广告数据
• 学会构造点击率预估样本
• 学会构造高级特征
• 学会选择模型

项目难易程度: ⭐️⭐️⭐️️️⭐️☆
预计课后花费时间： 2-3 hours
代码量： 100 lines

** 项目14 ： 自动微分实战

• 理解自动微分的概念
• 实现一个基础的自动微分库

项目难易程度: ⭐️⭐️⭐️️️⭐️☆
预计课后花费时间： 1-2 hours
代码量： 100 lines

**项目15: TensorFlow深入学习入门人脸检测

• 预处理
• 滑动窗口实现
• 提取不同特征（HOG，LBP，HISTGRAM）
• 采用模型判别人脸
• 提出候选框
• 使用CNN替代这一过程

项目难易程度：⭐️⭐️⭐️️️⭐️⭐️️️️
预计课后花费时间：2-4 hours
代码量：300 code lines

** 项目16：实现简单的R-CNN算法

• 利用上节课的模型，搭建一个R-CNN算法
• 利用金字塔算法提取候选框

项目难易程度: ⭐️⭐️⭐️️️☆ ☆
预计课后花费时间： 1-2 hours
代码量： 40 lines

** 项目17：利用迁移学习训练一个人脸检测的模型

• 下载数据，并封装成tfrecord格式
• 挑选一个pretrain的模型
• 利用迁移学习训练模型

项目难易程度: ⭐️⭐️⭐️️️⭐️☆
预计课后花费时间： 2-3 hours
代码量： 100 lines

** 项目18：训练一个人脸特征点检测算法并进行人脸对齐

• 利用上节课的方法，训练特征点检测模型
• 实现简单的人脸对齐

项目难易程度: ⭐️⭐️⭐️️️⭐️☆
预计课后花费时间： 2-3 hours
代码量： 140 lines

** 项目19：训练一个人脸特征提取的模型并完善人脸识别流程

• 训练一个人脸特征提取的模型
• 利用前两节课的模型，实现完整的人脸识别流程

项目难易程度: ⭐️⭐️⭐️️️⭐️⭐️⭐️
预计课后花费时间： 2-3 hours
代码量： 100 lines

** 项目20：深度学习的应用

• 将上图的人脸识别流程封装成RPC接口
• 在web server中调用人脸识别的RPC
• 将比较结果显示在web上

项目难易程度: ⭐️⭐️⭐️️️⭐️⭐️
预计课后花费时间： 2-4 hours
代码量： 200 lines

**项目21: 实现word2vec

• 文字预处理
• 训练数据生成
• 实现CBAG
• 实现negative sampling
• 训练并且在英文和中文数据集上对比结果

项目难易程度：⭐️⭐️⭐️️️⭐️☆
预计课后花费时间：1-3 hours
代码量：200 code lines

**项目22: 强化学习 - 学习迷宫导航

• 理解强化学习的模型框架
• 实现Policy Iteration算法
• 实现Value Iteration算法
• 让机器人学习在迷宫中导航

项目难易程度：⭐️⭐️⭐️️️⭐️☆
预计课后花费时间：1-3 hours
代码量：400 code lines

**项目23: 深度强化学习 - 学习视觉游戏

• 理解深度强化学习的模型框架
• 实现Deepmind经典论文-DQN算法
• 实现经验回放机制
• 让机器人学会操控视觉游戏

项目难易程度：⭐️⭐️⭐️️️⭐️⭐️️️️
预计课后花费时间：6-8 hours
代码量：600 code lines

**项目24: 实现自动翻译

• 训练数据清洗
• seq2seq网络实现
• 训练网络
• bleu评估

项目难易程度：⭐️⭐️⭐️️️⭐️⭐️️️️
预计课后花费时间：4-8 hours
代码量：400 code lines