很多同学在留学准备前期都经常很迷茫，对申请目标，甚至未来职业发展方向都拿不定主意，不知道要如何选择。想提前通过实习来进行全方位的了解，但无奈实习试错机会少，而通过项目实战，却是个高性价选择。

 

通过精心设计的项目，可以了解业界常规的作业模式，进行类似实践，这对发现职业兴趣、提升相关技能、积累实操经历都非常有益。

 

数据科学专业，是利用科学方法、流程、算法和系统从数据中提取价值的跨学科领域。数据科学家综合利用一系列技能（包括统计学、计算机科学和业务知识）来分析从网络、智能手机、客户、传感器和其他来源收集的数据。

 

指南者的人工智能项目实战，就以机器学习方法为核心，引用热门项目实战，由指导老师带领学员，完成数据预处理、数据变换、特征工程、模型搭建与调参、模型评价、模型集成等，切实体验机器学习的实际应用。

 

我们一起来看看在《特斯拉车辆故障自动检测系统》项目中，同学们都做了什么。

 

PROGRAM

 

随着人工智能的快速发展，越来越多的机器人应用诞生，在一些危险场景中机器人可以代替人进行勘测，比如可采集隧道内设备数据、监测隧道环境，实时报警设备异常状态，帮助电力运维人员精准把控隧道电缆状况，减少运检成本，提升运检质量，保障高压电缆网络安全运行。

在本次项目中我们将展现通过传感器搜集到的巡检数据，利用特征工程的方法筛选有效数据信息，配合机器学习算法进行动作指令模型的构建，为机器狗的动作行为做出预测指导以实现机器狗的自主运动。

 

优秀学员报告节选展示

 

 

该项目是一个含金量很高的机器学习应用项目，将机器学习应用到故障检测中，从最后展示的报告来看，可以看到H同学对于python的熟练使用以及对于机器学习整体的应用流程都是很清晰的：

1. H同学对原始特征、经重要性筛选后的特征和经过三倍标准差处理的特征的比较，清晰地说明了并非所有数据转换都能带来模型性能的提升。说明了其对特征工程的理解是比较到位的，进行彻底的特征分析和理解数据特性的必要性。

2. H同学提到的逻辑回归、决策树和随机森林是目前广泛使用的分类算法，每个模型都有其优势和局限性。对比三种模型在性能和运行时间上的权衡也是决定最终选择的一个重要考量，说明了H同学对比各个模型的优缺点很了解。

3.从整篇报告来看，H同学对于机器学习的应用流程如：数据预处理、特征工程、模型搭建、模型评价等都是很熟悉的，同时也很好的掌握了python及其第三方库如：numpy、pandas、matplotlib、sklearn等。

 

项目背书

 

 

学习过程

 

 

报名信息

 

3月18日开营
仅限4个名额
文末扫码咨询