哈伯，你好。 我翻译了一篇严格将（！）用作书签的帖子，并传递给了同事。 它具有用于各个行业的笔记本以及ML和数据科学库的列表。 所有代码均使用Python，并托管在GitHub上。 它们对于拓宽视野和启动有趣的创业公司都是有用的。



我会指出，如果有任何读者想提供帮助并向任何子行业添加合适的项目，请与我联系。 我将它们添加到列表中。 因此，让我们开始探索列表。

1.房地产和食品

1.1。 营养学

• RobotChef-根据用户评论改进食物食谱；
• 食品便利设施 -使用神经网络预测食品需求；
• 食谱美食和评分 -根据食材清单预测任何菜肴的美食名称；
• 食品分类 -使用Keras库对食品进行食品分类；
• 图像到食谱 -将食物图像转换为准备食物的食谱；
• 卡路里估算 -食物照片中的卡路里评级；
• 优质食品评论 -基于Amazon Fine Food的评论进行的细分食物分析。

1.2。 餐厅

• 违反餐厅规定 -预测是否违反食品检查规则；
• 餐厅成功 -预测餐厅是否成功；
• 预测米其林 -预测餐厅将获得米其林星级；
• 饭店检查 -根据Yelp等级分析饭店的忠诚度和知名度；
• 销售 -使用LTSM的餐厅的销售预测；
• 访客预测 -预订和预测访问次数；
• 餐馆利润 -餐馆回归分析；
• 竞争 -分析餐厅的竞争力；
• 业务分析 -用于餐厅业务分析的项目；
• 位置建议 -关于餐厅未来位置的建议；
• 封闭，评级和推荐 -使用Yelp数据进行的三个预测任务；
• 反推荐者 -根据您的喜好推荐您不想去的餐馆；
• 菜单分析 -根据餐厅的菜单进行分析 ；
• 菜单推荐 -根据您喜欢的菜单推荐新餐厅；
• 食品价格 -预测食品成本；
• 自动化餐厅报告 -基于机器学习的自动化餐厅报告。

1.3。 不动产

• 对等住房 -一次性租赁住房对其状况的影响；
• 室友推荐 - 室友的推荐 ；
• 房间分配 -房地分配 ；
• 动态定价 -酒店动态定价的计算；
• 酒店相似度 -相互竞争的酒店之间的比较；
• 酒店评价 -酒店评价；
• 预测价格 -预测酒店房间价格；
• Hotels vs Airbnb-与Airbnb的酒店比较；
• 酒店改进 - 酒店评论分析；
• 订单 -预测酒店订单的取消；
• 假评论 -识别评论是假的还是垃圾邮件；
• 反向图像住宿 -在图像中为您找到合适的外壳。

2.会计学

2.1。 机器学习

• 帐户预测表 -将标记数据用作每笔交易的帐户名；
• 会计异常 -识别会计异常 ；
• 财务报表异常 -在向税务部门提交文件之前检测异常（使用R）；
• 使用寿命预测（FirmAI） -使用感官观察和功能开发来预测资产的使用寿命；
• AI应用于XBRL -XBRL在AI和ML中的标准化表示。

2.2。 分析工具

• 法务会计 -使用数据分析收集法务会计案例研究；
• 总帐（FirmAI）-FirmAI中的数据处理；
• Bullet Graph（FirmAI）-Bullet Graph的可视化有助于跟踪销售，佣金和其他指标；
• 老年债务人（FirmAI） -识别债务人的分析示例；
• 自动化FS XBRL是包含超过700页XBRL信息的PDF文件的集合。

2.3。 文字分析

• 金融情绪分析 -分析贸易优化的杠杆作用；
• 广泛的NLP-全面的NLP会计方法。

2.4。 数据，解析和API

• EDGAR-获取EDGAR数据的分步指南；
• PyEDGAR-一个用于下载，缓存和访问EDGAR文件的库；
• IRS -IRS文件的访问和分析；
• 金融公司 -罗格斯公司财务数据集；
• 非金融公司 -非金融公司数据集Rutgers；
• PDF解析 -从PDF文档中提取有用的数据；
• PDF Tabel to Excel-从PDF数据创建Excel文件。

