大数据文摘来源：piprogramming编译：Lime人工智能已经成为我们生活的一部分。我们在日常生活中有意无意地使用它，比如推荐视频、图像识别、语音识别、网站推荐产品等，所以你也需要开始学习了。你可以看看2020年最好的5本人工智能书籍，但仅仅了解理论是不够的。学生应该尝试完成一些人工智能项目，如果你是新手，你能做的最好的事情就是花一些时间在真正的人工智能项目上，从尝试跟随人工智能的趋势到做一些你自己的项目。以下每个项目都有Python源代码的链接！我将展示一些人工智能项目的有趣想法，初学者可以通过尝试这些想法来测试他们的Python知识。这些项目将帮助您发展技能，同时检查您现有的知识。人工智能可以用在很多领域。您对各种AI项目的研究越多，您学到的就越多。预测房价房价是经济健康状况的重要决定因素，房价的波动范围是买卖双方都关心的问题。房价由几个指标决定，涵盖住宅的几个方面。历史定价数据通常用于获取平均价格。除了不同房屋的价格，您还可以使用其他数据集，包括城市的犯罪率、非零售企业的位置和公民的年龄。对于初学者来说，这是测试他们技能的完美项目。这是一个使用线性回归预测房价的教程，当然包括Python源代码：https://www.youtube.com/watch?v=Mcs2x5-7bc0list=PLvk-72jrjBFFsb0dKG0l2SEwK95p4vM89index=3人为预测股票价格有助于股票市场投资者已经有一段时间了。金融机构和投资经理最近试图将机器学习和人工智能纳入他们的业务，以赋予他们竞争优势。基于人工智能的交易平台，流行于趋势建模，尝试使用大数据来寻找被低估的股票。这就是为什么它非常适合初学者的第一个AI项目。您会爱上股票市场，因为它充满了信息。您可以获得所有类型的数据集并立即开始处理项目。对于外人来说，股市的变化就像波涛汹涌的大海。预测股票市场的价格和活动是一项非常复杂且要求很高的工作。这包括解释经济趋势、评估特定行业的模式以及调整金融市场内的股票价格。这就是人工智能可以派上用场的地方。算法交易在全球金融市场占有很大份额，超过60%的交易基于算法进行。养老基金、共同基金、对冲基金、保险公司、散户投资者和主要机构交易公司使用算法在股票市场进行交易。所以打算在金融行业工作的同学们，简历上一定要有自己的小“阿拉丁”（“阿拉丁”是贝莱德的投资决策风险管理AI）。股市反馈期也很短，有助于支持您的预测。学习前看看这个教程，其中包含Python和神经网络来预测苹果的股价：https://medium.com/@randerson112358/stock-price-prediction-using-python-machine-learning-e82a039ac2bbchatbotchatbot人工智能驱动的软件（Alexa、GoogleAssistant等）、应用程序、网站或其他网络，旨在评估客户的需求，然后帮助他们执行特定任务，例如交易、酒店预订、表格提交等。目前，聊天机器人普遍用于每个公司都需要聊天机器人来减少某些客户联系流程的行业。公司使用聊天机器人的一些方式是：客户支持传递消息这就是为什么设置聊天机器人是最好的基于AI的项目之一。您可以从热门网站上的聊天机器人中获取灵感，并从构建客户服务聊天机器人开始。一旦你开发了一个基本的聊天机器人，你就可以升级它并构建更高级的版本。这是我们最喜欢的著名SirajRaval的精彩视频，他在视频中使用Tensorflow和递归神经网络创建了一个聊天机器人：https://www.youtube.com/watch?v=PXJtFc8DjsE垃圾邮件标识符我们每天收到数百封电子邮件，其中大部分这是垃圾邮件。顺便说一句，这句话出自巨蟒剧团1970年的《飞翔马戏团》小品，其中餐厅的每一个菜单项都是SPAM。检测垃圾邮件是自然语言处理(NLP)中的一个常见主题，因此请尝试创建一种可以根据电子邮件内容识别垃圾邮件或非垃圾邮件的人工智能。查看此视频教程，您可以在其中使用Python源创建自己的垃圾邮件检测器：https://www.youtube.com/watch?v=cNLPt02RwF0手写数字识别人类手写数字在大小和形状上有很大差异。