ഡാറ്റാ സയൻസ് കഴിവുകൾ മെച്ചപ്പെടുത്തുന്നതിനുള്ള 14 ഓപ്പൺ സോഴ്‌സ് പ്രോജക്റ്റുകൾ (എളുപ്പം, സാധാരണം, കഠിനം)

തുടക്കക്കാർക്കുള്ള ഡാറ്റ സയൻസ്

1. വികാര വിശകലനം (ടെക്‌സ്‌റ്റിലൂടെയുള്ള മാനസികാവസ്ഥ വിശകലനം)

സോഴ്സ് കോഡ് ഉപയോഗിച്ച് ഡാറ്റ സയൻസ് പ്രോജക്റ്റിന്റെ പൂർണ്ണമായ നടത്തിപ്പ് കാണുക - ആർ ലെ സെന്റിമെന്റ് അനാലിസിസ് പ്രോജക്റ്റ്.

പോസിറ്റീവ് അല്ലെങ്കിൽ നെഗറ്റീവ് ആകാം, വികാരങ്ങളെയും അഭിപ്രായങ്ങളെയും തിരിച്ചറിയുന്നതിനുള്ള വാക്കുകളുടെ വിശകലനമാണ് സെന്റിമെന്റ് അനാലിസിസ്. ക്ലാസുകൾ ബൈനറി (പോസിറ്റീവ്, നെഗറ്റീവ്) അല്ലെങ്കിൽ ബഹുവചനം (സന്തോഷം, ദേഷ്യം, ദുഃഖം, വൃത്തികെട്ട...) ആയിരിക്കാവുന്ന ഒരു തരം വർഗ്ഗീകരണമാണിത്. ഞങ്ങൾ ഈ ഡാറ്റാ സയൻസ് പ്രോജക്റ്റ് R-ൽ നടപ്പിലാക്കുകയും "janeaustenR" പാക്കേജിലെ ഡാറ്റാസെറ്റ് ഉപയോഗിക്കുകയും ചെയ്യും. ഞങ്ങൾ AFINN, bing, loughran പോലുള്ള പൊതു ഉദ്ദേശ്യ നിഘണ്ടുക്കൾ ഉപയോഗിക്കും, ഒരു ആന്തരിക ജോയിൻ ചെയ്യുക, അവസാനം ഫലം പ്രദർശിപ്പിക്കുന്നതിന് ഞങ്ങൾ ഒരു വേഡ് ക്ലൗഡ് സൃഷ്ടിക്കും.

ഭാഷ: R
ഡാറ്റാസെറ്റ്/പാക്കേജ്: janeoustenR

എഡിസൺ സോഫ്റ്റ്‌വെയറിന്റെ പിന്തുണയോടെയാണ് ലേഖനം വിവർത്തനം ചെയ്തത് മൾട്ടി-ബ്രാൻഡ് സ്റ്റോറുകൾക്കായി വെർച്വൽ ഫിറ്റിംഗ് റൂമുകൾ നിർമ്മിക്കുന്നു, അതുപോലെ തന്നെ ടെസ്റ്റ് സോഫ്റ്റ്‌വെയർ.

2. വ്യാജ വാർത്തകൾ കണ്ടെത്തൽ

തുടക്കക്കാർക്കുള്ള ഡാറ്റാ സയൻസ് പ്രോജക്റ്റിൽ പ്രവർത്തിച്ചുകൊണ്ട് നിങ്ങളുടെ കഴിവുകൾ അടുത്ത ഘട്ടത്തിലേക്ക് കൊണ്ടുപോകുക - പൈത്തൺ ഉപയോഗിച്ച് വ്യാജ വാർത്ത കണ്ടെത്തൽ.

