如何构建一个机器学习项目来找到工作？

如何找到第一份机器学习工作？SharpestMinds AI创始人Edouard Harris通过两个真实案例，总结了构建个人项目的关键。
案例一：Ron与X公司
Ron极度渴望加入X公司（为杂货店提供AI库存提醒）。他把手机绑在购物车上，在多间商店拍摄货架视频，回家后建立模型识别缺货位置。他在GitHub上公开每日进展，持续提升准确率。短短几天内，其项目竟复现了X公司部分技术栈，引发CEO关注。
案例二：Alex与飞行员意识检测
Alex主修历史，从未写过代码，却决定用机器学习检测飞行员是否失去意识。他从YouTube下载驾驶舱视频，自建UI手动标记上千个片段（耗时数周），并搭建数据管道裁剪背景以聚焦飞行员。虽然模型准确率低于50%，但他在面试中展示项目照片时，招聘经理更惊叹于数据收集与管道的构建，最终成功入职。
成功共性
不沉迷建模：实际工作中80-90%时间用于清理数据，个人项目应突出数据处理能力。
自建数据集：相比Kaggle等现成数据，自采数据更混乱，但也更能教会你如何处理真实问题。
可视化展示：面试是推销过程，用手机展示项目视觉成果，比抽象论述更吸引人。
展现疯狂投入：绑手机、手标视频——这些非常规行动恰恰证明你为达成目标不惜代价，正是企业看重的人才。
一句话总结：收集一个费尽心思整理的有趣数据集，并用可视化方式呈现项目，比模型精度更重要。 你只需打造一两个这样的项目，便可在多次面试中反复使用。