14 ਓਪਨ-ਸੋਰਸ ਪ੍ਰੋਜੈਕਟ ਡਾਟਾ ਸਾਇੰਸ ਹੁਨਰਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ (ਆਸਾਨ, ਆਮ, ਸਖ਼ਤ)

ਸ਼ੁਰੂਆਤ ਕਰਨ ਵਾਲਿਆਂ ਲਈ ਡਾਟਾ ਵਿਗਿਆਨ

1. ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ (ਟੈਕਸਟ ਦੁਆਰਾ ਮੂਡ ਵਿਸ਼ਲੇਸ਼ਣ)

ਸਰੋਤ ਕੋਡ - ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਡੇਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਦਾ ਪੂਰਾ ਲਾਗੂਕਰਨ ਦੇਖੋ ਆਰ ਵਿੱਚ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰੋਜੈਕਟ.

ਭਾਵਨਾਵਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਭਾਵਨਾਵਾਂ ਅਤੇ ਵਿਚਾਰਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਸ਼ਬਦਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਹੈ, ਜੋ ਸਕਾਰਾਤਮਕ ਜਾਂ ਨਕਾਰਾਤਮਕ ਹੋ ਸਕਦੇ ਹਨ। ਇਹ ਵਰਗੀਕਰਨ ਦੀ ਇੱਕ ਕਿਸਮ ਹੈ ਜਿੱਥੇ ਕਲਾਸਾਂ ਬਾਈਨਰੀ (ਸਕਾਰਾਤਮਕ ਅਤੇ ਨਕਾਰਾਤਮਕ) ਜਾਂ ਬਹੁਵਚਨ (ਖੁਸ਼, ਗੁੱਸੇ, ਉਦਾਸ, ਗੰਦੇ...) ਹੋ ਸਕਦੀਆਂ ਹਨ। ਅਸੀਂ ਇਸ ਡੇਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਨੂੰ R ਵਿੱਚ ਲਾਗੂ ਕਰਾਂਗੇ ਅਤੇ "janeaustenR" ਪੈਕੇਜ ਵਿੱਚ ਡੇਟਾਸੈਟ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ। ਅਸੀਂ ਆਮ ਉਦੇਸ਼ ਸ਼ਬਦਕੋਸ਼ਾਂ ਜਿਵੇਂ ਕਿ AFINN, bing ਅਤੇ loughran ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ, ਇੱਕ ਅੰਦਰੂਨੀ ਜੋੜਾਂਗੇ ਅਤੇ ਅੰਤ ਵਿੱਚ ਅਸੀਂ ਨਤੀਜਾ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਲਈ ਇੱਕ ਸ਼ਬਦ ਕਲਾਉਡ ਬਣਾਵਾਂਗੇ।

ਅਜ਼ਮਾਇਸ਼: R
ਡਾਟਾਸੈੱਟ/ਪੈਕੇਜ: janeoustenR

ਲੇਖ ਦਾ ਅਨੁਵਾਦ EDISON ਸੌਫਟਵੇਅਰ ਦੇ ਸਮਰਥਨ ਨਾਲ ਕੀਤਾ ਗਿਆ ਸੀ, ਜੋ ਕਿ ਮਲਟੀ-ਬ੍ਰਾਂਡ ਸਟੋਰਾਂ ਲਈ ਵਰਚੁਅਲ ਫਿਟਿੰਗ ਰੂਮ ਬਣਾਉਂਦਾ ਹੈਅਤੇ ਟੈਸਟ ਸਾਫਟਵੇਅਰ.

2. ਜਾਅਲੀ ਖ਼ਬਰਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣਾ

ਸ਼ੁਰੂਆਤ ਕਰਨ ਵਾਲਿਆਂ ਲਈ ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ 'ਤੇ ਕੰਮ ਕਰਕੇ ਆਪਣੇ ਹੁਨਰ ਨੂੰ ਅਗਲੇ ਪੱਧਰ ਤੱਕ ਲੈ ਜਾਓ - ਪਾਈਥਨ ਨਾਲ ਜਾਅਲੀ ਖ਼ਬਰਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣਾ.

