如果你是机器学习的初学者，并且希望最终开始使用机器学习项目，那么我建议你首先熟悉一下Google的AI实验，一个任何工程师都不容错过的机器学习项目。在开始面向任何机器学习专业人员/学生之前，你需要一个性能及配置良好的笔记本电脑，这是基础，这样才能运行任何机器学习项目。 笔者列出了2019年面向机器学习编程初学者的“年度最佳机器学习项目”。
Google推出的以机器学习项目为特色的AI实验
Google曾推出了一个名为人工智能的实验网站，与它的Android实验网站的运作方式类似。遵循这些思路，如果你随时需要修改机器流程，则可以查看单个项目并了解它们如何使用该技术。到目前为止，他们拥有目前有各种各样的项目，可以显示诸如鸟声的可视化，可以让计算机思考你所绘制内容的游戏，可以将所见事物转换为乐曲的应用程序等等，简直不要太有趣。
每一项目都通过一个视频来演示原理和效果，并且提供该项目的GitHub开源代码。所以你可以通过这些代码，精确地研究这些工程师是如何实现它的。燃而且，你也能够了解他们使用了哪些资源，并开始将这种技术实施到你自己的项目中。
如今，成为一名AI工程师充满了竞争优势，我们看到这种机器学习创新已被广泛用于语言、音乐、自然风光等众多领域。Google正在寻找更多使用人工智能的方法和神经网络来改善他们的服务，随着时间的流逝，机器学习会变得更加令人印象深刻。
1.）Google Creative Lab 的教学机器（Teachable Machine）
Teachable Machine 是一项试验，它降低了普通人研究机器学习功能的门槛。它使你有机会使用相机对机器进行培训，并在程序中实时显示，无需编编写代码。 它与称为deeplearn.js的库一起使用，通过准备和运行程序中理想的神经网络，它能帮助Web开发人员快速、简单地进入机器学习。
2.） Quick, Draw! （由 Google Creative Lab 提供）
神经网络试图思考你所画的游戏。这是一款基于机器学习的游戏。 由你来进行绘绘图，然后神经网络尝试猜测你正在绘画的内容。 刚开始它可能不那么“聪明”。但是，你玩的越多，它就会学到更多。 这个项目让你通过趣味的方式了解和学习机器学习。
3.）石头、剪刀、布
结合出色的游戏，开展了一项中期科学计划。卡兹佐藤（Kaz Sato）和他12岁的孩子制造了一台可以与你玩剪刀石头布的机器。 它利用结合在手套上的传感器和基于TensorFlow的机器学习计算来识别你的手部动作。 此时，机器会选择合适的手势进行应对。
4.）SKETCH-RNN DEMOS
这项研究使你有机会与称为Sketch-RNN的间歇性神经系统演示一起画图。 这个神经网络向我们展示了如何通过在“ Quick, Draw!”中收集的大量涂鸦进行准备来进行绘画游戏。当你开始提出问题时，Sketch-RNN会构想出许多可能的方法。该模型同样可以模拟你的插图并提供可比较的涂鸦。 这又是一个如何以有趣和创新的方式来研究和学习机器学习的另一个案例。
5.）AI Duet
该项目使你与PC进行两部分的和谐演奏。用户只需演奏一些音符，PC就会对音符做出反应。用户无需知道如何弹钢琴，只需捏一些键并调音就可以了。
使用PC键，点击控制台，甚至对MIDI控制台进行模块化。这只是机器学习如何以新的方式使人们富有想象力的一项趣味示例。它与Tensorflow，Tone.js和Magenta公司的开源项目一起使用。
6.）NSYNTH：声音生成器
该试用版为你提供了一个有趣的项目，让你体验机器学习生成的新声音。 它是利用Nsynth构建的，该项目是一个基于300,000多种乐器声音组成的神经网络系统的探索型项目。NSynth可以将类似于低音和长笛的声音合并为新的混合低音长笛声音。 这个项目让大家都有机会去研究这些声音并用它们制作音乐。
NSynth是使用Tensorflow，Tone.js和Wavenet样式的自动编码器构建的。
7.）INFINITE DRUM MACHINE
该项目利用机器学习来排列大量的普通声音。 PC没有任何描述或标签，只有声音。 通过使用称为t-SNE的程序，PC可以使比较声音更加接近。 你可以利用地图来研究类似声音的邻域，甚至可以使用鼓音序器来打拍子。
10.） Objectifier Spatial Programming
Objectifier Spatial Programming 对象标识符空间编程（OSP）使个人在日常条件下训练对象，以对他们的一种实践做出反应。它给训练人工智能带来了挑战。与Objectifier进行协作与训练狗非常相似，你可以向狗展示它所需要的思考内容。它与狗几乎一样，可以看到并理解其状况。
8.）Bird Sounds
该测试利用机器学习来生成大量鸟的声音。电脑上没有标签或鸟的名字，只是声音。 PC使用一种称为t-SNE的方法制作了本指南，在该指南中将比较声音设置得更加接近。
9.）Handwriting with a Neural Net
尝试理解和可视化神经系统的热情很高。该项目让你可以根据笔迹样式创建笔触的神经网络模型。通过交互式可视化，你可以查看和研究神经网络的功能。该模型使用Tensorflow。
10.）Giorgio Cam
这是一项与机器学习一起进行的测试实验，你可以仅通过拍照就能用PC制作音乐。 它利用图像识别来命名所见到的事物，然后将这些标签转换为旋律的歌词。
当然仅仅知道这些项目还是不够的。被誉为“人工智能学习电脑”的钛灵AIX，却内置了英特尔 Movidius Myraid X 运算加速芯片，全球最受欢迎的开源硬件树莓派、以及多种传感技术。这样小小的一个“盒子”，支持语音交互和视觉识别。AIX极大降低了AI的学习与开发门槛，帮助编程初学者/高阶玩家、以及AI爱好者及开发者们学习、和快速构建会听、会说、会看的 AI 应用及解决方案。动手去做，学以致用，才能真正理解和学习人工智能。