2.5。 研究与文章

• 了解会计分析 -有关会计分析重要性的文章。
• VLFeat是带有Matlab工具包的开放式便携式计算机视觉算法库。

2.6。 网站

• Rutgers Raw - Rutgers的数字会计研究。

2.7。 课程设置

• 计算机增强会计 -罗格斯大学（Rutgers University）的视频，致力于使用计算来改善会计
• 数字时代的会计是罗格斯大学关于数字时代对会计影响的另一系列文章。

3.农业

3.1。 经济学

• 价格 -农产品价格预测1；
• 价格2-农产品价格预测2；
• 产量 -乌克兰的农业产量分析；
• 恢复 -考虑到生态系统的恢复，对农业土地进行战略性利用；
• MPR-农业价格报告数据。 美国农产品部。

3.2。 发展历程

• 分割 -使用卫星图像分割农田；
• 地下水位-预测农业地区的地下水深度；
• 助手 -虚拟农业助手中的笔记本电脑；
• 生态进化 -生态进化动力学；
• 疾病 -使用图像的深度学习框架识别农作物病虫害；
• 灌溉和害虫预测 -灌溉分析和有害生物可能性预测。

4.银行和保险

4.1。 消费金融

• 贷款接受 -根据分类和时间序列分析制定贷款决策；
• 预测贷款还款 -使用自动设计功能预测贷款还款；
• 贷款资格等级 -一种系统，可帮助银行验证客户是否可以收到给定的（特定）贷款；
• 房屋信用违约（FirmAI） -贷款违约预测；
• 抵押分析 -广泛的抵押分析；
• 信用审批 - 信用卡审批系统；
• 贷款风险 -一种预测模型，有助于减少注销和贷款百分比损失；
• 摊销时间表（FirmAI）-Python中的简单折旧图。

4.2。 管理与运作

• 信用卡 -信用卡客户的CLV评估；
• 生存分析 -LTV客户分析；
• 下次交易 -一种深度学习模型，用于预测交易金额和下一次交易的天数；
• 信用卡流失 -预测使用信用卡的客户流失 ；
• 英格兰银行会议纪要 -使用英格兰银行货币政策委员会会议记录对文本进行初步处理的主要思想；
• CEO-分析男性首席执行官与女性首席执行官的报酬之间的相关性

4.3。 等级

• Zillow预测 -Kaggle做出的Zillow分数预测；
• 房地产 -预测城市房地产价格；
• 二手车 -二手车价格预测。

4.4。 诈骗

• XGBoost-通过配置XGBoost超参数检测欺诈；
• R中的欺诈检测贷款 -检测银行贷款中的欺诈行为；
• AML金融尽职调查 -搜索新闻文章以资助AML DD；
• 信用卡欺诈 -检测信用卡欺诈。

4.5。 保险与风险

• 汽车损坏检测器 -使用卷积神经网络评估车辆损坏；
• 医疗保险索赔 -预测健康保险索赔；
• 拒绝索赔 -预测放弃保险赔偿金；
• 索赔欺诈 -用于确定哪些汽车索赔属于欺诈性的预测模型；
• 索赔异常 -这些保险索赔的异常检测系统；
• 精算科学 -R中的一系列精算工具；
• 银行倒闭-破产预测；
• 风险管理 -风险管理课程的融资；
• VaR GaN-使用Keras和TensorFlow进行市场风险管理成本估算；
• 合规 -符合银行要求的合规管理；
• 压力测试 -ECB压力测试；
• 压力测试技术 -带有压力测试各种练习的笔记本；
• BoE压力测试 - 压力测试结果和计划；
• 追回 -偿还到期的款项；
• 质量控制 -使用LDA对银行进行质量控制。

4.6。 有用的

• 钞票欺诈检测 -使用DNN Tensorflow分类器和RandomForest进行身份验证;
• ATM监视 -监视银行中的ATM。

5.生物技术与科学

5.1。 一般

• 编程 -用Python为生物学家编程;
• 简介DL-有关基因组学高级研究的教科书；
• 姿势 -使用DL评估动物姿势;
• 隐私 -在保持机密性的同时交换临床数据；
• 人口遗传学 -人口遗传结论；
• 生物信息学课程 -计算生物学和生物信息学课程材料；
• 应用统计 -高性能生物学应用统计；
• 脚本 -用于生物学家的Python脚本；
• 分子神经网络 -用于构建和训练分子生物学神经网络的微型框架；
• 系统生物学模拟 -使用F＃和Z3编写模拟时的实用系统生物学；
• 细胞运动 -LSTM预测细胞的生物运动；
• Deepchem-用于发现新药，量子化学，材料科学和生物学的深度学习。

