14 open-source prosjekter for å forbedre Data Science ferdigheter (lett, normal, vanskelig)

Data Science for Beginners

1. Sentiment Analysis

See the full implementation of the Data Science project using the source code — Sentiment Analysis Project in R.

Sentiment Analysis is the analysis of words to determine sentiments and opinions that can be positive or negative. This is a type of classification where the classes can be binary (positive and negative) or multiple (happy, angry, sad, etc.). We will implement this Data Science project in R and use the dataset from the 'janeaustenR' package. We will use general-purpose dictionaries such as AFINN, Bing, and Loughran, perform inner joins, and finally, we will create a word cloud to display the results.

Language: R
Dataset/Package: janeaustenR

Artikkelen er oversatt med støtte fra EDISON Software, som lager virtuelle prøverom for multibrand-butikker, samt tester programvare.

2. Fake News Detection

Take your skills to the next level by working on a beginner Data Science project — detecting fake news using Python.

Fake news is false information disseminated through social networks and other online media for political purposes. In this Data Science project idea, we will use Python to build a model that can accurately determine whether a news article is real or fake. We will create a TfidfVectorizer and use a PassiveAggressiveClassifier to classify news as 'real' or 'fake'. We will use a dataset of 7796 × 4 and do everything in Jupyter Lab.

Language: Python

Dataset/Package: news.csv

3. Detecting Parkinson’s Disease

Advance your skills by working on the Data Science project idea — detecting Parkinson's disease using XGBoost.

We started using Data Science to improve healthcare and services — if we can predict illnesses at an early stage, we will have many advantages. So, in this Data Science project idea, we will learn to detect Parkinson's Disease using Python. It is a neurodegenerative, progressive disease of the central nervous system that affects movement and causes tremors and stiffness. It affects dopamine-producing neurons in the brain, and every year it impacts over 1 million people in India.

Language: Python

Dataset/Package: UCI ML Parkinson's dataset

Medium Complexity Data Science Projects

4. Speech Emotion Recognition

Bli kjent med den komplette implementeringen av Data Science-prosjektet — talegjenkjenning med Librosa.

La oss nå lære å bruke forskjellige biblioteker. Dette Data Science-prosjektet bruker librosa for talegjenkjenning. SER er prosessen med å bestemme menneskelige følelser og affektive tilstander gjennom tale. Siden vi bruker tone og tonehøyde for å uttrykke følelser med stemmen, er SER aktuelt. Men ettersom følelser er subjektive, er annotering av lyd en kompleks oppgave. Vi vil bruke mfcc-, chroma- og mel-funksjoner og benytte RAVDESS-datasettet for å gjenkjenne følelser. Vi vil lage en MLPC-klassifikator for denne modellen.

Language: Python

Dataset/Package: RAVDESS-datasett

5. Kjønn og Alderdeteksjon

Imponer arbeidsgivere med det nyeste Data Science-prosjektet — kjønns- og alderdeteksjon med OpenCV.

Dette er et spennende Data Science-prosjekt med Python. Ved å bruke bare ett bilde vil du lære å forutsi kjønn og alder på en person. I dette prosjektet vil vi introdusere deg for Computer Vision og dens prinsipper. Vi vil bygge en konvolusjonsnervesystem og bruke modeller trent av Tal Hassner og Gil Levi for Adience-datasettet. Underveis vil vi bruke noen .pb, .pbtxt, .prototxt og .caffemodel-filer.

Language: Python

Dataset/Package: Adience

6. Uber Dataanalyse

Se den komplette implementeringen av Data Science-prosjektet med kildekode — Uber Dataanalyseprosjekt i R.

Dette er et datavisualiseringsprosjekt med ggplot2, der vi vil bruke R og dens biblioteker for å analysere forskjellige parametere. Vi vil bruke datasettet Uber Pickups i New York og lage visualiseringer for ulike tidsrammer i året. Dette viser oss hvordan tiden påvirker kundenes reiser.

Language: R

Dataset/Package: Uber Pickups i New York City-datasett

7. Oppdagelse av sjåførsløvhet

Ta ferdighetene dine til neste nivå med et topp Data Science-prosjekt — system for oppdagelse av sjåførsløvhet med OpenCV & Keras.

Søvnig kjøring er ekstremt farlig, og hver år skjer det rundt tusen ulykker fordi sjåfører sovner under kjøring. I dette Python-prosjektet vil vi lage et system som kan oppdage søvnige sjåfører, samt varsle dem med en lydsignal.

Dette prosjektet er implementert ved hjelp av Keras og OpenCV. Vi skal bruke OpenCV for ansikts- og øyegjenkjenning, og med Keras klassifisere øyets tilstand (Åpen eller Lukket) ved hjelp av metoder fra dyp læring.

8. Chatbot

Lag en chatbot med Python og ta et skritt fremover i karrieren — Chatbot med NLTK & Keras.

Chatboter er en integrert del av virksomheten. Mange bedrifter må tilby tjenester til sine kunder, og for å betjene dem kreves det mye arbeidskraft, tid og innsats. Chatboter kan automatisere mye av kundeinteraksjonen ved å svare på noen av de vanlige spørsmålene kundene stiller. Det finnes hovedsakelig to typer chatboter: Domenespesifikke og Åpen-domen. Domenespesifikke chatboter brukes ofte for å løse et spesifikt problem. Du må derfor tilpasse dem for effektiv drift i ditt felt. Åpen-domen chatboter kan få spørsmål om hva som helst, så det kreves en enorm mengde data for å trene dem.