ਜਾਅਲੀ ਖ਼ਬਰਾਂ ਸਿਆਸੀ ਟੀਚਿਆਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਸੋਸ਼ਲ ਮੀਡੀਆ ਅਤੇ ਹੋਰ ਔਨਲਾਈਨ ਮੀਡੀਆ ਰਾਹੀਂ ਫੈਲਾਈ ਜਾਣ ਵਾਲੀ ਝੂਠੀ ਜਾਣਕਾਰੀ ਹੈ। ਇਸ ਡੇਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਦੇ ਵਿਚਾਰ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਪਾਈਥਨ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ ਜੋ ਸਹੀ ਢੰਗ ਨਾਲ ਇਹ ਨਿਰਧਾਰਿਤ ਕਰ ਸਕੇ ਕਿ ਖਬਰਾਂ ਅਸਲੀ ਹਨ ਜਾਂ ਨਕਲੀ। ਅਸੀਂ ਇੱਕ TfidfVectorizer ਬਣਾਵਾਂਗੇ ਅਤੇ ਖ਼ਬਰਾਂ ਨੂੰ "ਅਸਲੀ" ਅਤੇ "ਜਾਅਲੀ" ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ ਲਈ PassiveAggressiveClassifier ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ। ਅਸੀਂ ਇੱਕ 7796×4 ਆਕਾਰ ਡੇਟਾਸੈਟ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ ਅਤੇ ਜੁਪੀਟਰ ਲੈਬ ਵਿੱਚ ਸਭ ਕੁਝ ਕਰਾਂਗੇ।

ਅਜ਼ਮਾਇਸ਼: ਪਾਈਥਨ

ਡਾਟਾਸੈੱਟ/ਪੈਕੇਜ: news.csv

3. ਪਾਰਕਿੰਸਨ'ਸ ਦੀ ਬਿਮਾਰੀ ਦਾ ਪਤਾ ਲਗਾਉਣਾ

ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਆਈਡੀਆ - 'ਤੇ ਕੰਮ ਕਰਕੇ ਅੱਗੇ ਵਧੋ XGBoost ਨਾਲ ਪਾਰਕਿੰਸਨ'ਸ ਦੀ ਬਿਮਾਰੀ ਦਾ ਪਤਾ ਲਗਾਉਣਾ.

ਅਸੀਂ ਸਿਹਤ ਸੰਭਾਲ ਅਤੇ ਸੇਵਾਵਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਡਾਟਾ ਸਾਇੰਸ ਦੀ ਵਰਤੋਂ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤੀ ਹੈ - ਜੇਕਰ ਅਸੀਂ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ 'ਤੇ ਬਿਮਾਰੀ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰ ਸਕਦੇ ਹਾਂ, ਤਾਂ ਸਾਡੇ ਬਹੁਤ ਸਾਰੇ ਫਾਇਦੇ ਹੋਣਗੇ। ਇਸ ਲਈ, ਇਸ ਡੇਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਆਈਡੀਆ ਵਿੱਚ, ਅਸੀਂ ਪਾਇਥਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪਾਰਕਿੰਸਨ'ਸ ਦੀ ਬਿਮਾਰੀ ਦਾ ਪਤਾ ਲਗਾਉਣਾ ਸਿੱਖਾਂਗੇ। ਇਹ ਕੇਂਦਰੀ ਨਸ ਪ੍ਰਣਾਲੀ ਦੀ ਇੱਕ ਨਿਊਰੋਡੀਜਨਰੇਟਿਵ, ਪ੍ਰਗਤੀਸ਼ੀਲ ਬਿਮਾਰੀ ਹੈ ਜੋ ਅੰਦੋਲਨ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ ਅਤੇ ਕੰਬਣੀ ਅਤੇ ਕਠੋਰਤਾ ਦਾ ਕਾਰਨ ਬਣਦੀ ਹੈ। ਇਹ ਦਿਮਾਗ ਵਿੱਚ ਡੋਪਾਮਾਈਨ ਪੈਦਾ ਕਰਨ ਵਾਲੇ ਨਿਊਰੋਨਸ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ, ਅਤੇ ਹਰ ਸਾਲ, ਇਹ ਭਾਰਤ ਵਿੱਚ 1 ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਲੋਕਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ।

ਅਜ਼ਮਾਇਸ਼: ਪਾਈਥਨ

ਡਾਟਾਸੈੱਟ/ਪੈਕੇਜ: UCI ML ਪਾਰਕਿੰਸਨ ਡੇਟਾਸੈਟ

ਮੱਧਮ ਜਟਿਲਤਾ ਦੇ ਡੇਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ

4. ਭਾਸ਼ਣ ਭਾਵਨਾ ਦੀ ਪਛਾਣ

ਡਾਟਾ ਸਾਇੰਸ ਨਮੂਨਾ ਪ੍ਰੋਜੈਕਟ ਦੇ ਪੂਰੇ ਲਾਗੂਕਰਨ ਦੀ ਜਾਂਚ ਕਰੋ - ਲਿਬਰੋਸਾ ਨਾਲ ਬੋਲੀ ਦੀ ਪਛਾਣ.

