这年头不学点AI知识，可能都不好意思说自己是新时代的接班人了。人工智能风头正盛，无论你是支持还是怀疑，AI对这个时代的影响都已逐渐渗透到各行各业当中，哪怕身处非互联网行业，也能感受到AI的滚滚浪潮。学习已成刚需，不过对于初学者而言，要正正经经上手机器学习，如何入门就有点让人头大了。好在计算机领域向来有和谐互助之风，德国程序猿Michiel Mulders近日就精心炮制了一份机器学习入门新手指南。一起来看看AI大法该当如何修炼吧。入门指南欲练此功，首先要知道，纸上谈兵是本门大忌。吴恩达就曾经说到，想要入门机器学习，应该进行一些项目实践。所以入门第一步，从选择一个数据集开始：找到一个大小合宜，并且相对容易分析的数据集。UCL ML Repository和Kaggle盛产此物。对数据集进行试验。挑几个顶级的机器学习算法跑一跑这些数据，看看数据的表现，了解一下每种算法的性能。挑选表现最佳的算法，调教它。这就完事了？no，no，no，本份指南还贴心奉上五佳项目，任君挑选。↓↓↓↓↓↓TOP 5项目：监督式机器学习数据集：鸢尾花数据集鸢尾花数据集堪称机器学习领域的“Hello World”。对数据一无所知？那么选择它就对了。这个数据集的好处是足够小，仅仅只有150行，并且它只有四个属性：花瓣长度，花瓣宽度，萼片长度和萼片宽度。通过判别四个已知属性，四种不同类型的鸢尾花在数据集中被标记出来，所以你可以拿它来学学监督式机器学习。这里建议使用多元分类训练方法。另外，记得给自己设立一个小目标：根据花瓣和萼片的大小对三种花进行分类。相关链接：UCI机器学习仓库（UCI ML Repository）：https://archive.ics.uci.edu/ml/index.phpKaggle数据集：https://www.kaggle.com/datasets项目：交易预测平台：GNY很多流行的机器学习服务价格高昂，对于新手十分不友好。不如选择GNY团队的机器学习平台，这个平台挺好挺强大，最重要的是提供免费的下载安装。GNY团队还发布了一个通过神经网络预测零售交易的demo，正式版本将在今夏登陆，还将提供定制服务。对于机器学习新人小白来说，这个demo不失为一个有趣的入门项目。你可以到MLWave上找一个数据集，根据消费历史来预测哪些人会成为回头客。相关链接：GNY机器学习平台：https://www.gny.io/MLWave回头客数据集：项目：情绪分析数据集：twitter情绪分析是机器学习里非常有趣的一种应用，检索数据也很容易获得，Reddit、Facebook和Linkedln都提供了易于使用的API。不过首选还是Twitter的数据，Twitter平台上的数据格式一致，预处理也要容易得多。首先!pip install Python -twitter，然后就开动吧，不过过度使用可是会被列入黑名单的哟。再列几个具体的方向以供参考：分析对新发布电影的情绪，并将其与IMDB和其他评级网站上的评论进行比较。分析围绕特定选举或任何其他政治话题的情绪。根据推文的情绪预测前50种加密货币未来的价格。相关链接：Twitter数据集：https://github.com/shaypal5/awesome-twitter-data项目：推荐系统数据集：Movielens想必没有人会对推荐系统感到陌生。推荐系统是机器学习技术在商业中最成功和最广泛的应用之一，几乎渗入到了日常生活的每一个角落。网易云音乐的个性推荐，神奇的抖音算法都属于这一范畴。关于推荐系统，可以使用两种算法：基于内容推荐算法：寻找内容的相似性。协作过滤算法：寻找交互中的相似性。即对一大群人进行分析，确认品位相近的人。Movielens是最受欢迎的电影评级数据集之一，对初学者来说是试验推荐算法的理想数据集。于是你可以再立一个小目标了：根据用户评分来预测他们会喜欢哪部电影。项目：股票价格预测数据集：Quandl对于股民来说，如果能预测股票价格，那岂不是亦可赛艇？但不管你是不是股民，都可以试试用机器学习来实现股票价格预测。我们先来列列关键字：波动率指数历史价格全球宏观经济指标基本面分析指标技术分析股票市场具有更短的反馈周期，也就是预测的结果可以更快被验证，十分适合新手学习。选择一个简单的机器学习示例，到Quandl.com上下载股票市场数据集，就可以动手预测未来6个月的股票价格变化了。友情提醒：AI只负责产生结果，不对结果负责。相关链接：Quandl数据集：https://www.quandl.com/新手向TOP 5项目介绍完毕。看到这里，是不是已经摩拳擦掌，感觉自己可以分分钟入门AI啦？快拎上数据集，AI江湖等你亮剑~— 完 —