เป็น 10x Data Scientist ที่ทุกคนกำลังมองหาหรือเพียงมีพอร์ตโฟลิโอ Data Science ที่มีผลกระทบสูง

วันนี้เรากำลังดู 5 โครงการที่ยอดเยี่ยมในการทำงาน ทั้งในแง่ของการได้รับประสบการณ์ที่เป็นประโยชน์และเป็นประโยชน์สำหรับอาชีพการงาน ขยายความคิดและขอบเขตของคุณ และเปิดตาของคุณสำหรับเทคโนโลยีใหม่ล่าสุดและความเป็นไปได้ในอนาคต

ไม่ว่าคุณจะเป็นนักวิทยาศาสตร์ข้อมูล นักพัฒนารุ่นเยาว์ หรือเพียงแค่โปรแกรมเมอร์งานอดิเรกที่ชื่นชอบการดำดิ่งสู่การวิเคราะห์ข้อมูลและวิศวกรรม มีโครงการบางชุดที่สามารถช่วยสร้างพอร์ตโฟลิโอด้านวิทยาศาสตร์ข้อมูลของคุณให้แตกต่างจากโครงการอื่นๆ

โครงการเหล่านี้เหมาะสำหรับพอร์ตโฟลิโอด้านวิทยาศาสตร์ข้อมูล หากคุณสงสัยว่าคุณจะสร้างพอร์ตโฟลิโอด้านวิทยาการข้อมูลที่ยอดเยี่ยมได้อย่างไร ฉันไขปริศนาของกระบวนการในบทความนี้:

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. ตรวจจับข่าวลวง

หัวข้อหนึ่งที่มีการถกเถียงกันอย่างต่อเนื่องคือผลกระทบที่ข่าวปลอม วิดีโอปลอมลึก และเนื้อหาที่ถูกดัดแปลงอื่น ๆ ในทำนองเดียวกันมีต่อสังคมของเรา ดังที่ เอกสารนี้โดย Eliza Shoemaker สรุปไว้ เป็นไปไม่ได้ที่จะหยุดการสร้างข่าวปลอม แต่การตรวจจับมันเป็นไปได้

โดยทั่วไปโครงการเหล่านี้ยังรวมถึงการใช้แผนผังการตัดสินใจ, NLP, Stop Word, TFIDF, PoS และอัลกอริทึม VADER สำหรับการตรวจจับและจดจำเนื้อหารูปแบบต่างๆ สิ่งนี้มีประโยชน์ในด้านอื่นๆ มากมาย เช่น การแปลและการสร้างเนื้อหา AI รวมถึงการจดจำเสียง เป็นต้น

คุณควรตรวจสอบโครงการสาธารณะเหล่านี้เพื่อหาแรงบันดาลใจว่าพวกเขาทำได้อย่างไร

สิ่งที่ฉันชอบเกี่ยวกับโครงการนี้คือพวกเขาอธิบายตรรกะและการไหลของข้อมูลได้ดีเพียงใด

2. Chatbot อัจฉริยะที่ขับเคลื่อนด้วย AI

อีกโครงการทั่วไปสำหรับนักวิทยาศาสตร์ข้อมูลใหม่คือ Chatbot ที่เรียกว่า โครงการเหล่านี้มักจะรวมถึงการใช้การประมวลผลภาษาธรรมชาติ แต่ยังสามารถสร้างได้โดยใช้คุณสมบัติ NLU และ NLG เช่นเดียวกับวิธีการจับคู่รูปแบบ

ด้วยการสร้าง Chatbot ของคุณเองตั้งแต่เริ่มต้น คุณสามารถแสดงให้นายจ้างเห็นว่าคุณรู้จักห้องสมุด NLTK ของ Python ซึ่งใช้อย่างสูงเพื่อวัตถุประสงค์ที่หลากหลายในโลกของมืออาชีพ และคุณยังจะได้รับโอกาสในการแสดงวิธีการประมวลผล ทดสอบ และฝึกฝนสำหรับสถานการณ์ข้อมูล

นี่คือโครงการที่เรียบง่าย เขียนได้ดี และเข้าใจง่าย ซึ่งคุณสามารถลองทำซ้ำและเรียนรู้จากมันได้ ในขณะที่คุณดำเนินการ อย่าลืมเพิ่มการเพิ่มประสิทธิภาพของคุณเอง (ทั้งคุณภาพรหัสและตรรกะ)

3. การวิเคราะห์ความรู้สึก

โครงการนี้เป็นอีกหนึ่งทางเลือกยอดนิยมสำหรับนักเรียนและมืออาชีพจำนวนมากทั่วโลก และนำไปใช้ในหลายภาคส่วน หากคุณสนใจในตลาดหุ้น คุณสามารถโฟกัสโครงการของคุณไปที่ตัวแสดงหุ้นจำนวนหนึ่ง จากนั้นค้นหาความรู้สึกจากเว็บ เพื่อดูว่าบริษัทหนึ่ง ๆ นั้นชื่นชอบมากน้อยเพียงใด