രാഷ്ട്രീയ ലക്ഷ്യങ്ങൾ നേടുന്നതിനായി സോഷ്യൽ മീഡിയയിലൂടെയും മറ്റ് ഓൺലൈൻ മാധ്യമങ്ങളിലൂടെയും പ്രചരിപ്പിക്കുന്ന തെറ്റായ വിവരങ്ങളാണ് വ്യാജ വാർത്തകൾ. ഈ ഡാറ്റാ സയൻസ് പ്രോജക്റ്റ് ആശയത്തിൽ, വാർത്തകൾ യഥാർത്ഥമാണോ വ്യാജമാണോ എന്ന് കൃത്യമായി നിർണ്ണയിക്കാൻ കഴിയുന്ന ഒരു മോഡൽ നിർമ്മിക്കാൻ ഞങ്ങൾ പൈത്തൺ ഉപയോഗിക്കും. ഞങ്ങൾ ഒരു TfidfVectorizer സൃഷ്ടിക്കുകയും വാർത്തകളെ "യഥാർത്ഥ", "വ്യാജം" എന്നിങ്ങനെ തരംതിരിക്കാൻ PassiveAggressive Classifier ഉപയോഗിക്കുകയും ചെയ്യും. ഞങ്ങൾ 7796×4 ആകൃതിയിലുള്ള ഡാറ്റാസെറ്റ് ഉപയോഗിക്കുകയും ജൂപ്പിറ്റർ ലാബിൽ എല്ലാം ചെയ്യുകയും ചെയ്യും.

ഭാഷ: പൈത്തൺ

ഡാറ്റാസെറ്റ്/പാക്കേജ്: news.csv

3. പാർക്കിൻസൺസ് രോഗം കണ്ടെത്തൽ

ഡാറ്റാ സയൻസ് പ്രൊജക്റ്റ് ഐഡിയയിൽ പ്രവർത്തിച്ചുകൊണ്ട് മുന്നോട്ട് പോകുക XGBoost ഉപയോഗിച്ച് പാർക്കിൻസൺസ് രോഗം കണ്ടെത്തൽ.

ആരോഗ്യ സംരക്ഷണവും സേവനങ്ങളും മെച്ചപ്പെടുത്താൻ ഞങ്ങൾ ഡാറ്റ സയൻസ് ഉപയോഗിക്കാൻ തുടങ്ങിയിരിക്കുന്നു - പ്രാരംഭ ഘട്ടത്തിൽ തന്നെ രോഗം പ്രവചിക്കാൻ കഴിയുമെങ്കിൽ, നമുക്ക് ധാരാളം ഗുണങ്ങൾ ഉണ്ടാകും. അതിനാൽ, ഈ ഡാറ്റാ സയൻസ് പ്രോജക്റ്റ് ആശയത്തിൽ, പൈത്തൺ ഉപയോഗിച്ച് പാർക്കിൻസൺസ് രോഗം എങ്ങനെ കണ്ടെത്താമെന്ന് ഞങ്ങൾ പഠിക്കും. കേന്ദ്ര നാഡീവ്യവസ്ഥയുടെ ഒരു ന്യൂറോ ഡിജനറേറ്റീവ്, പുരോഗമനപരമായ രോഗമാണിത്, ഇത് ചലനത്തെ ബാധിക്കുകയും വിറയലും കാഠിന്യവും ഉണ്ടാക്കുകയും ചെയ്യുന്നു. ഇത് തലച്ചോറിലെ ഡോപാമൈൻ ഉൽപ്പാദിപ്പിക്കുന്ന ന്യൂറോണുകളെ ബാധിക്കുന്നു, ഓരോ വർഷവും ഇത് ഇന്ത്യയിൽ 1 ദശലക്ഷത്തിലധികം ആളുകളെ ബാധിക്കുന്നു.

ഭാഷ: പൈത്തൺ

ഡാറ്റാസെറ്റ്/പാക്കേജ്: UCI ML പാർക്കിൻസൺസ് ഡാറ്റാസെറ്റ്

ഇടത്തരം സങ്കീർണ്ണതയുടെ ഡാറ്റാ സയൻസ് പ്രോജക്ടുകൾ

4. സ്പീച്ച് ഇമോഷൻ റെക്കഗ്നിഷൻ

ഡാറ്റാ സയൻസ് സാമ്പിൾ പ്രോജക്റ്റിന്റെ പൂർണ്ണമായ നിർവ്വഹണം പരിശോധിക്കുക - ലിബ്രോസയുമായുള്ള സംഭാഷണം തിരിച്ചറിയൽ.

