24个提高知识和技能极限的机器学习项目( 三 ) 介绍数据科学（机器学习）项

问题：预测美国人口的收入等级。
开始：获取数据：
教程：~jmcauley/cse190/reports/sp15/048.pdf
7.电影镜头数据集
文章插图
你是否已建立推荐系统？这是你的机会！该数据集是数据科学行业中最受欢迎和引用最多的数据集之一。它有各种尺寸。在这里，我使用了相当小的尺寸。它在4,000部电影中获得6,000名用户的100万收视率。
问题：向用户推荐新电影。
开始：获取数据：
教程：
8. Twitter分类数据集
文章插图
使用Twitter数据已成为情感分析问题不可或缺的一部分。如果你想在这一领域为自己开拓一片天地，那么你将很乐于应对该数据集带来的挑战。数据集大小为3MB ，具有31,962条推文。
问题：识别哪些是仇恨推特，哪些不是。
开始：获取数据：
教程：
高级1.确定你的位数数据集
文章插图
该数据集使你可以研究，分析和识别图像中的元素。这就是相机使用图像识别来检测你的脸的方式！现在轮到你构建和测试该技术了。这是一个数字识别问题。该数据集包含7,000张28 X 28大小的图像，总计31MB 。
问题：识别图像中的数字。
开始：获取数据：
教程：
2.城市声音分类
文章插图
当你开始机器学习之旅时，你会遇到简单的机器学习问题，例如泰坦尼克号生存预测。但是，对于现实生活中的问题，你仍然没有足够的练习。因此，此练习问题旨在向你介绍常规分类情况下的音频处理。该数据集包含10个类别的8,732个城市声音的声音摘录。
问题：从音频中分类声音的类型。
开始：获取数据：
教程：
3. Vox名人数据集
文章插图
音频处理正迅速成为深度学习的重要领域，因此这是另一个具有挑战性的问题。此数据集用于大规模的说话人识别，包含从YouTube视频中提取的名人所说的单词。这是用于分离和识别语音的有趣用例。数据包含1,251位名人所说的100,000次讲话。
问题：找出声音属于哪个名人。
开始：获取数据：~vgg/data/voxceleb/
教程：~vgg/publications/2017/Nagrani17/nagrani17.pdf
4. ImageNet数据集
文章插图
ImageNet提供了各种问题，包括对象检测，定位，分类和屏幕解析。所有图像均可免费获得。你可以搜索任何类型的图像并围绕该图像构建项目。截止到目前，该图像引擎已经拥有超过1500万张多种形状的图像，大小高达140GB 。
问题：要解决的问题取决于你下载的图像类型。
开始：获取数据：
教程：
5.芝加哥犯罪数据集
文章插图
如今，每位数据科学家都希望能够处理大型数据集。当公司在整个数据集上具有计算能力时，他们不再喜欢使用样本。该数据集为你提供了在本地计算机上处??理大型数据集所需的实际经验。问题很容易，但是数据管理才是关键！该数据集具有600万个观测值。这是一个多分类问题。
问题：预测犯罪类型。
开始：获取数据：
教程：
6.印度演员年龄数据集
文章插图
对于任何深度学习爱好者来说，这都是一个吸引人的挑战。数据集包含数千个印度演员的图像，你的任务是确定他们的年龄。手动选择所有图像，并从视频帧中裁剪所有图像，这导致了比例，姿势，表情，年龄，分辨率，遮挡和化妆具有高度的可变性。训练集中有19,906张图像，测试集中有6,636张图像。
问题：预测演员的年龄。
开始：获取数据：
教程：
7.推荐引擎数据集
文章插图
这是一个高级推荐系统的挑战。在这个实践问题中，将为你提供程序员的数据和他们先前已解决的问题，以及他们解决该特定问题所花费的时间。作为数据科学家，你建立的模型将帮助在线评委决定下一级的问题推荐给用户。
问题：根据用户的当前状态，预测解决问题所需的时间。