对数据科学、机器学习感兴趣？不如先来指南者背景提升实践一下！

很多同学经常感到迷茫，对申请目标，甚至未来职业发展方向拿不定主意，不知道要如何选择。想提前通过实习来进行全方位的了解，但无奈实习门槛高、试错机会少，而项目实战，却是个高性价比的选择。

通过精心设计的项目，可以了解并体验到业界常规的作业模式和需要掌握的技能，真实的实践场景更能让你提前感知是否是自己的兴趣所在。这对你发现职业兴趣、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《基于机器学习的今日头条新闻传播效果预测》项目中，同学们都做了什么。

PROGRAM

随着网格通讯技术的发展，分布在近200个国家的近2亿互联网用户都成为网络传媒的受众。互联网给媒体信息的广泛传播带来了前所未有的全面性、全方位、全天候、全动态及全接触式的强力推动，自媒体更是让每个个体都能成为网络信息的生产者。更受欢迎的网络媒体及自媒体内容越来越为各大平台、广告厂商及个人内容生产者等所重视。企业和个人如何借助这股东风赚的红利，如何制作和预测媒体内容的受欢迎程度是待解决的现实问题。

本次项目将根据新闻本身的一些特征，通过对文章内容的特征工程构建关键词、数字内容、文章引用新闻的受欢迎程度等维度指标。使用人工智能的方法构建一套媒体内容受欢迎程度预测系统，以预测平台上哪些新闻会传播更广泛。

优秀学员报告展示（左右滑动，放大查看）

该项目是一个含金量很高的机器学习应用项目，从最后呈现的项目报告，可以看到X同学对于机器学习的知识和python编程能力掌握的都是比较好的：

• 从整体报告来看X同学对于机器学习的流程：数据预处理、特征工程、模型搭建、调参、模型对比等都是很熟悉的，可以利用python完成完整的机器学习项目；

  
  

• X同学可以熟练的使用pandas以及numpy对数据进行描述性统计、数据变换、重复值处理、缺失值处理等工作，可以看出扎实的python应用能力；

  
  

• 在项目的特征处理阶段使用了PCA进行新特征的生成并且对比不同维度下的模型效果来进行最终新特征数量的确定，以及使用随机森林进行特征筛选中也同样对比保留不同数量特征的结果来论证特征工程的可靠性；

  
  

• 在模型搭建与对比中，X同学搭建了逻辑回归、随机森林、决策树三个模型并且使用ACC与AUC对模型进度进行对比，可以看出X同学的建模能力还是比较优秀的，并且在考虑模型选择的时候不光只看模型的预测能力，还对比了各模型的运行时间来说明模型的运行效率；

项目背书

学习过程（点击放大）

想了解该同学的同款实战项目，欢迎私信~