വ്യത്യസ്ത ലൈബ്രറികൾ എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ഇപ്പോൾ പഠിക്കാം. ഈ ഡാറ്റാ സയൻസ് പ്രോജക്റ്റ് സംഭാഷണം തിരിച്ചറിയുന്നതിനായി ലിബ്രോസ ഉപയോഗിക്കുന്നു. സംസാരത്തിൽ നിന്ന് മനുഷ്യന്റെ വികാരങ്ങളെയും സ്വാധീനിക്കുന്ന അവസ്ഥകളെയും തിരിച്ചറിയുന്ന പ്രക്രിയയാണ് SER. നമ്മുടെ ശബ്ദം ഉപയോഗിച്ച് വികാരങ്ങൾ പ്രകടിപ്പിക്കാൻ ടോണും പിച്ചും ഉപയോഗിക്കുന്നതിനാൽ, SER പ്രസക്തമാണ്. എന്നാൽ വികാരങ്ങൾ ആത്മനിഷ്ഠമായതിനാൽ, ഓഡിയോ വ്യാഖ്യാനം ബുദ്ധിമുട്ടുള്ള കാര്യമാണ്. ഞങ്ങൾ mfcc, chroma, mel ഫംഗ്‌ഷനുകൾ ഉപയോഗിക്കുകയും വികാരങ്ങൾ തിരിച്ചറിയുന്നതിനായി RAVDESS ഡാറ്റാസെറ്റ് ഉപയോഗിക്കുകയും ചെയ്യും. ഈ മോഡലിനായി ഞങ്ങൾ ഒരു MLPC ക്ലാസിഫയർ സൃഷ്ടിക്കും.

ഭാഷ: പൈത്തൺ

ഡാറ്റാസെറ്റ്/പാക്കേജ്: RAVDESS ഡാറ്റാസെറ്റ്

5. ലിംഗഭേദവും പ്രായവും കണ്ടെത്തൽ

ഏറ്റവും പുതിയ ഡാറ്റാ സയൻസ് പ്രോജക്റ്റ് ഉപയോഗിച്ച് തൊഴിലുടമകളെ ആകർഷിക്കുക - OpenCV ഉപയോഗിച്ച് ലിംഗഭേദവും പ്രായവും കണ്ടെത്തൽ.

ഇത് പൈത്തണിനൊപ്പം രസകരമായ ഒരു ഡാറ്റാ സയൻസാണ്. ഒരു ചിത്രം മാത്രം ഉപയോഗിച്ച്, ഒരു വ്യക്തിയുടെ ലിംഗഭേദവും പ്രായവും എങ്ങനെ പ്രവചിക്കാമെന്ന് നിങ്ങൾ പഠിക്കും. ഇതിൽ, കമ്പ്യൂട്ടർ വിഷനും അതിന്റെ തത്വങ്ങളും ഞങ്ങൾ നിങ്ങളെ പരിചയപ്പെടുത്തും. ഞങ്ങൾ പണിയും കൺവല്യൂഷണൽ ന്യൂറൽ നെറ്റ്‌വർക്ക് കൂടാതെ Adience ഡാറ്റാസെറ്റിൽ ടാൽ ഹാസ്നറും ഗിൽ ലെവിയും പരിശീലിപ്പിച്ച മോഡലുകൾ ഉപയോഗിക്കും. ഞങ്ങൾ ചില .pb, .pbtxt, .prototxt, .caffemodel ഫയലുകൾ വഴിയിൽ ഉപയോഗിക്കും.

ഭാഷ: പൈത്തൺ

ഡാറ്റാസെറ്റ്/പാക്കേജ്: പ്രേക്ഷകർ

6. Uber ഡാറ്റ വിശകലനം

സോഴ്സ് കോഡ് ഉപയോഗിച്ച് ഡാറ്റ സയൻസ് പ്രോജക്റ്റിന്റെ പൂർണ്ണമായ നടത്തിപ്പ് കാണുക - R-ലെ Uber ഡാറ്റ വിശകലന പദ്ധതി.