การวิเคราะห์ความรู้สึกยังสามารถใช้เพื่อดูบทวิจารณ์ผลิตภัณฑ์ เพื่อหลีกหนีจากบทวิจารณ์ระดับ 1-5 ดาวทั่วไป และเน้นที่รายละเอียดเฉพาะของบทวิจารณ์แต่ละรายการแทน โครงการเหล่านี้มักจะรวมถึงการใช้ชุดข้อมูลหรือการขูดเว็บ แต่ยังมีรูปแบบการแยก NLP และโครงสร้างข้อมูลเป็นวิธีการที่คุณจะได้สำรวจ

ต่อไปนี้เป็นสองโครงการที่ฉันชอบเป็นพิเศษเพราะพวกเขาอธิบายพื้นฐานและสร้างมันได้ดีเพียงใด

Hands-on Sentiment Analysis Tutorial ของ@ betinacostaเป็นโครงการที่ยอดเยี่ยมที่ให้ประสบการณ์จริงในการรับข้อมูลจากแอปพลิเคชันในโลกแห่งความเป็นจริง (Twitter) และดำเนินการวิเคราะห์ในขณะที่คุณเรียนรู้

4. การจัดหมวดหมู่รูปภาพ

การเพิ่มขึ้นของแมชชีนเลิร์นนิงทำให้ AI สามารถตรวจจับใบหน้ามนุษย์ในรูปภาพ จำแนกวัตถุสีแดงทั้งหมดในภาพวาด และอื่นๆ อีกมากมาย แม้ว่าจะมีแอปพลิเคชันมากมายในโลกของมืออาชีพสำหรับโครงการประเภทนี้ แต่ก็เป็นความพยายามส่วนบุคคลที่ยอดเยี่ยมในการติดตาม

ที่นี่คุณจะได้เรียนรู้การฝึกโมเดลการเรียนรู้เชิงลึก และขึ้นอยู่กับโปรเจ็กต์ของคุณ คุณสามารถใช้ไลบรารี เช่น TensorFlow, MATLAB หรือ RapidMiner เพื่อปรับปรุงผลลัพธ์และขัดเกลาทักษะของคุณให้ดียิ่งขึ้น

นี่เป็นพื้นที่ที่ค่อนข้างกว้างใหญ่และโปรเจ็กต์ออนไลน์ส่วนใหญ่ใช้ GPU พูดตามตรง มีเพียงไม่กี่คนเท่านั้นที่สามารถเข้าถึง GPU หรือต้องการใช้เงิน $ กับ Cloud VM ดังนั้น ฉันจะทำให้ดีที่สุดเพื่อรวมโครงการที่ง่ายต่อการติดตามและไม่ต้องใช้ GPU:

อันนี้เป็นแบบฝึกหัดหรือคู่มือเชิงปฏิบัติซึ่งอธิบายตรรกะเป็นภาษาอังกฤษเกือบธรรมดา:

5. สถาปัตยกรรมข้อมูล

ธุรกิจต่างๆ ต้องการนักวิทยาศาสตร์ด้านข้อมูลในการจัดโครงสร้างและจัดหมวดหมู่ข้อมูลจำนวนมหาศาลจากลูกค้า ผลิตภัณฑ์ และคู่ค้าทางธุรกิจอย่างเหมาะสม ข้อมูลทั้งหมดนี้ต้องสามารถเข้าถึงได้ตลอดเวลา ขณะเดียวกันก็ต้องจัดเก็บอย่างปลอดภัยในสถาปัตยกรรมที่ปรับต้นทุนให้เหมาะสมและ/หรือปรับประสิทธิภาพให้เหมาะสม

ฉันรู้ว่ามันฟังดูเหมือนมาก แต่สำหรับพอร์ตโฟลิโอ (และสำหรับประสบการณ์ของคุณ) สิ่งที่คุณต้องแสดงคือความรักในการทำงานกับฐานข้อมูล การล้างข้อมูล และการจัดรูปแบบเป็นประเภทที่ถูกต้อง เป็นต้น

ฉันได้รวบรวมรายชื่อชุดข้อมูลสาธารณะที่ดีที่สุด 25 ชุดไว้ที่นี่ ซึ่งคุณสามารถใช้เพื่อค้นหาชุดข้อมูลที่เหมาะสมที่สุดสำหรับโครงการสถาปัตยกรรมข้อมูล

โบนัส: อีก 5 โปรเจ็กต์เตะตูด!

ต้องใช้เวลาในการนำเนื้อหาที่ดีมาให้คุณ! ดังนั้น โปรดติดตามตอนต่อไปของโปรเจกต์เตะอีก 5 โปรเจ็กต์ที่ครอบคลุม:

• การตรวจจับและป้องกันการฉ้อโกง
• การทำนายความพึงพอใจของลูกค้า
• การรวบรวมข้อมูล (การขูดเว็บและอื่น ๆ )
• การวิเคราะห์เงื่อนไขทางการแพทย์
• วิธีการไปป่าและรวมบางโครงการ :)

และเช่นเคย ฉันชอบสร้างเนื้อหาที่เป็นประโยชน์สำหรับผู้ปฏิบัติงานด้านวิทยาการข้อมูลและชอบที่จะรับฟังความคิดเห็นจากคุณ — แง่บวกหรือแง่ลบ! คุณยังสามารถแนะนำหัวข้อที่คุณต้องการฟัง

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