5.2。 顺序

• DNA，RNA和蛋白质测序 -生物学序列的新观点；
• CNN测序 -一套使用卷积神经网络研究DNA / RNA序列的工具;
• NLP测序是一种用于基因组学的语言转移学习模型。

5.3。 化学信息学和药物发现

• 新型分子 -一种可以研究功能的卷积网络；
• 自动化化学设计 -创建有效研究的新分子；
• GAN药物发现 -一种将生成模型与训练和强化相结合的方法；
• RL-生成预测为活性的化合物；
• 一次性学习 -以简单便捷的方式在药物搜索领域中使用机器学习。

5.4。 基因组学

• Jupyter Genomics-一系列计算生物学和生物信息学笔记本电脑；
• 变异调用 -确定人类DNA中与参考基因组的差异;
• 基因表达图 -在图像中使用卷积；
• 自动编码表达 -从大型基因表达数据集中提取适当的模式；
• 基因表达推论 -从大约1000个预先选择的“参考基因”组中预测这些靶基因的表达；
• 植物基因组学 -用于介绍植物基因组和病原体的示例材料。

5.5。 理科

• 植物病害 -使用深度学习模型识别植物病害的应用程序；
• 叶片识别 -根据叶片的形状，颜色和纹理识别植物；
• 作物分析 -一个图像库，用于检测和跟踪玉米植物上玉米穗的未来位置；
• 幼苗 -植物幼苗，来自Kaggle的分类；
• 植物胁迫 -包含植物胁迫的本体；
• 动物层次结构 -用于计算动物优势层次结构的软件包；
• 动物识别 -深入的动物识别培训；
• 物种 -各种动物物种的大数据分析；
• 动物发声 -动物发声的生成网络；
• 进化 -进化策略的工具；
• 冰川 -有关冰川的教育材料。

6.工程机械

6.1。 建筑施工

• DL Architecture-用于建筑结构的图像生成器；
• 建筑材料 - 建筑材料课程；
• 不良演员风险模型 -用于提高施工安全性的风险模型；
• 检查员 -指定检查的定义；
• 腐败的社会互动 -识别行业员工和DOB员工之间潜在的腐败互动；
• 风险建设 -高风险建设的定义；
• 外墙风险 -预测不安全外墙的风险模型；
• 员工水平 -高级工人的员工水平预测；
• 伤害 -模拟与施工相关的伤害数量；
• 生产力 -分析和性能测试。

6.2。 工程学

• 结构分析 -Python中的2D结构分析；
• 结构工程 -结构工程模块；
• Nusa-使用有限元方法进行结构分析；
• StructPy-基于直接刚度方法的Python结构分析库；
• 副翼 -波音737副翼的结构分析;
• 振动 -教育振动程序；
• 土建 -FreeCAD中土木工程工具的集合；
• GEstimator-编制建筑和电力工程成本估算，并详细分析电价；
• Fatpack-用于分析一系列数据疲劳的函数和类；
• Pysteel-钢结构的计算机辅助设计；
• 结构不确定性 -基于深度学习的结构不确定性的定量评估；
• Pymech-机械工程师的Python模块；
• 航空航天工程 -天体动力学与统计；
• 交互式量子化学 -Psi4和Numpy的结合，用于教育和发展；
• 化学和过程工程 -化学和技术工程的各种资源；
• PyTherm-应用热力学；
• Aerogami-使用飞机的空气动力学；
• 电地球物理 -电磁在地球物理中的交互应用；
• Graph Signal-图形信号处理教程；
• 机械振动 -路易斯安那大学的机械振动；
• 流程动态 -流程和管理的动态；
• 电池寿命周期 -根据数据预测电池寿命；
• 风能 -Python的风能；
• 能源使用 -计算标准化能耗的标准方法；
• 核辐射 -人们如何暴露于核电站的辐射。

6.3。 材料科学

• Python Materials Genomics-在已建立的项目中使用的材料分析代码；
• 材料挖掘 -用于材料建模和分析的脚本；
• Emmet-创建材料特性数据库；
• Megnet-图形网络作为分子和晶体的ML框架；
• Atomate-计算材料科学的工作流程；
• 遵守法规 -预测财产罚款；
• 沥青粘合剂 -建筑材料，水泥沥青路面的自由能和化学组成；
• Awesome Materials Informatics是材料科学领域知名作品的目录。