ggplot2 ഉള്ള ഒരു ഡാറ്റാ വിഷ്വലൈസേഷൻ പ്രോജക്റ്റാണിത്, അതിൽ ഞങ്ങൾ R ഉം അതിന്റെ ലൈബ്രറികളും ഉപയോഗിക്കുകയും വിവിധ പാരാമീറ്ററുകൾ വിശകലനം ചെയ്യുകയും ചെയ്യും. ഞങ്ങൾ Uber Pickups New York ഡാറ്റാസെറ്റ് ഉപയോഗിക്കുകയും വർഷത്തിലെ വ്യത്യസ്ത സമയ ഫ്രെയിമുകൾക്കായി ദൃശ്യവൽക്കരണം സൃഷ്ടിക്കുകയും ചെയ്യും. ഉപഭോക്തൃ യാത്രകളെ സമയം എങ്ങനെ ബാധിക്കുന്നുവെന്ന് ഇത് നമ്മോട് പറയുന്നു.

ഭാഷ: R

ഡാറ്റാസെറ്റ്/പാക്കേജ്: ന്യൂയോർക്ക് സിറ്റി ഡാറ്റാസെറ്റിലെ Uber പിക്കപ്പുകൾ

7. ഡ്രൈവർ മയക്കം കണ്ടെത്തൽ

മികച്ച ഡാറ്റാ സയൻസ് പ്രോജക്റ്റിൽ പ്രവർത്തിച്ചുകൊണ്ട് നിങ്ങളുടെ കഴിവുകൾ അപ്‌ഗ്രേഡ് ചെയ്യുക - ഓപ്പൺസിവിയും കേരസും ഉള്ള ഉറക്കം കണ്ടെത്തൽ സംവിധാനം.

ഉറക്കത്തിൽ വാഹനമോടിക്കുന്നത് അങ്ങേയറ്റം അപകടകരമാണ്, ഓരോ വർഷവും ആയിരത്തോളം അപകടങ്ങൾ വാഹനമോടിക്കുമ്പോൾ ഡ്രൈവർമാർ ഉറങ്ങുന്നത് മൂലം സംഭവിക്കുന്നു. ഈ പൈത്തൺ പ്രോജക്‌റ്റിൽ, ഉറക്കം വരുന്ന ഡ്രൈവർമാരെ കണ്ടെത്താനും ബീപ്പ് ഉപയോഗിച്ച് അവരെ അറിയിക്കാനും കഴിയുന്ന ഒരു സിസ്റ്റം ഞങ്ങൾ സൃഷ്ടിക്കും.

കേരസും ഓപ്പൺസിവിയും ഉപയോഗിച്ചാണ് ഈ പദ്ധതി നടപ്പിലാക്കുന്നത്. മുഖവും കണ്ണുകളും കണ്ടെത്താൻ ഞങ്ങൾ ഓപ്പൺസിവി ഉപയോഗിക്കും, കേരസിന്റെ സഹായത്തോടെ ആഴത്തിലുള്ള ന്യൂറൽ നെറ്റ്‌വർക്ക് രീതികൾ ഉപയോഗിച്ച് കണ്ണിന്റെ അവസ്ഥ (തുറന്നതോ അടച്ചതോ) ഞങ്ങൾ തരംതിരിക്കും.

8. ചാറ്റ്ബോട്ട്

പൈത്തണുമായി ഒരു ചാറ്റ്ബോട്ട് നിർമ്മിക്കുക, നിങ്ങളുടെ കരിയറിൽ ഒരു ചുവട് മുന്നോട്ട് വെക്കുക - NLTK, Keras എന്നിവയ്‌ക്കൊപ്പം ചാറ്റ്ബോട്ട്.

