Soyez le 10x Data Scientist que tout le monde recherche ou simplement avoir un portefeuille Data Science très percutant.

Aujourd'hui, nous examinons 5 projets fantastiques sur lesquels travailler, à la fois pour acquérir une expérience pratique et utile pour une carrière professionnelle, ainsi que pour élargir votre esprit et votre horizon, et vous ouvrir les yeux sur les technologies les plus récentes et les possibilités futures.

Que vous soyez un scientifique des données, un développeur junior ou simplement un programmeur amateur passionné qui aime plonger dans l'analyse et l'ingénierie des données, il existe un certain nombre de projets qui peuvent aider à différencier votre portefeuille de science des données des nombreux autres.

Ces projets sont parfaits pour tout portefeuille de science des données. Si vous vous demandez comment vous pouvez créer un portfolio de science des données impressionnant, je démystifie le processus dans cet article :

Follow me for 5 more kick ass projects next week! 
You can also hit the message icon to get notified when I publish it.

1. Détecter les fausses nouvelles

Un sujet qui continue d'être très débattu est l'effet que les fausses nouvelles, les vidéos deepfake et d'autres contenus manipulés de la même manière ont sur notre société. Comme le conclut cet article d'Eliza Shoemaker, il est impossible d'empêcher la création de fausses nouvelles, mais il est possible de les détecter.

Généralement, ces projets incluent également l'utilisation d'arbres de décision, d'algorithmes NLP, Stop Word, TFIDF, PoS et VADER pour détecter et reconnaître différentes formes de contenu. Cela peut être utile dans de nombreux autres domaines, tels que la traduction et la génération de contenu IA, ainsi que la reconnaissance vocale, etc.

Vous devriez également consulter ces projets publics pour vous inspirer de la façon dont ils l'ont fait.

Ce que j'aime dans ce projet, c'est à quel point ils ont expliqué leur logique et leur flux de données.

2. Chatbot intelligent alimenté par l'IA

Un autre projet courant pour les nouveaux data scientists est le soi-disant Chatbot. Ces projets incluent généralement l'utilisation du traitement du langage naturel, mais peuvent également être construits à l'aide des fonctionnalités NLU et NLG, ainsi que des méthodes de correspondance des modèles.

En créant votre propre chatbot à partir de zéro, vous pouvez montrer aux employeurs potentiels que vous connaissez bien la bibliothèque NLTK de Python, qui est très utilisée à de multiples fins dans le monde professionnel. Et vous aurez également l'occasion de montrer comment vous traitez, testez et formez des scénarios de données.

Voici un projet simple, bien écrit et facile à comprendre que vous pourriez essayer de reproduire et d'apprendre. Au fur et à mesure que vous le parcourez, assurez-vous d'ajouter vos propres optimisations (à la fois la qualité du code et la logique).

3. Analyse des sentiments

Ce projet est un autre choix populaire pour de nombreux étudiants et professionnels du monde entier et est utilisé dans de nombreux secteurs. Si vous êtes intéressé par le marché boursier, vous pouvez concentrer votre projet sur une poignée de symboles boursiers, puis parcourir le Web à la recherche de sentiments, afin de savoir à quel point une entreprise donnée est appréciée.

L'analyse des sentiments peut également être utilisée pour examiner les avis sur les produits, afin de s'éloigner des avis typiques de 1 à 5 étoiles et de se concentrer plutôt sur les détails spécifiques de chaque avis. Ces projets incluent généralement l'utilisation d'ensembles de données ou de grattage Web, mais les modèles d'extraction, le NLP et les structures de données sont également des méthodes que vous pouvez explorer.

Voici deux projets que j'aime, surtout parce qu'ils ont bien expliqué les bases et construit dessus.

Le didacticiel pratique d'analyse des sentiments de @ betinacosta est un projet génial qui vous donne une expérience pratique de l'obtention des données d'une application du monde réel (Twitter) et de la réalisation d'analyses au fur et à mesure que vous apprenez.

4. Classification des images

L'essor de l'apprentissage automatique a permis à l'IA de détecter des visages humains dans une image, de classer tous les objets rouges d'un tableau et bien plus encore. Bien qu'il existe de nombreuses applications dans le monde professionnel pour ces types de projets, c'est aussi un grand effort personnel à poursuivre.

Ici, vous apprendrez à former des modèles d'apprentissage en profondeur et, en fonction de votre projet, vous pourrez utiliser des bibliothèques telles que TensorFlow, MATLAB ou RapidMiner pour améliorer encore vos résultats et perfectionner vos compétences.

C'est un domaine assez vaste et la plupart des projets en ligne utilisent des GPU. Soyons honnêtes, seuls quelques-uns d'entre nous ont accès à un GPU ou veulent dépenser de l'argent sur des machines virtuelles cloud. Je ferai donc de mon mieux pour inclure des projets faciles à suivre et ne nécessitant pas de GPU :

Celui-ci est un tutoriel ou un guide pratique qui explique la logique dans un anglais presque simple :

5. Architecture des données

Les entreprises ont besoin de scientifiques des données pour structurer et catégoriser correctement les vastes quantités de données de leurs clients, de leurs produits et de leurs partenaires commerciaux. Toutes ces données doivent être accessibles 24 heures sur 24, tout en étant stockées en toute sécurité dans une architecture optimisée en termes de coûts et/ou de performances.

Je sais, ça sonne comme BEAUCOUP. Mais, pour un portfolio (et pour votre expérience), tout ce que vous devez montrer est votre amour pour travailler avec des bases de données, nettoyer les données et les formater dans les bons types, etc.

J'ai compilé ici une liste des 25 meilleurs ensembles de données publics que vous pouvez utiliser pour trouver un ensemble de données qui conviendrait parfaitement à un projet d'architecture de données.

Bonus : 5 projets de plus !

Il faut du temps pour vous apporter du bon contenu ! Alors, suivez-moi pour le prochain épisode de 5 autres projets kick ass qui couvrent :

• Détection et prévention des fraudes
• Prédiction des préférences des clients
• Collecte de données (grattage Web et plus)
• Analyse des conditions médicales
• Comment se déchaîner et combiner quelques projets :)

Comme toujours, j'aime créer du contenu utile pour les praticiens de la science des données et j'aimerais avoir de vos nouvelles - positives ou négatives ! Vous pouvez également suggérer des sujets dont vous aimeriez entendre parler.

LinkedIn :https://www.linkedin.com/in/vasinha