＃转到RAW以获得更好的视图 机器学习项目 伦敦希思罗机场预测的航班延误为了对机器进行培训，您需要使用FlightRadar24_scrapper构建数据集（至少2-3周的数据）。 数据准备工作是在抓取器中执行的，但是数据清理和功能工程则在机器学习文件中进行。 爬虫可能有重复的值，这些值已在机器学习脚本中删除。 示例数据集包含在用于训练模型和验证模型的存储库中。 用于刮板的版本： jupyter核心：4.6.3 jupyter笔记本：6.1.1 qtconsole：4.7.7 ipyt

Predicting_Flight_Delays 该项目旨在通过培训2018年和2019年美国的航班数据来提前一周预测航班延误。

机器学习+ Kafka Streams示例 该项目包含一些示例，这些示例演示了如何利用及其将分析模型部署到关键任务，可扩展的生产中。 示例将包括使用TensorFlow，Keras，H2O，Python，DeepLearning4J和其他技术构建的分析模型。 材料（博客文章，幻灯片，视频） 如果您想阅读和聆听理论而不是动手实践，那么这里有一些有关该主题的材料： 博客文章： 幻灯片： 幻灯片： 视频录制： 博客文章： 博客文章： 博客文章： 用例和技术 以下示例已经可用，包括单元测试