Datasett: Intents json-fil

Language: Python

Avanserte Data Science-prosjekter

9. Bildebeskrivelsesgenerator

Se den komplette prosjektimplementeringen med kildekoden — Bildebeskrivelsesgenerator med CNN & LSTM.

Å beskrive hva som er i et bilde er en enkel oppgave for mennesker, men for datamaskiner er bildet bare en mengde tall som representerer fargeverdien til hver piksel. Det er en utfordrende oppgave for datamaskiner. Å forstå hva som er i bildet og så lage en beskrivelse på naturlig språk (for eksempel engelsk) er en annen utfordrende oppgave. Dette prosjektet bruker metoder for dyp læring, hvor vi implementerer et konvolusjonært nevrale nettverk (CNN) med et rekurrent nevrale nettverk (LSTM) for å lage en generator for bildebeskrivelser.

Datasett: Flickr 8K

Language: Python

Rammeverk: Keras

10. Kredittkortsvindeldeteksjon

Gjør ditt beste ved å jobbe med prosjektideen innen Data Science — kredittkortsvindel deteksjon med maskinlæring.

Så langt har du begynt å forstå metoder og konsepter. La oss gå videre til noen avanserte prosjekter innen datavitenskap. I dette prosjektet vil vi bruke R-språket med algoritmer som beslutningstrær, logistisk regresjon, kunstige nevrale nettverk og gradientboosterklassifikator. Vi skal bruke et datasett med korttransaksjoner for å klassifisere kredittkorttransaksjoner som svindel eller ekte. Vi vil tilpasse forskjellige modeller for dem og bygge ytelseskurver.

Language: R

Dataset/Package: Datasett for korttransaksjoner

11. Filmanbefalingssystem

Utforsk implementeringen av det beste Data Science-prosjektet med kildekode — Filmanbefalingssystem på R-språket

I dette Data Science-prosjektet vil vi bruke R for å gi filmanbefalinger gjennom maskinlæring. Anbefalingssystemet sender forslag til brukere gjennom en filtreringsprosess basert på preferansene til andre brukere og seerhistorikk. Hvis A og B liker Home Alone, og B elsker Mean Girls, kan det foreslås til A at de også kan like det. Dette lar kundene engasjere seg med plattformen.

Language: R

Dataset/Package: MovieLens-datasett

12. Kundesegmentering

Imponer arbeidsgiverne med et Data Science-prosjekt (inkludert kildekode) — Kundesegmentering med maskinlæring.

Kundesegmentering er en populær applikasjon av usupervisert læring.Ved å bruke klynging definerer selskaper kundegrupper for å jobbe med en potensiell brukerbase. De deler kunder i grupper basert på felles egenskaper, som kjønn, alder, interesser og forbruksvaner, slik at de kan selge produktene sine effektivt til hver gruppe. Vi vil bruke K-means klynging, samt visualisere fordelingen etter kjønn og alder. Deretter analyserer vi deres årlige inntekter og forbruksnivå.

Language: R

Dataset/Package: Mall_Customers-datasett

13. Klassifisering av brystkreft

Se den komplette implementeringen av Data Science-prosjektet i Python — Klassifisering av brystkreft med dyp læring.

Når vi vender tilbake til den medisinske innflytelsen av data science, la oss lære å oppdage brystkreft ved hjelp av Python. Vi skal bruke datasettet IDC_regular for å identifisere invasiv duktal karsinom, den mest utbredte formen for brystkreft. Den utvikler seg i melkegangene og trenger inn i bindevev eller fettvev utenfor gangen. I dette vitenskapelige prosjektet om datainnsamling vil vi bruke Dyp læring og Keras-biblioteket for klassifisering.

Language: Python

Dataset/Package: IDC_regular

14. Gjenkjenning av trafikkskilt

Å oppnå nøyaktighet innen teknologi for selvkjørende biler gjennom et data science-prosjekt om gjenkjenning av trafikkskilt ved hjelp av CNN med åpen kildekode.

Trafikkskilt og trafikkregler er svært viktige for hver sjåfør for å unngå ulykker. For å følge reglene må man først forstå hvordan et trafikkskilt ser ut. En person må lære seg alle trafikkskiltene før de kan få førerkort for et hvilket som helst kjøretøy. Men nå vokser antall autonome kjøretøy, og i nær fremtid vil mennesket ikke lenger kjøre bilen selv. I prosjektet 'Gjenkjenning av trafikkskilt' vil du lære hvordan et program kan gjenkjenne typen trafikkskilt ved å ta et bilde som inngangssignal. Datasettet for gjenkjenning av trafikkskilt i Tyskland (GTSRB) brukes til å bygge et dypt nevralt nettverk for å gjenkjenne hvilken klasse trafikkskiltet tilhører. Vi lager også et enkelt grafisk brukergrensesnitt for å interagere med applikasjonen.

Language: Python

Datasett: GTSRB (Tysk gjenkjenning av trafikkskilt-benchmark)

Read more

• 52 datasett for treningsprosjekter
• Front-end dojo: prosjekter for å trene utviklerferdigheter (5 nye + 43 gamle)
• Topp 12 mest interessante IT-dynamiske infografikker

Kilde: habr.com