¿Cuáles son algunos proyectos de aprendizaje automático de nivel principiante que se pueden hacer después de una clase de Coursera de Andrew Ng?

En el lado derecho hay un montón de preguntas sobre lo que sigue, después de la clase de Andrew Ng. Por ejemplo, he completado la clase Coursera de Andrew Ng sobre aprendizaje automático. ¿Qué debería hacer después? ¿Qué puedo hacer a continuación?

Si ha completado todo el trabajo del curso de Andrew, ya no lo consideraría como nivel principiante: D. Lea más materiales de última generación y herramientas útiles en la industria que no están cubiertas en el curso, como árbol de decisiones, CNN, aprendizaje profundo y aprendizaje de refuerzo.

Kaggle.com también tiene una colección justa de problemas interesantes para explorar.

Depende de lo que quieras aprender de los proyectos de Machine Learning.
1) Si desea convertirse en un analista de datos , debe saber cómo utilizar diferentes conjuntos de herramientas (paquetes / API) en diferentes conjuntos de datos y obtener información de los datos. Hay muchas fuentes para conjuntos de datos de aprendizaje automático que se pueden descargar y una de ellas es UCI (Depósito de aprendizaje automático de UCI: conjuntos de datos). Puede obtener conjuntos de datos para tareas de clasificación, regresión y agrupación.
2) Si desea convertirse en desarrollador de software , debe comenzar a codificar algoritmos desde cero. Para hacer esto tienes que leer trabajos de investigación. Por ejemplo, para implementar SVM hay muchos documentos de investigación que también le brindan detalles de implementación.
3) Si desea hacer una investigación , debe comprender por qué funciona un algoritmo y ajustar esos algoritmos para mejorar la precisión. Además, puede encontrar una forma completamente nueva de resolver problemas.

Resumen: Para los principiantes del aprendizaje automático, sugeriría saber qué contienen todos los paquetes de aprendizaje automático y cómo usarlos para obtener información de los datos.