很多同学在学习机器学习、深度学习算法的过程中，没有获得感和成就感，因为仅仅学习了理论，没有落地的出口，感受不到这个算法有什么作用或者能解决什么问题

这一期给大家推荐一个爆火项目practicalAI, 项目本身就是让大家在实战当中学习AI技术，代码可以在Jupyter中运行

下面具体来介绍一下这个实战项目：

实战一：线性回归项目

首先介绍线性回归的数学原理，包括目标函数，优缺点等，然后介绍一些训练过程，最后是采用scikit-learn来训练一个线性回归模型，进行可解释性分析和正则化分析，除了体验这个实现的过程，还要注重一些分析的步骤

实战二：逻辑回归项目

首先介绍逻辑回归的数学表达式，以及优缺点，然后介绍训练的步骤，最后就是基于titanic数据集训练和测试逻辑回归模型预测乘客是否能生存

为方便大家学习 这里给大家整理了一份学习资料包 需要的同学 根据下图自取即可

实战三：随机森林项目

首先介绍逻辑回归的目标，优缺点，以及训练的步骤，继续采用上述的数据集进行训练一个随机森林模型，重点体会不同模型的差别

实战四：Pytorch基础项目

这个项目主要是采用Pytorch来构建动态神经网络的框架，还会涉及张量的基础运算

实战五：多层感知机项目

这个项目主要是基于Pytorch实现多层感知机，目标函数，优点和缺点，以及训练的过程

实战六：数据和模型项目

一个机器学习模型的工作方式就是接收输入，产出预测。训练数据的质量和数量，直接决定了预测的质量，也就是说: 垃圾数据产生垃圾结果。这个项目主要是说明数据质量对于模型的重要性

实战七：面向对象机器学习项目

在这个项目中，我们会学习如何创建和运用Python的类和函数来解决机器学习问题，这一部分主要包括词汇表，向量器，数据集和模型

实战八：卷积神经网络项目

介绍CNN除了应用于图像领域，也可以用于自然语言处理，这个项目主要是用卷积神经网络处理文本信息

实战九：NLP中嵌入层的使用项目

NLP领域一个重要研究课题就是如何进行特征嵌入，这个项目就是训练自己的嵌入层模型，以及使用预训练的嵌入层，随机初始化嵌入层等

实战十：递归神经网络项目

当处理序列化数据时(时间序列，句子，等等) 输入的顺序对于任务是否能顺利完成至关重要。递归神经网络(RNN)会把从之前的输入学习到的信息和新的输入结合处理，这个课程项目中我们将会学习如何创建，并使用序列化数据用RNN建模

实战十一：计算机视觉项目

构建一个结构最基础的CNN然后用它处理数据，输出预测的分类，这是计算机视觉的基础项目，如果想要学习CV方向的话，后续可以再看看其他项目

资料获取：

为方便大家学习 这里给大家整理了一份学习资料包 需要的同学 根据下图自取即可