ചാറ്റ്ബോട്ടുകൾ ബിസിനസിന്റെ അവിഭാജ്യ ഘടകമാണ്. പല ബിസിനസുകൾക്കും അവരുടെ ഉപഭോക്താക്കൾക്ക് സേവനങ്ങൾ നൽകേണ്ടതുണ്ട്, അവർക്ക് സേവനം നൽകാൻ വളരെയധികം മനുഷ്യശക്തിയും സമയവും പരിശ്രമവും ആവശ്യമാണ്. ഉപഭോക്താക്കൾ ചോദിക്കുന്ന ചില പൊതുവായ ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകിക്കൊണ്ട് ചാറ്റ്ബോട്ടുകൾക്ക് ഉപഭോക്തൃ ഇടപെടലിന്റെ ഭൂരിഭാഗവും ഓട്ടോമേറ്റ് ചെയ്യാൻ കഴിയും. അടിസ്ഥാനപരമായി രണ്ട് തരം ചാറ്റ്ബോട്ടുകൾ ഉണ്ട്: ഡൊമെയ്ൻ-നിർദ്ദിഷ്ടവും ഓപ്പൺ-ഡൊമെയ്നും. ഒരു പ്രത്യേക പ്രശ്നം പരിഹരിക്കാൻ ഒരു ഡൊമെയ്ൻ-നിർദ്ദിഷ്ട ചാറ്റ്ബോട്ട് പലപ്പോഴും ഉപയോഗിക്കാറുണ്ട്. അതിനാൽ, നിങ്ങളുടെ ഫീൽഡിൽ ഫലപ്രദമായി പ്രവർത്തിക്കാൻ നിങ്ങൾ ഇത് ഇഷ്ടാനുസൃതമാക്കേണ്ടതുണ്ട്. ഓപ്പൺ-ഡൊമെയ്ൻ ചാറ്റ്ബോട്ടുകളോട് ഏത് ചോദ്യവും ചോദിക്കാൻ കഴിയും, അതിനാൽ അവയെ പരിശീലിപ്പിക്കുന്നതിന് ധാരാളം ഡാറ്റ ആവശ്യമാണ്.

ഡാറ്റ സെറ്റ്: ഇന്റന്റ്സ് json ഫയൽ

ഭാഷ: പൈത്തൺ

വിപുലമായ ഡാറ്റാ സയൻസ് പ്രോജക്ടുകൾ

9. ഇമേജ് ക്യാപ്ഷൻ ജനറേറ്റർ

സോഴ്‌സ് കോഡ് ഉപയോഗിച്ച് സമ്പൂർണ്ണ പ്രോജക്റ്റ് നടപ്പിലാക്കൽ പരിശോധിക്കുക CNN, LSTM എന്നിവയ്‌ക്കൊപ്പം ചിത്ര അടിക്കുറിപ്പ് ജനറേറ്റർ.

ഒരു ചിത്രത്തിലുള്ളത് എന്താണെന്ന് വിവരിക്കുക എന്നത് മനുഷ്യർക്ക് എളുപ്പമുള്ള കാര്യമാണ്, എന്നാൽ കമ്പ്യൂട്ടറുകളെ സംബന്ധിച്ചിടത്തോളം, ഓരോ പിക്സലിന്റെയും വർണ്ണ മൂല്യത്തെ പ്രതിനിധീകരിക്കുന്ന സംഖ്യകളുടെ ഒരു ശേഖരം മാത്രമാണ് ചിത്രം. കമ്പ്യൂട്ടറുകൾക്ക് ഇത് ബുദ്ധിമുട്ടുള്ള കാര്യമാണ്. ഒരു ചിത്രത്തിലുള്ളത് എന്താണെന്ന് മനസ്സിലാക്കുകയും പിന്നീട് ഒരു സ്വാഭാവിക ഭാഷാ വിവരണം (ഉദാഹരണത്തിന് ഇംഗ്ലീഷ്) സൃഷ്ടിക്കുകയും ചെയ്യുന്നത് മറ്റൊരു ബുദ്ധിമുട്ടുള്ള കാര്യമാണ്. ഒരു ഇമേജ് ഡിസ്ക്രിപ്ഷൻ ജനറേറ്റർ സൃഷ്‌ടിക്കുന്നതിന് റിക്കറന്റ് ന്യൂറൽ നെറ്റ്‌വർക്ക് (എൽഎസ്‌ടിഎം) ഉള്ള ഒരു കൺവല്യൂഷണൽ ന്യൂറൽ നെറ്റ്‌വർക്ക് (സിഎൻഎൻ) ഞങ്ങൾ നടപ്പിലാക്കുന്ന ആഴത്തിലുള്ള പഠന വിദ്യകൾ ഈ പ്രോജക്റ്റ് ഉപയോഗിക്കുന്നു.

