03. 你将挑战的实战项目

模型评估与验证：波士顿地区房价预测

你将运用 scikit learn 和回归算法来分析波士顿房价的真实数据集。你将基于它们的特点来构建和优化你的模型以预测房价。

监督学习：为 CharityML 寻找捐助者

你的任务是构建一个分类模型，来确定哪些人最有可能成为慈善机构的捐赠者。你将使用一些分类算法，并优化这些算法以提高质量。

深度学习：小狗品种识别

在这个项目中，你将使用Keras 来构建一个卷积神经网络，通过识别狗的图像以确认它们的品种。此外，如果识别的是人类的图像，这个算法将判断哪个品种的狗同这个人的长相最为吻合。你还能通过预先训练的网络来优化你的结果。

非监督学习：创建客户细分

你将获得某个公司客户资料的真实数据集，并运用几个非监督学习的技术来从这些数据中提取有效信息。

强化学习：训练机器人走迷宫

你会需要实现一个 Q-learning算法来解决走迷宫问题。同时你有机会将你的算法应用在股市中，让机器学习出高收益策略。

毕业项目（7选1项目）

这是你大显身手的时刻！毕业项目将分为4个方向，在这4个方向中，我们为你安排了7个项目，你需要从** 7个项目中挑选出1个** 作为你的毕业项目；在完成项目之前，你需要先撰写项目的开题报告，在完成了开题报告之后，你就可以用代码来训练你的模型了；我们的审阅专家将引导你完成开题报告，并针对你的模型、数据和程序提供有用的反馈。

A. 计算机视觉方向：

1）猫狗大战项目： 使用深度学习方法识别图片是猫还是狗。
2）算式识别项目（挑战项目）： 使用深度学习识别图片中的四则运算表达式，实现 AI 自动解题。

B. 自然语言处理：

1）句子相似度匹配项目： 使用自然语言处理技术判别两个非常接近的句子是否相似，这是对NLP领域不同方面知识的综合应用。
2）恶毒评论分类项目（挑战项目）： 使用自然语言处理技术对网络恶毒垃圾评论进行检测，应用深度学习技术进行分类。

C. 深度强化学习：

训练四轴飞行器学会飞行项目： 使用深度神经网络，设计一个可以在模拟环境中进行决策的系统。把强化学习应用到电子游戏和机器人开发等复杂的领域中。

D. 数据挖掘

1）旧金山罪案类型预测项目： 用12年的数据建立预测模型, 根据罪案发生的GPS定位、警区、发生时间等信息，判断罪案类型, 帮助警方在罪案发生时快速分配警力。
2）预测Rossmann未来的销售额项目（挑战项目）： 根据Rossmann药妆店的信息（如促销、竞争对手、节假日）以及在过去的销售情况，预测Rossmann未来的销售额。

除开以上技术类项目，在整个过程中，你还会挑战五个职业发展项目，帮助你进一步增强求职自信心，提高职业竞争力。

• 个人简历的创建和优化；
• GitHub个人资料的审阅;
• 领英档案的创建和优化；
• 行为导向模拟面试；
• 机器学习技术模拟面试;

话不多说，从今天起开始学习吧！