对机器学习感兴趣？不如先来指南者留学背景提升 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《人体潜在疾病智能检测系统》项目中，同学们都做了什么。

PROGRAM

随着当前社会的发展大多数人在工作生活中都会由于作息时间与生活习惯等因素导致身体出现疾病，而可以尽早的发现疾病可以提前预防与治疗。而面对我国极大的人口基数，医疗系统所承载的压力无法满足人们潜在病的预防与检测，而人工智能的发展为自动化检测人体健康提供了可能，可以进一步提高疾病的检测效率。

本次项目将使用通过各类医疗电子器械所检测到的人体健康指标数据，如：血压的收缩压与舒张压、Chao1指数、Shannon指数、各类细菌比例等数据，利用人工智能技术来搭建基于人体指标数据的机器学习模型来预测人体是否存在潜在疾病达到智能检测的目的。

优秀学员报告节选展示（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，将机器学习应用到智慧医疗中，从最后展示的报告来看，可以看到F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.F同学对于python的使用是很熟练的，可以利用numpy完成数值计算、利用pandas完成对数据的各种预处理及统计、利用matplotlib完成数据的可视化展示、利用sklearn完成特征工程、模型构建、模型评价等操作；

2.值得一说的还有F同学对于特征工程是很有自己的想法的，为了找到最优的特征先后尝试了包装法、过滤法、嵌入法、降维等多种方法，并且进行了多次实验对比找到了最优的特征工程方案；

3.最后在模型的构建过程中除了使用逻辑回归、决策树、随机森林等机器学习算法，还将上述三种模型的结果进行了stacking融合，并且从预测结果的ACC、AUC以及模型运行的时间来对各种模型进行评价选出来最优的预测模型。

项目背书

学习过程（点击放大）