7.经济学

7.1。 一般

• 交易经济学API-交易经济学API，有关196个国家/地区的信息；
• 发展经济学 -发展的微观经济学；
• Applied Econ＆Fin-应用计算经济学和金融学；
• 宏观经济学 - 宏观经济学主题，包括笔记本中的示例。

7.2。 机器学习

• EconML-因果关系的自动培训和分析；
• 拍卖 -使用深度学习的最佳拍卖。

7.3。 计算方式

• 量化经济学 -纽约大学量化经济学课程；
• 计算 -经济学中的计算方法；
• 计算2-计算经济学小课程；
• 计量经济学理论 -初学者的计量经济学笔记本。

8.教育与研究

8.1。 学生们

• 学生成绩 -根据机器学习计算的学生成绩；
• 学生成绩2-学生考试；
• 学生成绩3-中学学生成绩；
• 学生成绩4-使用功能工程评估学生成绩；
• 学生注册 - 学生注册和结果分析；
• 学业表现 -研究会影响学生表现的人口和家庭特征；
• 成绩分析 -学生成绩分析。

8.2。 学校

• 学校选择 -选择学校的数据分析；
• 学校成绩 -使用data.utah.gov中有关学校成绩的数据分析数据的做法；
• 学校表现2-使用熊猫分析该地区的学校和学生表现；
• 学校成绩3-费城学校成绩；
• 学校成绩4-新泽西州学校成绩；
• 学校停课-通过绩效指标和其他特征确定有倒课风险的学校；
• 学校预算 - 学校预算的工具和方法；
• 学校预算 - 学校预算的工具和方法第2部分；
• PyCity-学校分析；
• PyCity 2-学校预算和学校成绩的比较；
• 预算NLP-预算资源的NLP分类；
• NLP 2预算 -演习的进一步分类；
• 预算NLP 3-预算分类；
• 调查分析 -教育领域的调查分析 。

9.紧急情况

9.1。 预防措施

• 紧急情况制图 -在加利福尼亚发现被毁房屋；
• 急诊室 -支持紧急决策；
• 紧急再入院-调整后的紧急再入院风险；
• 森林火灾 -使用CNN的无人机图像进行森林火灾检测；
• 紧急响应 -紧急响应分析；
• 紧急运输 -紧急服务的运输提示；
• 紧急调度 -由于智能建模，优化和自动化，缩短了响应时间；
• 紧急呼叫 -紧急呼叫分析项目；
• 通话数据分析 -通话数据分析911;
• 紧急响应 -RL化工厂。

9.2。 罪案

• 犯罪分类 -严重攻击的时间分析，LAPD分类错误；
• 文章标记 -芝加哥新闻文章中的自然语言处理；
• 犯罪分析 -从空间数据中找到关联规则以进行犯罪分析；
• 芝加哥犯罪 -用Python探索芝加哥的公共犯罪数据；
• 图分析 -海牙犯罪；
• 犯罪预测 -印多尔市犯罪的分类，分析和预测；
• 犯罪预测 - 犯罪率的预测模型；
• 犯罪审查 -犯罪审查数据分析。
• 犯罪趋势 -分析犯罪趋势和令人鼓舞的状况；
• 犯罪分析 -分析西雅图和旧金山的犯罪数据。

9.3。 救护车

• 救护车分析 -研究维多利亚救护车抵达时间的变化；
• 现场位置 -救护车位置；
• 派遣 -应用博弈论和离散事件模拟来找到派遣救护车的最佳解决方案；
• 救护车分配 -圣地亚哥市的救护车出发时间序列分析；
• 响应时间 -分析改善救护车的响应时间；
• 最佳路线 -找到救护车最佳路线的项目；
• 崩溃分析 -预测给定时间在此段中发生事故的可能性。

9.4。 灾害管理

• 冲突预测 - 冲突预测笔记本;
• 入室盗窃预测 -时空建模，用于预测骇客；
• 预测疾病暴发 -预测疾病暴发；
• 道路交通事故预测 -预测巴西联邦交通事故受害者的类型；
• 文本挖掘 -使用文本挖掘进行灾难管理；
• Twitter和灾难 -预测，灾难鸣叫；
• 洪水风险 -灾难性洪水的影响；
• 火灾预测 -4种计算未来火灾可能性的算法。