ഡാറ്റ സെറ്റ്: Flickr 8K

ഭാഷ: പൈത്തൺ

ചട്ടക്കൂട്: കേരസ്

10. ക്രെഡിറ്റ് കാർഡ് തട്ടിപ്പ് കണ്ടെത്തൽ

ഡാറ്റാ സയൻസ് പ്രോജക്റ്റ് ആശയത്തിൽ പ്രവർത്തിച്ചുകൊണ്ട് നിങ്ങളുടെ പരമാവധി ചെയ്യുക മെഷീൻ ലേണിംഗ് ഉപയോഗിച്ച് ക്രെഡിറ്റ് കാർഡ് തട്ടിപ്പ് കണ്ടെത്തൽ.

ഇപ്പോൾ നിങ്ങൾ രീതികളും ആശയങ്ങളും മനസ്സിലാക്കാൻ തുടങ്ങിയിരിക്കുന്നു. നമുക്ക് ചില നൂതന ഡാറ്റാ സയൻസ് പ്രോജക്ടുകളിലേക്ക് പോകാം. ഈ പ്രോജക്റ്റിൽ, ഞങ്ങൾ R ഭാഷ ഉപയോഗിക്കും, തുടങ്ങിയ അൽഗോരിതങ്ങൾ തീരുമാന മരങ്ങൾ, ലോജിസ്റ്റിക് റിഗ്രഷൻ, കൃത്രിമ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ, ഗ്രേഡിയന്റ് ബൂസ്റ്റിംഗ് ക്ലാസിഫയർ. ക്രെഡിറ്റ് കാർഡ് ഇടപാടുകളെ വഞ്ചനാപരവും യഥാർത്ഥവുമായവയായി തരംതിരിക്കാൻ ഞങ്ങൾ കാർഡ് ഇടപാടുകളുടെ ഡാറ്റാസെറ്റ് ഉപയോഗിക്കും. ഞങ്ങൾ അവർക്കായി വ്യത്യസ്ത മോഡലുകൾ തിരഞ്ഞെടുത്ത് പ്രകടന കർവുകൾ നിർമ്മിക്കും.

ഭാഷ: R

ഡാറ്റാസെറ്റ്/പാക്കേജ്: കാർഡ് ഇടപാടുകളുടെ ഡാറ്റാസെറ്റ്

11. മൂവി ശുപാർശ സംവിധാനം

സോഴ്സ് കോഡ് ഉപയോഗിച്ച് മികച്ച ഡാറ്റാ സയൻസ് പ്രോജക്റ്റ് നടപ്പിലാക്കുന്നത് പര്യവേക്ഷണം ചെയ്യുക - R-ലെ സിനിമ ശുപാർശ സംവിധാനം

ഈ ഡാറ്റാ സയൻസ് പ്രോജക്റ്റിൽ, മെഷീൻ ലേണിംഗിലൂടെ സിനിമയുടെ ശുപാർശകൾ നടപ്പിലാക്കാൻ ഞങ്ങൾ R ഉപയോഗിക്കും. മറ്റ് ഉപയോക്താക്കളുടെ മുൻഗണനകളും ബ്രൗസിംഗ് ചരിത്രവും അടിസ്ഥാനമാക്കിയുള്ള ഒരു ഫിൽട്ടറിംഗ് പ്രക്രിയയിലൂടെ ശുപാർശ സിസ്റ്റം ഉപയോക്താക്കൾക്ക് നിർദ്ദേശങ്ങൾ അയയ്ക്കുന്നു. എയും ബിയും ഹോം എലോൺ ഇഷ്ടപ്പെടുകയും B മീൻ ഗേൾസിനെ ഇഷ്ടപ്പെടുകയും ചെയ്യുന്നുവെങ്കിൽ, നിങ്ങൾക്ക് എ നിർദ്ദേശിക്കാം - അവർക്കും ഇത് ഇഷ്ടപ്പെട്ടേക്കാം. ഇത് ക്ലയന്റുകളെ പ്ലാറ്റ്‌ഫോമുമായി സംവദിക്കാൻ അനുവദിക്കുന്നു.

