30个经典机器学习项目列举，适合新手边学习，边实战，项目详情请搜索

机器学习游乐场 用于学习新概念的项目的集合。 这些模型在PyTorch中实现。 结构 计算机视觉 图片分类进行二进制/多类分类。 楷模实现SOTA卷积神经网络。 物体检测实施YOLO，SSD，RetinaNet和Faster R-CNN。 语义分割实施FCN-8和U-Net。 神经风格转换实现艺术风格的神经算法。 生成模型 实施DCGAN，Wasserstein GAN，VAE和有条件的VAE。 自然语言处理 情绪分析使用不同的预训练方法进行情感分析：词嵌入，BERT。 文字合成综合文本（字符级别）。 word2vec 实现word2vec。 语音分类 分类语音命令。 额外的 协同过滤实施协作过滤。 实体嵌入实现实体嵌入。 量化量化CNN模型。 修剪修剪CNN模型。

感谢黑马，这是一次自己在学习黑马中慢慢自己跟着做起来的项目，是黑马SSM最后阶段的一次小的整合mybais项目

建好项目后只添加了一个Newfile.jsp，更改了web.xml以及添加了一个包com.servlet，包中写了一个LoginServlet.java，其他的都没有动

根据开展一个机器学习项目的流程顺序，介绍了机器学习项目开展各个阶段的要素

＃转到RAW以获得更好的视图 机器学习项目 伦敦希思罗机场预测的航班延误为了对机器进行培训，您需要使用FlightRadar24_scrapper构建数据集（至少2-3周的数据）。 数据准备工作是在抓取器中执行的，但是数据清理和功能工程则在机器学习文件中进行。 爬虫可能有重复的值，这些值已在机器学习脚本中删除。 示例数据集包含在用于训练模型和验证模型的存储库中。 用于刮板的版本： jupyter核心：4.6.3 jupyter笔记本：6.1.1 qtconsole：4.7.7 ipython的：7.18.1 ipykernel：5.3.4 jupyter客户：6.1.6 jupyter实验室：2.2.6 nbconvert：6.0.6 ipywidgets：7.5.1 nbformat：5.0.7 特质：4.3.3 的Python：3.8.5 熊猫：1.1.1

Customer_churn_prediction:机器学习项目

该笔记是‘一个完整的机器学习项目’，具体的是预测房价的中位数，包括：获取数据、发现并可视化数据，发现规律、为机器学习算法准备数据、选择模型，进行训练、微调模型、给出解决方案和部署、监控、维护系统。接下来是具体的代码。 #俗话说，巧妇难为无米之炊，机器学习就是从大量数据中学习规律，所以项目第一步是下载数据，以下是具体代码 现在，运行完上述代码，就会在工作空间创建一个datasets/housing目录，下载housing.tgz

感谢JetBrains提供IDEA与DataGrip软件支持 的github :link: 吉蒂 :link: 此项目依赖于公共组件LazyerStarter 先将lazyer那个项目克隆下来，再在lazyer项目下执行mvn clean install -Dmaven.test.skip=true将lazyer组件安装到本地maven仓库，再启动此项目即可（需要修改数据库账号密码） git添加多远程仓库 git remote set-url --add origin git@github.com:FutaoSmile/springbootFramework.git ＃配合配套文章食用更加哦〜

深度学习项目将男性画像转换成女性,反之亦然