# 構建機器學習組合 > 原文： [https://machinelearningmastery.com/build-a-machine-learning-portfolio/](https://machinelearningmastery.com/build-a-machine-learning-portfolio/) ### _ 完成小型項目并展示您的技能 _ 設計師和藝術家通常使用投資組合向潛在客戶和雇主展示先前工作的示例。 設計，藝術和攝影是工作產品具有創造性和經驗性的例子，告訴別人你可以做到這一點并不像展示它們那樣有價值。 在這篇文章中，我將說服您構建機器學習組合對您，其他人和社區都有價值。 您將了解機器學習組合的確切內容，可包含的項目類型以及如何使您的投資組合真正適合您。  展示您的機器學習項目 攝影： [chicagogeek](https://www.flickr.com/photos/chicagogeek/5337427276/sizes/l) ，保留一些權利 ## 機器學習組合的好處 如果您剛剛開始作為機器學習的初學者，或者您是一位經驗豐富的老手，那么機器學習組合可以讓您保持正確并展示您的技能。創建機器學習組合對您和其他人來說是一項寶貴的練習。 ### 為您帶來的好處 建立一系列已完成的機器學習項目可以使您保持專注，積極性并在未來項目中發揮作用。 * **焦點**：每個項目都有明確的目的和終點。受努力和資源限制的小項目可以保持高速度。 * **知識庫**：已完成項目的語料庫為您提供了一個知識庫，供您在舒適區域進一步推進項目時進行反思和利用。 * **Trajectory** ：有很多閃亮的東西需要調查，提醒自己，你正在尋找一個一致的收藏項目，可以作為一個杠桿，讓你保持正軌。 ### 對他人的好處 其他人可以使用已完成項目的組合作為特定技能，溝通能力和駕駛示范的指標。 * **技能**：項目可以展示您在特定問題域，工具，庫技術堆棧或算法方面的能力。 * **溝通**：項目必須至少從其目的和發現的角度來理解。良好的投資組合的管理需要良好的溝通技巧，在同義反復上證明你能夠很好地溝通技術科目。 * **動機**：工作和完成副項目，無論范圍大小都需要一定程度的自律。您設法組合投資組合的事實是您對該主題的興趣和管理時間的能力的一個標志。 ### 對社區的好處 在公共場所共享您的項目可將益處擴展到更廣泛的機器學習社區。 * **參與**：公共項目可以從第三方獲得反饋，這可能會提供您和社區本身可以學習的擴展和改進。 * **起點**：公共投資組合項目可以提供其他人可以學習和構建的起點，也許是為了他們自己的小項目或嚴重的事情。 * **案例研究**：一個公共項目可以為一個獨特或有趣的算法行為或問題分解提供一個研究點，這是創新的源泉。 希望，我已經說服你建立一個機器學習組合有一些你感興趣的好處。接下來，我們將看看機器學習組合究竟是什么。 ## 構建機器學習組合 機器學習組合是已完成的獨立項目的集合，每個項目都以某種方式使用機器學習。作品集展示了項目的集合，并允許審查各個項目。 有效機器學習組合的五個屬性包括： * **Accessible** ：我主張以可公開訪問的網頁或公共代碼庫集合的形式公開投資組合。如果可能，您希望人們查找，閱讀，評論和使用您的作品。 * **小**：每個項目的工作量，資源，最重要的是你的時間（10-20 小時）應該很小。你很忙，很難保持專注。請參閱我的小項目方法。 * **已完成**：小項目可幫助您完成項目。設定一個適度的項目目標并實現它。就像迷你實驗一樣，你展示了你的成功和失敗的結果，它們都是有用的學習。 * **獨立**：每個項目都應該是獨立的，以便可以單獨理解。這并不意味著您無法利用以前的工作，這意味著該項目本身就是一項獨立的工作。 * **可以理解**：每個項目都必須清楚有效地傳達其目的和發現（至少）。花一些時間，確保一雙新鮮的眼睛明白你做了什么以及為什么重要。 [可能會激勵您的四種小型項目創意](http://machinelearningmastery.com/self-study-machine-learning-projects/ "4 Self-Study Machine Learning Projects")包括： * 調查機器學習工具或庫的屬性。 * 研究機器學習算法的行為。 * 調查和表征數據集或機器學習問題。 * 用您喜歡的編程語言實現機器學習算法。 您可能沒有想到的項目的一些想法是投資組合部分包括： * **課程作業**：您對機器學習相關課程（如 MOOC）的筆記和作業的清晰介紹。 * **書評**：通過閱讀和查看機器學習手冊，清晰呈現您的筆記。 * **軟件評論**：您使用機器學習相關軟件工具或庫的清晰演示和工作示例。 * **比賽**參與：您清楚地呈現了參加機器學習比賽的筆記和結果，例如 [Kaggle](http://www.kaggle.com/) 。 * **評論**：一篇文章回應機器學習主題博客文章或你對問答網站上機器學習相關問題的詳細回應，如 [Quora](http://www.quora.com/) ， [Reddit 機器學習](http://www.reddit.com/r/machinelearning)或 [CrossValidated](http://stats.stackexchange.com/) 。 