ਆਓ ਹੁਣ ਸਿੱਖੀਏ ਕਿ ਵੱਖ-ਵੱਖ ਲਾਇਬ੍ਰੇਰੀਆਂ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ। ਇਹ ਡੇਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਬੋਲੀ ਪਛਾਣ ਲਈ ਲਿਬਰੋਸਾ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। SER ਮਨੁੱਖੀ ਭਾਵਨਾਵਾਂ ਅਤੇ ਭਾਸ਼ਣ ਤੋਂ ਪ੍ਰਭਾਵੀ ਅਵਸਥਾਵਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਹੈ। ਕਿਉਂਕਿ ਅਸੀਂ ਆਪਣੀ ਆਵਾਜ਼ ਨਾਲ ਭਾਵਨਾਵਾਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰਨ ਲਈ ਟੋਨ ਅਤੇ ਪਿੱਚ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ, SER ਢੁਕਵਾਂ ਹੈ। ਪਰ ਕਿਉਂਕਿ ਭਾਵਨਾਵਾਂ ਵਿਅਕਤੀਗਤ ਹਨ, ਆਡੀਓ ਐਨੋਟੇਸ਼ਨ ਇੱਕ ਮੁਸ਼ਕਲ ਕੰਮ ਹੈ। ਅਸੀਂ mfcc, ਕ੍ਰੋਮਾ ਅਤੇ ਮੇਲ ਫੰਕਸ਼ਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ ਅਤੇ ਭਾਵਨਾ ਦੀ ਪਛਾਣ ਲਈ RAVDESS ਡੇਟਾਸੈਟ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ। ਅਸੀਂ ਇਸ ਮਾਡਲ ਲਈ ਇੱਕ MLPC ਵਰਗੀਕਰਣ ਬਣਾਵਾਂਗੇ।

ਅਜ਼ਮਾਇਸ਼: ਪਾਈਥਨ

ਡਾਟਾਸੈੱਟ/ਪੈਕੇਜ: RAVDESS ਡੇਟਾਸੈਟ

5. ਲਿੰਗ ਅਤੇ ਉਮਰ ਦਾ ਪਤਾ ਲਗਾਉਣਾ

ਨਵੀਨਤਮ ਡੇਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਨਾਲ ਰੁਜ਼ਗਾਰਦਾਤਾਵਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰੋ - OpenCV ਨਾਲ ਲਿੰਗ ਅਤੇ ਉਮਰ ਦਾ ਪਤਾ ਲਗਾਉਣਾ.

ਇਹ ਪਾਈਥਨ ਦੇ ਨਾਲ ਇੱਕ ਦਿਲਚਸਪ ਡਾਟਾ ਵਿਗਿਆਨ ਹੈ। ਸਿਰਫ਼ ਇੱਕ ਚਿੱਤਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਲਿੰਗ ਅਤੇ ਉਮਰ ਦਾ ਅੰਦਾਜ਼ਾ ਕਿਵੇਂ ਲਗਾਉਣਾ ਹੈ। ਇਸ ਵਿੱਚ, ਅਸੀਂ ਤੁਹਾਨੂੰ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਅਤੇ ਇਸਦੇ ਸਿਧਾਂਤਾਂ ਤੋਂ ਜਾਣੂ ਕਰਵਾਵਾਂਗੇ। ਅਸੀਂ ਬਣਾਵਾਂਗੇ convolutional neural ਨੈੱਟਵਰਕ ਅਤੇ Adience ਡੇਟਾਸੈਟ 'ਤੇ Tal Hassner ਅਤੇ Gil Levy ਦੁਆਰਾ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰੇਗਾ। ਅਸੀਂ ਰਸਤੇ ਵਿੱਚ ਕੁਝ .pb, .pbtxt, .prototxt ਅਤੇ .caffemodel ਫਾਈਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ।

ਅਜ਼ਮਾਇਸ਼: ਪਾਈਥਨ

ਡਾਟਾਸੈੱਟ/ਪੈਕੇਜ: ਹਾਜ਼ਰੀਨ

6. ਉਬੇਰ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ

ਸਰੋਤ ਕੋਡ - ਦੇ ਨਾਲ ਡੇਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਦਾ ਪੂਰਾ ਲਾਗੂਕਰਨ ਦੇਖੋ ਉਬੇਰ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਆਰ.

ਇਹ ggplot2 ਦੇ ਨਾਲ ਇੱਕ ਡੇਟਾ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਪ੍ਰੋਜੈਕਟ ਹੈ ਜਿਸ ਵਿੱਚ ਅਸੀਂ R ਅਤੇ ਇਸਦੀਆਂ ਲਾਇਬ੍ਰੇਰੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ ਅਤੇ ਵੱਖ-ਵੱਖ ਮਾਪਦੰਡਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਾਂਗੇ। ਅਸੀਂ Uber Pickups New York Dataset ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ ਅਤੇ ਸਾਲ ਦੇ ਵੱਖ-ਵੱਖ ਸਮਾਂ ਫ੍ਰੇਮਾਂ ਲਈ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਬਣਾਵਾਂਗੇ। ਇਹ ਸਾਨੂੰ ਦੱਸਦਾ ਹੈ ਕਿ ਸਮਾਂ ਗਾਹਕ ਦੀਆਂ ਯਾਤਰਾਵਾਂ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ।