10.财务

10.1。 贸易与投资

• 深度投资组合 -基于深度学习的债券数量预测；
• AI交易 -现代AI交易方法;
• 公司债券 -预测公司债券的买卖量；
• 模拟 -作为计算财务一部分的模拟研究；
• 产业集群 -基于财务的产业集群项目；
• 财务建模 -HFT交易和波动建模；
• 趋势追踪 -组合投资策略后的期货趋势；
• 财务报表情绪 -使用神经网络从财务报表中提取预测；
• 应用公司财务 -研究股票市场中的经验行为；
• 市场崩溃预测 -使用LPPL模型进行市场预测；
• NLP财务文件 -使用机器学习汇编定量财务文件；
• ARIMA-LTSM Hybrid — ;
• Basic Investments — Python;
• Basic Derivatives — ;
• Basic Finance — ;
• Advanced Pricing ML — ;
• Options and Regression — ;
• Quant Notebooks — , ;
• Forecasting Challenge — G-Research;
• XGboost — , XgBoost;
• Research Paper Trading — Alpaca Markets;
• Various — , , ;
• ML & RL NYU — .

10.2.

• Datastream — Datastrem Thomson Reuters, Python;
• AlphaVantage — API- ;
• FSA — SEC Edgar Filings ;
• TradeConnector — ;
• Employee Count SEC Filings — SEC;
• SEC Parsing — ;
• Open Edgar — OpenEDGAR;
• Rating Industries — , CSV.

11.

11.1.

• zEpid — ;
• Python For Epidemiologists — Python;
• Prescription Compliance — ;
• Respiratory Disease — -;
• Bubonic瘟疫 -Bubonic瘟疫和SIR模型。

12.司法，法律和法规

12.1。 工具

• LexPredict-控制您的合同；
• AI律师助理-世界上第一位AI助理律师；
• 法人实体检测 - 法人实体检测 ；
• 法律案件摘要 -与法院判决相关的各种汇总算法的实现；
• 法律文件Google Scholar-使用Google Scholar进行程序性案例提取；
• 聊天机器人 -聊天机器人和电子邮件通知;
• 数据生成器GDPR是符合GDPR要求的虚拟数据生成器。

12.2。 政策法规

• GDPR得分 -预测法律文件的GDPR指标；
• FINRA驱动因素 -确定影响FINRA仲裁决定的因素；
• 证券偏差更正-评估价格对证券诉讼的影响；
• 上市公司的法律决定 -上市公司的法律决定；
• 夜生活法规 -澳大利亚的夜生活，其法规和警察活动；
• 评论 -公众对政府法规的评论；
• 聚类 -聚类加拿大规则；
• 环境 -能源和环境监管；
• 风险 -各种财务状况的风险；
• FINRA合规性 -最佳合规性模拟。

12.3。 法理学

• 最高法院的预测 -预测最高法院判决的思想方向；
• 最高法院主题模型 - 最高法院的主题模型 ；
• 法官意见 -使用文本分析和机器学习来分析法官对特定问题的意见；
• ML法律匹配 -机器学习匹配的制造商；
• Bert多标签分类 -Bert的多眩光分类。

13.生产

13.1。 一般

• 绿色制造 -Kaggle的Mercedes-Benz Greener竞赛；
• 半导体制造 -Semiondutor生产线的数据分析；
• 智能制造 -建模方法上的协作；
• 博世制造是Kaggle博世的一个生产项目。

13.2。 维修保养

• 预测性维护1-预测飞机发动机的剩余寿命；
• 预测性维护2-故障时间（TTF）或发动机剩余使用寿命（RUL）；
• 制造维护 -模拟生产系统中的维护。

13.3。 失误

• 预测分析 -一种预测硬件故障的方法；
• 检测缺陷 -缺陷半导体的异常检测；
• 缺陷检测 -用于平板电脑制造的智能缺陷检测；
• 制造故障 -减少生产故障；
• 制造异常 -生产线的智能异常检测。