ഭാഷ: R

ഡാറ്റാസെറ്റ്/പാക്കേജ്: MovieLens ഡാറ്റാസെറ്റ്

12. കസ്റ്റമർ സെഗ്മെന്റേഷൻ

ഒരു ഡാറ്റാ സയൻസ് പ്രോജക്റ്റ് (സോഴ്സ് കോഡ് ഉൾപ്പെടെ) ഉപയോഗിച്ച് തൊഴിലുടമകളെ ആകർഷിക്കുക - മെഷീൻ ലേണിംഗ് ഉപയോഗിച്ച് ഉപഭോക്തൃ വിഭജനം.

ബയർ സെഗ്മെന്റേഷൻ ഒരു ജനപ്രിയ ആപ്ലിക്കേഷനാണ് മേൽനോട്ടമില്ലാത്ത പഠനം. ക്ലസ്റ്ററിംഗ് ഉപയോഗിച്ച്, സാധ്യതയുള്ള ഉപയോക്തൃ അടിത്തറയിൽ പ്രവർത്തിക്കാൻ കമ്പനികൾ ഉപഭോക്തൃ വിഭാഗങ്ങളെ നിർവചിക്കുന്നു. ലിംഗഭേദം, പ്രായം, താൽപ്പര്യങ്ങൾ, ചെലവ് ശീലങ്ങൾ എന്നിങ്ങനെയുള്ള പൊതുവായ സ്വഭാവസവിശേഷതകൾ അനുസരിച്ച് അവർ ഉപഭോക്താക്കളെ ഗ്രൂപ്പുകളായി വിഭജിക്കുന്നു, അതുവഴി ഓരോ ഗ്രൂപ്പിനും അവരുടെ ഉൽപ്പന്നങ്ങൾ ഫലപ്രദമായി വിപണനം ചെയ്യാൻ കഴിയും. ഞങ്ങൾ ഉപയോഗിക്കും കെ-ക്ലസ്റ്ററിംഗ് എന്നാണ് അർത്ഥമാക്കുന്നത്, അതുപോലെ ലിംഗഭേദവും പ്രായവും അനുസരിച്ച് വിതരണം ദൃശ്യവൽക്കരിക്കുക. തുടർന്ന് അവരുടെ വാർഷിക വരുമാനവും ചെലവും ഞങ്ങൾ വിശകലനം ചെയ്യുന്നു.

ഭാഷ: R

ഡാറ്റാസെറ്റ്/പാക്കേജ്: Mall_Customers ഡാറ്റാസെറ്റ്

13. സ്തനാർബുദ വർഗ്ഗീകരണം

പൈത്തണിലെ ഡാറ്റാ സയൻസ് പ്രോജക്റ്റിന്റെ പൂർണ്ണമായ നടത്തിപ്പ് കാണുക - ഡീപ് ലേണിംഗ് ഉപയോഗിച്ച് സ്തനാർബുദ വർഗ്ഗീകരണം.

ഡാറ്റാ സയൻസിന്റെ മെഡിക്കൽ സംഭാവനയിലേക്ക് മടങ്ങുമ്പോൾ, പൈത്തൺ ഉപയോഗിച്ച് സ്തനാർബുദം എങ്ങനെ കണ്ടെത്താമെന്ന് നമുക്ക് പഠിക്കാം. സ്തനാർബുദത്തിന്റെ ഏറ്റവും സാധാരണമായ രൂപമായ ഇൻവേസിവ് ഡക്റ്റൽ കാർസിനോമ കണ്ടുപിടിക്കാൻ ഞങ്ങൾ IDC_regular ഡാറ്റാസെറ്റ് ഉപയോഗിക്കും. ഇത് പാൽ നാളങ്ങളിൽ വികസിക്കുന്നു, നാളിക്ക് പുറത്തുള്ള സസ്തനഗ്രന്ഥിയുടെ നാരുകളോ ഫാറ്റി ടിഷ്യൂകളിലേക്കോ തുളച്ചുകയറുന്നു. ഈ ഡാറ്റാ ശേഖരണ ശാസ്ത്ര പദ്ധതി ആശയത്തിൽ, ഞങ്ങൾ ഉപയോഗിക്കും ആഴത്തിലുള്ള പഠനം വർഗ്ഗീകരണത്തിനായി കേരസ് ലൈബ്രറിയും.