ਅਜ਼ਮਾਇਸ਼: R

ਡਾਟਾਸੈੱਟ/ਪੈਕੇਜ: ਨਿਊਯਾਰਕ ਸਿਟੀ ਡੇਟਾਸੈਟ ਵਿੱਚ ਉਬੇਰ ਪਿਕਅੱਪਸ

7. ਡਰਾਈਵਰ ਦੀ ਸੁਸਤੀ ਦਾ ਪਤਾ ਲਗਾਉਣਾ

ਚੋਟੀ ਦੇ ਡੇਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ 'ਤੇ ਕੰਮ ਕਰਕੇ ਆਪਣੇ ਹੁਨਰ ਨੂੰ ਅਪਗ੍ਰੇਡ ਕਰੋ - ਓਪਨਸੀਵੀ ਅਤੇ ਕੇਰਾਸ ਨਾਲ ਨੀਂਦ ਦਾ ਪਤਾ ਲਗਾਉਣ ਵਾਲੀ ਪ੍ਰਣਾਲੀ.

ਸਲੀਪ ਡਰਾਈਵਿੰਗ ਬੇਹੱਦ ਖ਼ਤਰਨਾਕ ਹੈ, ਹਰ ਸਾਲ ਕਰੀਬ ਇੱਕ ਹਜ਼ਾਰ ਹਾਦਸੇ ਡਰਾਈਵਰਾਂ ਦੇ ਡਰਾਈਵਿੰਗ ਦੌਰਾਨ ਸੌਂ ਜਾਣ ਕਾਰਨ ਹੁੰਦੇ ਹਨ। ਇਸ ਪਾਈਥਨ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਅਜਿਹਾ ਸਿਸਟਮ ਬਣਾਵਾਂਗੇ ਜੋ ਨੀਂਦ ਵਿੱਚ ਆਉਣ ਵਾਲੇ ਡਰਾਈਵਰਾਂ ਦਾ ਪਤਾ ਲਗਾ ਸਕਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਬੀਪ ਨਾਲ ਅਲਰਟ ਵੀ ਕਰ ਸਕਦਾ ਹੈ।

ਇਹ ਪ੍ਰੋਜੈਕਟ Keras ਅਤੇ OpenCV ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੈ। ਅਸੀਂ ਚਿਹਰੇ ਅਤੇ ਅੱਖਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ ਓਪਨਸੀਵੀ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ ਅਤੇ ਕੇਰਸ ਦੀ ਮਦਦ ਨਾਲ ਅਸੀਂ ਡੂੰਘੇ ਨਿਊਰਲ ਨੈਟਵਰਕ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅੱਖਾਂ ਦੀ ਸਥਿਤੀ (ਖੁੱਲ੍ਹੇ ਜਾਂ ਬੰਦ) ਦਾ ਵਰਗੀਕਰਨ ਕਰਾਂਗੇ।

8. ਚੈਟਬੋਟ

ਪਾਈਥਨ ਦੇ ਨਾਲ ਇੱਕ ਚੈਟਬੋਟ ਬਣਾਓ ਅਤੇ ਆਪਣੇ ਕਰੀਅਰ ਵਿੱਚ ਇੱਕ ਕਦਮ ਅੱਗੇ ਵਧਾਓ - NLTK ਅਤੇ Keras ਨਾਲ ਚੈਟਬੋਟ.