13.4。 质素

• 质量控制 -检测质量控制中的故障；
• 制造质量 - 生产质量的智能预测；
• 汽车制造 -拍卖汽车销售数据。

14.媒体与出版

14.1。 市场行销

• 视频受欢迎程度 -用于预测视频受欢迎程度的HIP模型；
• YouTube转录器 -自动转录YouTube视频；
• 营销分析 -营销分析，案例研究；
• 算法营销 -从入门到《算法营销》一书的模型；
• 营销脚本 -数据营销应用程序；
• 社交挖掘 -社交网络的挖掘。

15.物理

15.1。 一般

• 伽马强子重建 -用于地面伽马辐射天文学的仪器；
• 课程 -牛顿笔记本；
• 交互网络 -用于研究对象，关系和物理的交互网络；
• 粒子物理学 -用于研究粒子物理学的生成和分析代码；
• 计算物理 - 计算物理存储库；
• 医学物理学 -适用于医学物理学的Python；
• Medical Physics 2是用于医学物理学的通用的基本Python软件包。
• Flow Physics-使用Python的物理和航空声学。

15.2。 机器学习

• 物理ML和统计 -物理学家的机器学习和统计；
• 高能 -高能物理的机器学习;
• 高能GAN-高能物理的生成竞争网络；
• 神经网络 -物理遇上神经网络。

16.政府

16.1。 社会政策

• 分流 -一种通用的工具，可用于对风险进行建模以及预测政治决策和社会问题；
• 世界银行贫困I-对用于预测贫困的机器学习分类算法的比较评估；
• 世界银行贫困II-对用于预测贫困II的机器学习分类算法的比较评估；
• 海外公司土地所有权 -英国境内外国财产的定义；
• CFPB-消费者保护局投诉分析；
• 大麻合法化的效果 -大麻合法化对犯罪的影响；
• 公众信用卡 -识别潜在的信用卡欺诈行为；
• 累犯预测 -累犯风险评估的透明度和核算；
• 家庭贫困 -哥斯达黎加的家庭贫困预测；
• NLP公共政策 -在公共政策中使用NLP的选项示例；
• 世界粮食生产 - 世界领先的食品和饲料生产商的比较；
• 税收不平等 -巴塞尔税收和不平等数据项目；
• 警长合规 -符合ICE要求；
• 应用检测 -检测儿童的可疑应用；
• 社会援助 -有关社会援助的最新信息；
• 计算社会科学 -暑期学校关于社会数据的科学课程；
• 酒与犯罪 -酒精对犯罪的影响；
• 动物安置狗窝 -优化动物在庇护所的安置；
• 人员配备墙 -关于美国墨西哥边境的独立研究项目；
• 工人死亡 -根据OSHA的工业事故图。

16.2。 慈善事业

• 人口普查数据API-从对美国社区进行的5年调查中提取变量；
• 捐赠者识别 -一个机器学习项目，您需要在其中找到慈善捐赠者；
• 慈善有效性 -收集有关慈善的在线数据，以了解其有效性。

16.3。 选举分析

• 选举分析 -选择分析和预测模型；
• 美国大选因果关系 -将ANES数据与因果关系模型结合使用；
• 竞选资金和选举结果 -研究竞选资金与后续选举结果之间的关系；
• 投票系统 -比例代表制的投票方法；
• 总统投票 -对收入分析进行投票。

16.4。 政治学

• 国会政治 -美国国会众议院；
• Politico-一个在巴西政治中描述公众人物的平台；
• 机器人程序 -用于在选举期间分析巴拉圭推文的工具和算法；
• Gerrymander测试 -量化Gerrymandering的许多指标；
• 情绪 -使用党代表的主观情感来分析报纸的政治信念；
• DL政治 -巴西的社会党和人民党的比较；
• PAC资金 -PAC资金对美国政策的影响；
• 电网 -为印度公司和政治网络创建监管机构；
• 精英 -美国的政治精英；
• 辩论分析 -分析政治辩论的程序；
• 政治关系-使用Twitter元数据预测政治关系；
• 政治广告 -对Facebook进行政治广告和定位的调查；
• 政治认同 - 政治认同的多轴政治模型；
• YT政治 -在YouTube上显示政策；
• 政治意识形态 -使用言语向量投射对政治意识形态进行不受控制的研究。

17.房地产，租赁和租赁

17.1。 不动产

• 寻找甜甜圈 -邻域预测；
• 邻里 -预测城市房地产价格；
• 房地产分类 -考虑房地产，卫星通讯和街景的房地产类型分类；
• 推荐人 -与用户搜索匹配的前5个房地产对象的推荐系统；
• 房价 -使用线性回归和GBR进行房价预测；
• 波特兰房价-预测波特兰的房价；
• Zillow预测 -Kaggle做出的Zillow分数预测。