ഭാഷ: പൈത്തൺ

ഡാറ്റാസെറ്റ്/പാക്കേജ്: IDC_regular

14. ട്രാഫിക് അടയാളങ്ങൾ തിരിച്ചറിയൽ

ഡാറ്റാ സയൻസ് പ്രോജക്റ്റ് ഓണാക്കി സ്വയം ഡ്രൈവിംഗ് കാർ സാങ്കേതികവിദ്യയിൽ കൃത്യത കൈവരിക്കുന്നു CNN ഉപയോഗിച്ച് ട്രാഫിക് സൈൻ തിരിച്ചറിയൽ തുറന്ന ഉറവിടം.

അപകടങ്ങൾ ഒഴിവാക്കാൻ ഓരോ ഡ്രൈവർക്കും റോഡ് അടയാളങ്ങളും ട്രാഫിക് നിയമങ്ങളും വളരെ പ്രധാനമാണ്. നിയമം പാലിക്കാൻ, റോഡ് അടയാളം എങ്ങനെയുണ്ടെന്ന് നിങ്ങൾ ആദ്യം മനസ്സിലാക്കേണ്ടതുണ്ട്. ഏതെങ്കിലും വാഹനം ഓടിക്കാനുള്ള അവകാശം നൽകുന്നതിന് മുമ്പ് ഒരു വ്യക്തി എല്ലാ റോഡ് അടയാളങ്ങളും പഠിച്ചിരിക്കണം. എന്നാൽ ഇപ്പോൾ സ്വയംഭരണ വാഹനങ്ങളുടെ എണ്ണം വർദ്ധിച്ചുകൊണ്ടിരിക്കുകയാണ്, സമീപഭാവിയിൽ, ഒരു വ്യക്തി ഇനി സ്വന്തമായി ഒരു കാർ ഓടിക്കുന്നില്ല. റോഡ് സൈൻ റെക്കഗ്നിഷൻ പ്രോജക്റ്റിൽ, ഒരു ഇമേജ് ഇൻപുട്ടായി എടുത്ത് ഒരു പ്രോഗ്രാമിന് ഒരു തരം റോഡ് അടയാളം എങ്ങനെ തിരിച്ചറിയാമെന്ന് നിങ്ങൾ പഠിക്കും. ജർമ്മൻ റോഡ് സൈൻ റെക്കഗ്നിഷൻ റഫറൻസ് ഡാറ്റാസെറ്റ് (GTSRB) ഒരു ട്രാഫിക് സൈൻ ഉൾപ്പെടുന്ന ക്ലാസ് തിരിച്ചറിയാൻ ഒരു ആഴത്തിലുള്ള ന്യൂറൽ നെറ്റ്‌വർക്ക് നിർമ്മിക്കാൻ ഉപയോഗിക്കുന്നു. ആപ്ലിക്കേഷനുമായി സംവദിക്കാൻ ഞങ്ങൾ ഒരു ലളിതമായ GUI സൃഷ്ടിക്കുന്നു.

ഭാഷ: പൈത്തൺ

ഡാറ്റ സെറ്റ്: GTRB (ജർമ്മൻ ട്രാഫിക് സൈൻ റെക്കഗ്നിഷൻ ബെഞ്ച്മാർക്ക്)

കൂടുതൽ വായിക്കുക

• പരിശീലന പദ്ധതികൾക്കായി 52 ഡാറ്റാസെറ്റുകൾ
• ഫ്രണ്ട്-എൻഡ് ഡോജോ: ഡെവലപ്പർ കഴിവുകളെ പരിശീലിപ്പിക്കുന്നതിനുള്ള പ്രോജക്ടുകൾ (5 പുതിയത് + 43 പഴയത്)
• ഏറ്റവും രസകരമായ 12 ഐടി ഡൈനാമിക് ഇൻഫോഗ്രാഫിക്സ്

അവലംബം: www.habr.com