ਚੈਟਬੋਟਸ ਕਾਰੋਬਾਰ ਦਾ ਇੱਕ ਅਨਿੱਖੜਵਾਂ ਅੰਗ ਹਨ। ਬਹੁਤ ਸਾਰੇ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਆਪਣੇ ਗਾਹਕਾਂ ਨੂੰ ਸੇਵਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਨੀਆਂ ਪੈਂਦੀਆਂ ਹਨ ਅਤੇ ਉਹਨਾਂ ਦੀ ਸੇਵਾ ਕਰਨ ਲਈ ਬਹੁਤ ਜ਼ਿਆਦਾ ਮਨੁੱਖੀ ਸ਼ਕਤੀ, ਸਮਾਂ ਅਤੇ ਮਿਹਨਤ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਚੈਟਬੋਟਸ ਗਾਹਕਾਂ ਦੁਆਰਾ ਪੁੱਛੇ ਜਾਣ ਵਾਲੇ ਕੁਝ ਆਮ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇ ਕੇ ਬਹੁਤ ਸਾਰੇ ਗਾਹਕਾਂ ਦੇ ਆਪਸੀ ਸੰਪਰਕ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰ ਸਕਦੇ ਹਨ। ਇੱਥੇ ਅਸਲ ਵਿੱਚ ਦੋ ਤਰ੍ਹਾਂ ਦੇ ਚੈਟਬੋਟਸ ਹਨ: ਡੋਮੇਨ-ਵਿਸ਼ੇਸ਼ ਅਤੇ ਓਪਨ-ਡੋਮੇਨ। ਇੱਕ ਡੋਮੇਨ-ਵਿਸ਼ੇਸ਼ ਚੈਟਬੋਟ ਅਕਸਰ ਇੱਕ ਖਾਸ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ, ਤੁਹਾਨੂੰ ਆਪਣੇ ਖੇਤਰ ਵਿੱਚ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਇਸਨੂੰ ਅਨੁਕੂਲਿਤ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ. ਓਪਨ-ਡੋਮੇਨ ਚੈਟਬੋਟਸ ਨੂੰ ਕੋਈ ਵੀ ਸਵਾਲ ਪੁੱਛਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਇਸਲਈ ਉਹਨਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਬਹੁਤ ਸਾਰੇ ਡੇਟਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਡਾਟਾ ਸੈੱਟ: ਇੰਟੈਂਟਸ ਜੇਸਨ ਫਾਈਲ

ਅਜ਼ਮਾਇਸ਼: ਪਾਈਥਨ

ਐਡਵਾਂਸਡ ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ

9. ਚਿੱਤਰ ਕੈਪਸ਼ਨ ਜਨਰੇਟਰ

ਸਰੋਤ ਕੋਡ - ਦੇ ਨਾਲ ਪੂਰੇ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਜਾਂਚ ਕਰੋ CNN ਅਤੇ LSTM ਦੇ ਨਾਲ ਚਿੱਤਰ ਕੈਪਸ਼ਨ ਜਨਰੇਟਰ.

ਚਿੱਤਰ ਵਿੱਚ ਕੀ ਹੈ ਦਾ ਵਰਣਨ ਕਰਨਾ ਮਨੁੱਖਾਂ ਲਈ ਇੱਕ ਆਸਾਨ ਕੰਮ ਹੈ, ਪਰ ਕੰਪਿਊਟਰਾਂ ਲਈ, ਇੱਕ ਚਿੱਤਰ ਸਿਰਫ਼ ਸੰਖਿਆਵਾਂ ਦਾ ਇੱਕ ਸੰਗ੍ਰਹਿ ਹੈ ਜੋ ਹਰੇਕ ਪਿਕਸਲ ਦੇ ਰੰਗ ਮੁੱਲ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਕੰਪਿਊਟਰਾਂ ਲਈ ਇਹ ਔਖਾ ਕੰਮ ਹੈ। ਇੱਕ ਚਿੱਤਰ ਵਿੱਚ ਕੀ ਹੈ ਨੂੰ ਸਮਝਣਾ ਅਤੇ ਫਿਰ ਇੱਕ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਦਾ ਵਰਣਨ (ਉਦਾਹਰਨ ਲਈ ਅੰਗਰੇਜ਼ੀ) ਬਣਾਉਣਾ ਇੱਕ ਹੋਰ ਮੁਸ਼ਕਲ ਕੰਮ ਹੈ। ਇਹ ਪ੍ਰੋਜੈਕਟ ਡੂੰਘੀ ਸਿਖਲਾਈ ਦੀਆਂ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਅਸੀਂ ਇੱਕ ਚਿੱਤਰ ਵਰਣਨ ਜਨਰੇਟਰ ਬਣਾਉਣ ਲਈ ਇੱਕ ਆਵਰਤੀ ਨਿਊਰਲ ਨੈੱਟਵਰਕ (LSTM) ਦੇ ਨਾਲ ਇੱਕ ਕਨਵੋਲਿਊਸ਼ਨਲ ਨਿਊਰਲ ਨੈੱਟਵਰਕ (CNN) ਨੂੰ ਲਾਗੂ ਕਰਦੇ ਹਾਂ।

ਡਾਟਾ ਸੈੱਟ: Flickr 8K

ਅਜ਼ਮਾਇਸ਼: ਪਾਈਥਨ

ਫਰੇਮਵਰਕ: ਕੇਰਸ

10. ਕ੍ਰੈਡਿਟ ਕਾਰਡ ਧੋਖਾਧੜੀ ਦਾ ਪਤਾ ਲਗਾਉਣਾ

ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਵਿਚਾਰ - 'ਤੇ ਕੰਮ ਕਰਕੇ ਆਪਣਾ ਸਭ ਤੋਂ ਵਧੀਆ ਕਰੋ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਨਾਲ ਕ੍ਰੈਡਿਟ ਕਾਰਡ ਧੋਖਾਧੜੀ ਦਾ ਪਤਾ ਲਗਾਉਣਾ.

