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或无意地使用它，如推荐影片，图像识别，语音识别，网站推荐产品等。
这就是为什么你也需要开始学习。你可以先看看2020年最好的5本人工智能书籍，然而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自己的一些项目。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。
这些项目将帮助你发展技能，同时也检查你现有的知识。人工智能可用于许多领域。你对各种人工智能项目的研究越多，学到的东西就越多。
房价是经济健康与否的重要决定因素，而房价的范围是买卖双方都关心的问题。房价由涵盖住宅房屋几个方面的若干指标来确定。
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外，你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市民的年龄。对于初学者来说，这是一个测试他们技能的完美项目。
以下是使用线性回归来预测房价的教程，当然也包括Python源代码：
https://www.youtube.com/watch?v=Mcs2x5-7bc0list=PLvk-72jrjBFFsb0dKG0l2SEwK95p4vM89index=3
人工已经帮助股市投资者一段时间了。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业务，以便为他们提供竞争优势。基于人工智能的交易平台在趋势建模方面很受欢迎，它们试图利用大数据寻找被低估的股票。
这就是为什么它很适合成为初学者的第一个人工智能项目。你会喜欢股票市场，因为它充满了信息。你可以获得各种类型的数据集，并立即开始处理项目。
对于局外人来说，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。这包括解释经济走势，评估特定行业的模式以及在金融市场内部调整股价。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中占有很大份额，正在进行的交易中有超过60%是基于算法。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。因此，计划在金融部门工作的学生，简历上绝对应该有自己的小“阿拉丁”（“ 阿拉丁”是贝莱德用于管理投资决策风险的AI）。股市反馈期也很短，有助于支持你的预测。
学习前请查看本教程，其中包含Python和神经网络来预测苹果公司的股价：
https://medium.com/@randerson112358/stock-price-prediction-using-python-machine-learning-e82a039ac2bb
聊天机器人是一种人工智能驱动的软件（Alexa，Google Assistant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，提交表格等。当前，聊天机器人通常用于每个公司都需要聊天机器人以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：
这就是为什么设置聊天机器人是基于AI的最佳项目之一。你可以从热门网站上的聊天机器人中汲取灵感，首先构建一个客户服务聊天机器人。开发了基本的聊天机器人后，你可以对其进行升级并构建更高级的版本。
这是一个很好的视频，介绍了我们喜爱的著名Siraj Raval，他在其中使用Tensorflow和递归神经网络创建了聊天机器人：
https://www.youtube.com/watch?v=PXJtFc8DjsE
我们每天都会收到数百封电子邮件，其中大多数是垃圾邮件（spam）。顺便说一句，这个短语来自1970年巨蟒剧团的《飞翔马戏团》短剧，该短剧里餐厅的所有菜单项都是SPAM。检测垃圾邮件是自然语言处理（NLP）的常见主题，因此请尝试创建一个人工智能以根据电子邮件内容识别垃圾邮件或非垃圾邮件。
请查看此视频教程，你可以在其中使用Python源创建自己的垃圾邮件检测器：
https://www.youtube.com/watch?v=cNLPt02RwF0
人类手写的数字在大小和形状上有很大的不同。创建一种可以识别人类手写数字的算法，是开始你人工智能之旅的好方法。它对初学者都非常友好，有些人挑战自己在5分钟内做到这一点！
观看此视频 ，获取一些源代码以及有关Python代码实际功能的详细说明：
https://www.youtube.com/watch?v=Zi4i7Q0zrBs
Dino是一款流行的谷歌浏览器游戏，可以在未连接互联网的情况下玩。你应该实施强化学习，由于游戏简单，将很容易理解它的工作原理。你可以构建AI，它通过犯错误来学习。
CodeBullet就是这么做的，你可以在下面链接查看视频，并在GitHub找到Python源代码：
https://www.youtube.com/watch?v=sB_IGstiWlc
https://github.com/Code-Bullet/Google-Chrome-Dino-Game-AI
当您键入一条消息时，手机会自动预测下一个你想用的单词，你甚至每天在不知情的情况下使用它。但是你的手机软件如何知道你接下来要输入什么呢？自然语言处理（NLP）！你可以创建一个人工智能模型来预测最有可能出现的下一个单词。它是NLP的主要任务之一，具有很多应用。
这是一篇非常不错的文章，其中还包括Python代码并逐步进行了解释：
https://medium.com/m/global-identity?redirectUrl=https%3A%2F%2Ftowardsdatascience.com%2Fexploring-the-next-word-predictor-5e22aeb85d8f
情感分析（也称为情感挖掘或情感AI）是用于确定一篇写作是正面，负面还是中立的方法。使用该技术的典型场景是发现公众对特定主题的感受。由于诸如Twitter之类的媒体平台是大数据的公开海洋，挖掘此类数据有助于以多种方式理解用户的想法和观点。能够计算出围绕着一些问题的这种感觉将提供一个很好的想法，即它将会发生什么。这可以用于多种目的，例如预测股票价格。
我个人真的很喜欢本教程，该教程中对代码的解释比任何一本书都更好：
https://www.youtube.com/watch?v=ujId4ipkBio
人工智能在识别大数据的趋势，区分大数据间的特征和发现人类大脑无法识别的数据特征方面蓬勃发展。深度神经病理扫描中转移性癌症的自动检测是一个很有潜力的临床应用领域。
将人工智能与癌症治疗结合可以提高诊断的质量和准确性，有助于临床决策并改善患者的预后。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。
你可以在本文中找到Python源代码和很好的解释，当然还包括视频：
https://medium.com/@randerson112358/breast-cancer-detection-using-machine-learning-38820fe98982
进入21世纪，人脸检测技术已成为必然。用于检测和解释情绪的深度学习系统旨在识别和解释人的面部表情。它们能检测出人类的核心情感，例如悲伤，快乐，愤怒，中立，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，并对它们进行正确分类。它还可以使用标记的情绪信息来识别一个人的思维行为模式。
它是当前最受欢迎的人工智能项目之一。尽管面部表情识别一直是研究的主题，但直到现在，我们才看到这项研究的具体结果。
https://piprogramming.org/articles/10-Interesting-and-Impressive-AI-projects-for-absolute-Beginners-(with-Python-Source-Code)-0000000007.html
女程序员被阿里录取工资二万六，辞职时被领导挽留：给你四万留下
可视化工具不知道怎么选？深度评测5大Python数据可视化工具
安利一个我爱不释手的PDF神器网站
被遗忘的 10 个Linux命令，很实用！
最后说一个题外话，相信大家有不少人开通了视频号。小詹也开通了一个视频号，会分享互联网那些事、读书心得与副业经验，欢迎各位扫描下方二维码关注。