既然您已經知道機器學習組合是什么并且有一些項目的想法，那么讓我們來看看如何在您的投資組合中打造出令人敬畏的產品。 ## 讓您的投資組 為了讓您的投資組合大放異彩，您需要做一些輕松的營銷。別擔心，這不是那些粘糊糊的東西，只是老樣子的說法。  炫耀你能做什么。 攝影： [Thomas Shahan](https://www.flickr.com/photos/opoterser/8471758247/sizes/l) ，保留一些權利 ### 代碼庫 考慮使用公共源代碼存儲庫，例如 [GitHub](https://github.com/) 或 [BitBucket](https://bitbucket.org/) ，它們自然地列出了您的公共項目。這些內容鼓勵您在每個項目的根目錄中提供自述文件，描述項目的全部內容。使用此功能可以清楚地描述每個項目的目的和發現。不要害怕包含圖像，圖形，視頻和鏈接。 提供下載項目和重新創建結果的明確指示（如果涉及代碼或實驗）。您希望人們重新運行您的工作，使其盡可能簡單（即鍵入此內容進行下載，然后鍵入此內容以構建并運行它）。 ### 策劃項目 你可以把 GitHub 上的任何舊項目打包在一起，但只包括你機器學習組合中最好，最清晰，最有趣的工作。 像畫廊一樣策劃您的項目。選擇那些最能展示您的技能，興趣和能力的人。炫耀你可以做什么以及你做了什么。這些自我推銷的想法可以反饋到您可能想要解決的項目中。明確你的愿景，你想去的地方以及你想要解決的項目將幫助你實現目標。擁有這個過程。  像畫廊一樣策劃您的項目 [Marshall Astor](https://www.flickr.com/photos/lifeontheedge/1362949699/sizes/l) 的照片，保留一些權利 ### 目前的調查結果 花很多時間寫出結果。解釋它們與項目目標的關系。解釋他們在域中可能產生的影響。如果您有另外一個月或一年深入研究該項目，請列出您可以或可以探索的擴展機會。 創建表格，圖表和任何其他漂亮的圖片，幫助您講述您的故事。將您的發現寫成博客文章。對于獎勵積分，創建一個簡短的屏幕演員，顯示你如何得到結果和一個小的功率點演示，這意味著什么，把它放在 YouTube 上。此視頻可以嵌入您的博客文章中，并鏈接到您的項目存儲庫自述文件。 根據您的發現以及它們對您的重要性（例如在 Kaggle 比賽中表現良好），您可以考慮創建技術報告并將其上傳到 scribd 并將幻燈片上傳到 SlideShare。 ### 促進你的工作 完成后，您可以共享每個項目的詳細信息。您可能每周完成一次，具體取決于您在學習和/或工作中可以找到的空閑時間。在社交媒體上分享鏈接是一個良好的開端，例如 Twitter，Facebook 和 Google+。 我敦促你在 LinkedIn 上添加每個項目（或者只是你最好的項目）作為“_ 項目 _”。它支持項目的想法，你可能必須為他們創建一個列出的工作。考慮您的博客的名稱，您的唯一交易公司或發明相關的工作和頭銜，如“_ 機器學習掌握 _”（眨眼）或“_ 自學 _”。 既然我們已經有了一些關于如何使我們的投資組合大放異彩以及如何宣傳的想法，那么可以看一下機器學習組合的一些例子。 ## 機器學習組合的趨勢 代碼組合的想法并不新鮮，它被納入 GitHub。有趣的是，在最近對[數據科學家](http://machinelearningmastery.com/the-data-analytics-handbook-data-analysts-and-data-scientists/ "The Data Analytics Handbook: Data Analysts and Data Scientists")和[管理人員](http://machinelearningmastery.com/the-data-analytics-handbook-ceos-and-managers/ "The Data Analytics Handbook: CEOs and Managers")的采訪中，甚至需要投資組合以及參與機器學習競賽和完成在線訓練。 就像編程訪談中的示例代碼一樣，機器學習組合正逐漸成為招聘的重要組成部分。 尋找良好（或至少填寫）機器學習組合的示例。尋找在機器學習競賽中表現良好的人，他們通常在他們的博客和公共代碼庫中描述了一系列驚人的項目。 尋找開源機器學習項目的貢獻者，他們可以在他們的博客和公共代碼庫中擁有令人驚嘆的教程，應用程序和軟件擴展。 現在就開始。挖掘您的項目并將它們組合在一個故事中，該故事解釋您在機器學習方面的知識，興趣或技能。 ## 給你 您是否完成了機器學習項目或者您是否擁有項目組合？ 發表評論并將其展示出來。 您認為優秀的機器學習組合需要什么？ 更新，請參閱相關帖子： * [獲得付費申請機器學習](http://machinelearningmastery.com/ladder-approach-to-becoming-a-machine-learning-consultant/)