ਹੁਣ ਤੱਕ ਤੁਸੀਂ ਤਰੀਕਿਆਂ ਅਤੇ ਸੰਕਲਪਾਂ ਨੂੰ ਸਮਝਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ ਹੈ। ਆਓ ਕੁਝ ਉੱਨਤ ਡਾਟਾ ਵਿਗਿਆਨ ਪ੍ਰੋਜੈਕਟਾਂ ਵੱਲ ਵਧੀਏ। ਇਸ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ, ਅਸੀਂ ਐਲਗੋਰਿਦਮ ਦੇ ਨਾਲ ਆਰ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ ਜਿਵੇਂ ਕਿ ਫੈਸਲੇ ਦੇ ਰੁੱਖ, ਲੌਜਿਸਟਿਕ ਰਿਗਰੈਸ਼ਨ, ਆਰਟੀਫਿਸ਼ੀਅਲ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਅਤੇ ਗਰੇਡੀਐਂਟ ਬੂਸਟਿੰਗ ਕਲਾਸੀਫਾਇਰ। ਅਸੀਂ ਕ੍ਰੈਡਿਟ ਕਾਰਡ ਲੈਣ-ਦੇਣ ਨੂੰ ਧੋਖਾਧੜੀ ਅਤੇ ਅਸਲੀ ਵਜੋਂ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ ਲਈ ਕਾਰਡ ਲੈਣ-ਦੇਣ ਡੇਟਾਸੈੱਟ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ। ਅਸੀਂ ਉਹਨਾਂ ਲਈ ਵੱਖ-ਵੱਖ ਮਾਡਲਾਂ ਦੀ ਚੋਣ ਕਰਾਂਗੇ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਕਰਵ ਬਣਾਵਾਂਗੇ।

ਅਜ਼ਮਾਇਸ਼: R

ਡਾਟਾਸੈੱਟ/ਪੈਕੇਜ: ਕਾਰਡ ਲੈਣ-ਦੇਣ ਡੇਟਾਸੈਟ

11. ਮੂਵੀ ਸਿਫਾਰਸ਼ ਸਿਸਟਮ

ਸ੍ਰੋਤ ਕੋਡ ਦੇ ਨਾਲ ਸਭ ਤੋਂ ਵਧੀਆ ਡੇਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਪੜਚੋਲ ਕਰੋ - ਫਿਲਮ ਦੀ ਸਿਫ਼ਾਰਿਸ਼ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਆਰ

ਇਸ ਡੇਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ, ਅਸੀਂ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੁਆਰਾ ਫਿਲਮ ਦੀਆਂ ਸਿਫ਼ਾਰਸ਼ਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਆਰ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ। ਸਿਫ਼ਾਰਿਸ਼ ਪ੍ਰਣਾਲੀ ਦੂਜੇ ਉਪਭੋਗਤਾਵਾਂ ਦੀਆਂ ਤਰਜੀਹਾਂ ਅਤੇ ਬ੍ਰਾਊਜ਼ਿੰਗ ਇਤਿਹਾਸ ਦੇ ਅਧਾਰ ਤੇ ਇੱਕ ਫਿਲਟਰਿੰਗ ਪ੍ਰਕਿਰਿਆ ਦੁਆਰਾ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਸੁਝਾਅ ਭੇਜਦੀ ਹੈ। ਜੇਕਰ A ਅਤੇ B ਨੂੰ ਹੋਮ ਅਲੋਨ ਪਸੰਦ ਹੈ, ਅਤੇ B ਨੂੰ ਮੀਨ ਗਰਲਜ਼ ਪਸੰਦ ਹਨ, ਤਾਂ ਤੁਸੀਂ A ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦੇ ਹੋ - ਉਹ ਵੀ ਇਸ ਨੂੰ ਪਸੰਦ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਗਾਹਕਾਂ ਨੂੰ ਪਲੇਟਫਾਰਮ ਨਾਲ ਇੰਟਰੈਕਟ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।

ਅਜ਼ਮਾਇਸ਼: R

ਡਾਟਾਸੈੱਟ/ਪੈਕੇਜ: MovieLens ਡੇਟਾਸੈਟ

12. ਗਾਹਕ ਵੰਡ

ਇੱਕ ਡੇਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ (ਸਰੋਤ ਕੋਡ ਸਮੇਤ) ਨਾਲ ਰੁਜ਼ਗਾਰਦਾਤਾਵਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰੋ - ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੇ ਨਾਲ ਗਾਹਕ ਵੰਡ.

