- 作者:韩信子
- 链接: https://www.showmeai.tech/article-detail/305
- 公众号: ShowMeAi研究中心

文章&数据集清单

[1] 使用 Mito 和 Bamboolib 进行超大量数据的处理(Python)

[2] 运动手环的数据分析挖掘与建模案例

[3] 钻石价格预测的ML全流程！从模型构建调优道部署应用！

[4] 机器学习建模应用流水线 pipeline

[5] 使用 Merlion 库快速开发时间序列模型

[6] 图数据挖掘！使用图分析+AI进行保险欺诈检测

[7] 人力资源流失场景机器学习建模与调优

[8] 音乐流派识别的机器学习系统搭建与调优

1. 使用Mito和Bamboolib进行超大量数据的处理(Python)

Mito 和 Bamboolib 是 Python 库，可以快速流畅地处理大文件表格，功能性与易用性与 Excel 不相上下，但是可以避免出现 Excel 中的卡顿和崩溃。二者的安装和调用都非常简单，绝对值得一试~

Spreadsheets 数据集 https://pan.baidu.com/s/1_k2_mq_V6n0gxP2fmjPuTQ

提取码：show

2. 运动手环的数据分析挖掘与建模案例

运动穿戴设备（比如小米手环、华为手表、fitbit、Apple Watch）中记录了大量的运动数据，也记录着佩戴者的身体状况。本文结合 Kaggle fitbit 数据集，分析运动规律和卡路里的消耗情况。

Fitabase 运动佩戴设备数据集https://pan.baidu.com/s/14QgitJVU7jQ39qE3_kI1MQ

提取码：show

3. 钻石价格预测的ML全流程！从模型构建调优道部署应用！

本文结合 6000 颗钻石的数据，通过克拉重量、切工、颜色和其他特征等属性来预测钻石价格。这是一个完整的企业级建模案例，包含从探索性数据分析、数据准备、模型选择/训练/调优、模型保存和部署的全流程。案例用到的 PyCaret 和 FastAPI 是非常高效的工具，推荐！

pycaret-master 数据集https://pan.baidu.com/s/1Y9oszlUt6G4yvUxO-ZN-JA

提取码：show

4. 机器学习建模应用流水线 pipeline

机器学习建模高级用法！构建企业级AI建模流水线，不同环节有序地构建成工作流（pipeline）。本文以『客户流失』为例，讲解如何构建 SKLearn 流水线。

Newspaper churn 数据集https://pan.baidu.com/s/1EUTjTY8SoVaSbfsxWqSFBQ

提取码：show

5. 使用 Merlion 库快速开发时间序列模型

股市预测，销量预测，病毒传播...使用 Merlion 时间序列建模搞定全部！看看流程详解：加载和转换数据、建立和训练模型、模型结果后处理、评估模型性能。

Monthly Airline Passenger Numbers 

1949-1960 数据集https://pan.baidu.com/s/18AZK1YQyD66N79ZIkVS6XA

提取码：show

6. 图数据挖掘！使用图分析+AI进行保险欺诈检测

本文将基于保险欺诈场景案例讲解如何进行有效的图挖掘，并将挖掘到的信息提供给AI模型，辅助精准检测和识别商业保险欺诈。

insurance claims 保险索赔数据集：https://pan.baidu.com/s/1SxDGYmtSJHWef6iC7BnU6w

提取码：show

7. 人力资源流失场景机器学习建模与调优

本文通过数据科学和AI的方法，分析挖掘人力资源流失问题，构建基于机器学习的解决方案，并通过对AI模型的反向解释，深入理解导致人员流失的主要因素。

HR-Employee-Attrition 数据集：https://pan.baidu.com/s/1pOL-9cpB6XPzmwXBj7396w

提取码：show

8. 音乐流派识别的机器学习系统搭建与调优

音乐领域，借助于歌曲相关信息，模型可以根据歌曲的音频和歌词特征，将歌曲精准进行流派分类。本文讲解如何基于机器学习完成对音乐的识别分类。

Spotify 音乐数据集：https://pan.baidu.com/s/1CIp2dilgDqnPxiCEyGyp4w

提取码：show

19. 基于TensorFlow搭建混合神经网络推荐系统

本文从常见的推荐系统方法（基于内容、协同过滤等近邻算法、基于知识等）讲起，一直覆盖到前沿的新式推荐系统，不仅详细讲解原理，还手把手教大家如何用代码实现。

MovieLens 电影推荐数据集：https://pan.baidu.com/s/1HLwDdxmmSgokc1IUFEPMgQ

提取码：show

20. 基于深度学习的音频检索技术与系统搭建

本文从常见的推荐系统方法（基于内容、协同过滤等近邻算法、基于知识等）讲起，一直覆盖到前沿的新式推荐系统，不仅详细讲解原理，还手把手教大家如何用代码实现。

音频检索示例数据集：https://pan.baidu.com/s/1bhwYrgq4vV3Caa4bBWmhqg

提取码：show