17.2。 租金和租赁

• 分析租赁 -租赁清单数据的分析和可视化；
• 兴趣预测 -预测人们对在纽约租用特定公寓的兴趣；
• 预测家庭贫困 -预测哥斯达黎加的家庭贫困 ；
• Airbnb公共分析竞赛-Airbnb公共分析竞赛 。

18.实用程序

18.1。 电力

• 电价 -新加坡电价的比较；
• 电力-煤炭相关性 -确定过去十年的国家电力和煤炭生产电价之间的相关性；
• 电力容量 -洛杉矶时报对加利福尼亚昂贵的电力分析的分析；
• 电力系统 -欧洲国家的最佳电力系统 ；
• 负载分解 -根据隐马尔可夫模型的智能负载布局；
• 价格预测 -使用深层神经网络预测德国贸易区未来一天的电价；
• 碳指数 -自2001年以来，NERC在该地区计算二氧化碳和电力强度；
• 需求预测 -预测奥斯汀的电力需求；
• 用电量 -通过家庭调查估算的用电量；
• 法国电力分配 - 法国电力分配网络（RTE）提供的电力数据分析；
• 可再生能源发电厂 -总装机容量的时间序列；
• 风电场流量 -连接到FUSED-Wind的风电场流量模型的存储库；
• 发电厂 -数据集包含联合循环发电厂6年（2006-2011年）收集的9568个数据点。

18.2。 煤炭，石油和天然气

• 煤炭预测 -预测煤炭产量；
• 石油和天然气 -使用ARIMA和神经网络预测石油和天然气价格；
• 气体公式 -计算价格指数公式的潜在经济影响；
• 需求预测 -天然气需求预测；
• 消耗量预测 -预测天然气消耗量；
• 天然气贸易是一种全球天然气贸易模式。

18.3。 水污染

• 安全用水 -根据美国的人类健康状况预测饮用水水质异常；
• 水文数据 -一组方便的功能，用于研究Python中的水数据；
• 水文观测台 -利用卫星图像监测湖泊和水库中的水位；
• 水管 -利用机器学习在航拍照片中查找水管；
• Water Modeling-澳大利亚评估水资源的社区建模系统；
• 干旱限制 -洛杉矶的用水分析；
• 洪水预报 -将LSTM应用于河流水位数据；
• 污水溢出 -卫生溢出分析（SSO）；
• 空气质量预测是北京和伦敦未来48小时的空气质量预测（aq）。

18.4。 后勤

• Transdim-为计算和预测机器流量的时空数据的任务创建准确而有效的解决方案；
• 运输建议 -多式联运的上下文相关建议；
• 运输数据 -用于多伦多运输的数据和便携式计算机；
• 运输需求 -预测内罗毕的公共运输需求；
• 需求估计 -引入对发送者-接收者需求的动态评估；
• 拥塞分析 -运输系统分析；
• TS分析 -根据运输数据分析时间序列；
• Network Graph Subway-传输网络的漏洞分析；
• 运输效率低下 -对运输网络效率低下的定量评估；
• 火车优化 -火车时刻表的优化；
• 交通预测 -预测城市交通；
• 预测崩溃 -使用多个数据源进行故障预测；
• AI供应链 -供应链优化系统；
• 转移学习航班延误 -在Keras中使用可变编码器预测航班延误；
• 补货是供应链管理的代码。

19.批发和零售贸易

19.1。 批发价

• 客户分析 -批发客户分析；
• 分销 -JB批发分销分析；
• 聚类 -聚类为客户收集的产品成本数据；
• Market Basket Analysis是一个Instacart公共数据集，其中包含有关经常一起购买哪些产品的信息。

19.2。 零售贸易

• 零售分析 -在线零售数据集；
• Online Insights-分析英国的在线交易；
• 零售同类群组 - 同类群组分析。

在此基础上，我们关于ML和DS在工业中的应用的帖子结束了。 希望您自己学到了一些新知识。 如果您有什么可以分享的内容，请在评论中写。

订阅我在Habré和电报频道Neuron上有关机器学习和数据科学的更多信息，以免错过未来的文章。

所有的知识！