ਖਰੀਦਦਾਰ ਵਿਭਾਜਨ ਇੱਕ ਪ੍ਰਸਿੱਧ ਐਪਲੀਕੇਸ਼ਨ ਹੈ ਨਿਰੀਖਣ ਰਹਿਤ ਸਿਖਲਾਈ. ਕਲੱਸਟਰਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਕੰਪਨੀਆਂ ਸੰਭਾਵੀ ਉਪਭੋਗਤਾ ਅਧਾਰ ਦੇ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਗਾਹਕ ਹਿੱਸਿਆਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੀਆਂ ਹਨ। ਉਹ ਗਾਹਕਾਂ ਨੂੰ ਲਿੰਗ, ਉਮਰ, ਰੁਚੀਆਂ ਅਤੇ ਖਰਚ ਕਰਨ ਦੀਆਂ ਆਦਤਾਂ ਵਰਗੀਆਂ ਆਮ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਅਨੁਸਾਰ ਸਮੂਹਾਂ ਵਿੱਚ ਵੰਡਦੇ ਹਨ, ਤਾਂ ਜੋ ਉਹ ਹਰੇਕ ਸਮੂਹ ਵਿੱਚ ਆਪਣੇ ਉਤਪਾਦਾਂ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਮਾਰਕੀਟ ਕਰ ਸਕਣ। ਅਸੀਂ ਵਰਤਾਂਗੇ K- ਦਾ ਮਤਲਬ ਹੈ ਕਲੱਸਟਰਿੰਗ, ਨਾਲ ਹੀ ਲਿੰਗ ਅਤੇ ਉਮਰ ਦੁਆਰਾ ਵੰਡ ਦੀ ਕਲਪਨਾ ਕਰੋ। ਅਸੀਂ ਫਿਰ ਉਹਨਾਂ ਦੀ ਸਾਲਾਨਾ ਆਮਦਨ ਅਤੇ ਖਰਚੇ ਦੇ ਪੱਧਰਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਾਂ।

ਅਜ਼ਮਾਇਸ਼: R

ਡਾਟਾਸੈੱਟ/ਪੈਕੇਜ: Mall_Customers dataset

13. ਛਾਤੀ ਦੇ ਕੈਂਸਰ ਵਰਗੀਕਰਣ

ਪਾਈਥਨ - ਵਿੱਚ ਡੇਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਦਾ ਪੂਰਾ ਲਾਗੂਕਰਨ ਦੇਖੋ ਡੂੰਘੀ ਸਿਖਲਾਈ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਛਾਤੀ ਦੇ ਕੈਂਸਰ ਦਾ ਵਰਗੀਕਰਨ.

ਡਾਟਾ ਸਾਇੰਸ ਦੇ ਡਾਕਟਰੀ ਯੋਗਦਾਨ 'ਤੇ ਵਾਪਸ ਆਉਂਦੇ ਹੋਏ, ਆਓ ਜਾਣਦੇ ਹਾਂ ਕਿ ਪਾਈਥਨ ਨਾਲ ਛਾਤੀ ਦੇ ਕੈਂਸਰ ਦਾ ਪਤਾ ਕਿਵੇਂ ਲਗਾਇਆ ਜਾਵੇ। ਅਸੀਂ ਛਾਤੀ ਦੇ ਕੈਂਸਰ ਦਾ ਸਭ ਤੋਂ ਆਮ ਰੂਪ, ਹਮਲਾਵਰ ਡਕਟਲ ਕਾਰਸੀਨੋਮਾ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ IDC_regular ਡੇਟਾਸੈਟ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ। ਇਹ ਦੁੱਧ ਦੀਆਂ ਨਲੀਆਂ ਵਿੱਚ ਵਿਕਸਤ ਹੁੰਦਾ ਹੈ, ਨਲੀ ਦੇ ਬਾਹਰ ਛਾਤੀ ਦੇ ਗਲੈਂਡ ਦੇ ਰੇਸ਼ੇਦਾਰ ਜਾਂ ਚਰਬੀ ਵਾਲੇ ਟਿਸ਼ੂ ਵਿੱਚ ਪ੍ਰਵੇਸ਼ ਕਰਦਾ ਹੈ। ਇਸ ਡੇਟਾ ਕਲੈਕਸ਼ਨ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਆਈਡੀਆ ਵਿੱਚ, ਅਸੀਂ ਵਰਤਾਂਗੇ ਡੂੰਘੀ ਸਿਖਲਾਈ ਅਤੇ ਵਰਗੀਕਰਨ ਲਈ ਕੇਰਸ ਲਾਇਬ੍ਰੇਰੀ।

ਅਜ਼ਮਾਇਸ਼: ਪਾਈਥਨ

ਡਾਟਾਸੈੱਟ/ਪੈਕੇਜ: IDC_regular

14. ਟ੍ਰੈਫਿਕ ਸੰਕੇਤਾਂ ਦੀ ਪਛਾਣ

ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਦੇ ਨਾਲ ਸਵੈ-ਡਰਾਈਵਿੰਗ ਕਾਰ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕਰਨਾ CNN ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਟ੍ਰੈਫਿਕ ਚਿੰਨ੍ਹ ਦੀ ਪਛਾਣ ਓਪਨ ਸੋਰਸ.