创建一个可以识别人类书写数字的算法是开始您的AI之旅的好方法。这一切都非常适合初学者，有些人会挑战自己在5分钟内完成！观看此视频以获取一些源代码和Python代码实际作用的详细解释：https://www.youtube.com/watch?v=Zi4i7Q0zrBsGoogleDinoRobotDino是一款流行的GoogleChrome游戏，无需网络连接。您应该实施强化学习，并且由于游戏的简单性，很容易理解它是如何工作的。您可以构建通过犯错误来学习的AI。CodeBullet就是这样做的，您可以在下面的链接中查看视频并在GitHub上找到Python源代码：https://www.youtube.com/watch?v=sB_IGstiWlchttps://github.com/Code-Bullet/Google-Chrome-Dino-Game-AI下一个单词预测器当您键入一条消息时，您的手机会自动预测您要使用的下一个单词，您甚至每天都在不知不觉中使用它。但是你的手机软件如何知道你接下来要输入什么？自然语言处理（NLP）！您可以创建一个AI模型来预测最有可能出现的下一个词。它是NLP的主要任务之一，有很多应用。这是一篇非常好的文章，其中还包含Python代码并逐步对其进行解释：https://medium.com/m/global-identity?redirectUrl=https%3A%2F%2Ftowardsdatascience.com%2Fexploring-the-next-word-predictor-5e22aeb85d8fTwitter情绪分析器情绪分析（也称为情绪挖掘或情绪AI）是一种用于确定一篇文章是正面、负面还是中性的方法。使用此技术的典型场景是发现公众对特定主题的感受。由于Twitter等媒体平台是开放的大数据海洋，挖掘这些数据有助于从多个方面了解用户的想法和意见。能够解决围绕某些问题的这种感觉将提供一个很好的想法。这可以用于多种目的，例如预测股票价格。我个人非常喜欢这个教程，其中的代码解释比任何书都好：https://www.youtube.com/watch?v=ujId4ipkBioUsingMedicalDataforCancerDetectionAIinRecognition大数据趋势在区分特征方面蓬勃发展大数据，发现人脑无法识别的数据特征。在深度神经病理学扫描中自动检测转移癌是一个很有前途的临床应用领域。将人工智能与癌症治疗相结合可以提高诊断的质量和准确性，帮助临床决策并改善患者的治疗效果。人工智能临床护理，尤其是在低收入环境中，可能会加剧健康不平等。您可以在本文中找到Python源代码和很好的解释，当然还有视频：https://medium.com/@randerson112358/breast-cancer-detection-using-machine-learning-38820fe98982FacialEmotionRecognitionandDetectionEnter进入21世纪，人脸检测技术已经成为必然。用于检测和解释情绪的深度学习系统旨在识别和解释人类面部表情。他们检测人类的核心情绪，如悲伤、快乐、愤怒、中性、厌恶、恐惧和惊讶。面部情绪检测和识别系统的主要特点是它可以评估情绪，区分好坏，并正确分类。它还可以使用标记的情感信息来识别一个人的思维和行为模式。是目前最热门的人工智能项目之一。尽管面部表情识别长期以来一直是研究的主题，但直到现在我们才看到这项研究的具体成果。相关报道：https://piprogramming.org/articles/10-Interesting-and-Impressive-AI-projects-for-absolute-Beginners-(with-Python-Source-Code)-0000000007.htmlDataDigest原文翻译,微信公众号《大数据文摘（id:BigDataDigest）》】点此阅读作者更多好文