ਹਾਦਸਿਆਂ ਤੋਂ ਬਚਣ ਲਈ ਹਰ ਡਰਾਈਵਰ ਲਈ ਸੜਕੀ ਚਿੰਨ੍ਹ ਅਤੇ ਟ੍ਰੈਫਿਕ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੈ। ਨਿਯਮ ਦੀ ਪਾਲਣਾ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਪਹਿਲਾਂ ਇਹ ਸਮਝਣ ਦੀ ਲੋੜ ਹੈ ਕਿ ਸੜਕ ਦਾ ਚਿੰਨ੍ਹ ਕਿਹੋ ਜਿਹਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਕਿਸੇ ਵਿਅਕਤੀ ਨੂੰ ਕੋਈ ਵੀ ਵਾਹਨ ਚਲਾਉਣ ਦਾ ਅਧਿਕਾਰ ਦਿੱਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਉਸ ਨੂੰ ਸੜਕ ਦੇ ਸਾਰੇ ਚਿੰਨ੍ਹ ਸਿੱਖਣੇ ਚਾਹੀਦੇ ਹਨ। ਪਰ ਹੁਣ ਆਟੋਨੋਮਸ ਵਾਹਨਾਂ ਦੀ ਗਿਣਤੀ ਵਧ ਰਹੀ ਹੈ, ਅਤੇ ਨੇੜਲੇ ਭਵਿੱਖ ਵਿੱਚ, ਕੋਈ ਵਿਅਕਤੀ ਹੁਣ ਆਪਣੇ ਆਪ ਕਾਰ ਨਹੀਂ ਚਲਾਏਗਾ. ਰੋਡ ਸਾਈਨ ਰਿਕੋਗਨੀਸ਼ਨ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਕਿਵੇਂ ਇੱਕ ਪ੍ਰੋਗਰਾਮ ਇੱਕ ਚਿੱਤਰ ਨੂੰ ਇਨਪੁਟ ਵਜੋਂ ਲੈ ਕੇ ਇੱਕ ਕਿਸਮ ਦੇ ਸੜਕ ਚਿੰਨ੍ਹ ਨੂੰ ਪਛਾਣ ਸਕਦਾ ਹੈ। ਜਰਮਨ ਰੋਡ ਸਾਈਨ ਰਿਕੋਗਨੀਸ਼ਨ ਰੈਫਰੈਂਸ ਡੇਟਾਸੈਟ (GTSRB) ਦੀ ਵਰਤੋਂ ਇੱਕ ਡੂੰਘੇ ਤੰਤੂ ਨੈੱਟਵਰਕ ਨੂੰ ਬਣਾਉਣ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਤਾਂ ਕਿ ਉਸ ਸ਼੍ਰੇਣੀ ਦੀ ਪਛਾਣ ਕੀਤੀ ਜਾ ਸਕੇ ਜਿਸ ਨਾਲ ਇੱਕ ਟ੍ਰੈਫਿਕ ਚਿੰਨ੍ਹ ਸਬੰਧਤ ਹੈ। ਅਸੀਂ ਐਪਲੀਕੇਸ਼ਨ ਨਾਲ ਇੰਟਰੈਕਟ ਕਰਨ ਲਈ ਇੱਕ ਸਧਾਰਨ GUI ਵੀ ਬਣਾ ਰਹੇ ਹਾਂ।

ਅਜ਼ਮਾਇਸ਼: ਪਾਈਥਨ

ਡਾਟਾ ਸੈੱਟ: GTRB (ਜਰਮਨ ਟ੍ਰੈਫਿਕ ਸਾਈਨ ਰਿਕੋਗਨੀਸ਼ਨ ਬੈਂਚਮਾਰਕ)

ਹੋਰ ਪੜ੍ਹੋ

• ਸਿਖਲਾਈ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ 52 ਡਾਟਾਸੈੱਟ
• ਫਰੰਟ-ਐਂਡ ਡੋਜੋ: ਡਿਵੈਲਪਰ ਹੁਨਰਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਪ੍ਰੋਜੈਕਟ (5 ਨਵੇਂ + 43 ਪੁਰਾਣੇ)
• ਸਿਖਰ ਦੇ 12 ਸਭ ਤੋਂ ਦਿਲਚਸਪ ਆਈਟੀ ਡਾਇਨਾਮਿਕ ਇਨਫੋਗ੍ਰਾਫਿਕਸ

ਸਰੋਤ: www.habr.com