{"id":54058,"date":"2019-12-17T00:00:00","date_gmt":"2019-12-16T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/14-open-source-proektov-dlya-prokachki-data-science-masterstva-easy-normal-hard"},"modified":"2020-02-18T14:02:02","modified_gmt":"2020-02-18T11:02:02","slug":"14-open-source-proektov-dlya-prokachki-data-science-masterstva-easy-normal-hard","status":"publish","type":"post","link":"https:\/\/prohoster.info\/ro\/blog\/news\/14-open-source-proektov-dlya-prokachki-data-science-masterstva-easy-normal-hard","title":{"rendered":"14 proiecte open-source pentru \u00eembun\u0103t\u0103\u021birea abilit\u0103\u021bilor \u00een Data Science (easy, normal, hard)","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Data Science pentru \u00eencep\u0103tori<\/i><\/p>\n

1. Analiza Sentimentelor (Sentiment Analysis prin text)<\/h3>\n

\n\"14
\n
\nConsulta\u021bi implementarea complet\u0103 a proiectului Data Science folosind codul surs\u0103 \u2014 Proiectul Analiza Sentimentelor \u00een R<\/a><\/noindex>.<\/p>\n

Analiza sentimentului \u2014 este analiza cuvintelor pentru a determina sentimentul \u0219i opiniile, care pot fi pozitive sau negative. Acesta este un tip de clasificare, unde clasele pot fi binare (pozitive \u0219i negative) sau multiple (fericite, sup\u0103rate, triste, nepl\u0103cute \u2026). Vom implementa acest proiect de \u0219tiin\u021b\u0103 a datelor \u00een limbajul R \u0219i vom folosi un set de date din pachetul \u201ejaneaustenR\u201d. Vom utiliza dic\u021bionare de uz general, precum AFINN, bing \u0219i loughran, vom efectua o \u00eembinare intern\u0103 \u0219i, la final, vom crea un nor de cuvinte pentru a ilustra rezultatul.<\/p>\n

Limbaj:<\/b> R
\nSet de date\/Pachet:<\/b> janeaustenR
\n<\/a><\/noindex><\/p>\n

\"14<\/a><\/noindex>

\nArticolul a fost tradus cu sprijinul companiei EDISON Software, care creeaz\u0103 cabine virtuale pentru magazine multi-brand<\/a><\/noindex>, dar \u0219i pentru testeaz\u0103 software-ul<\/a><\/noindex>.<\/p><\/blockquote>\n

2. Detectarea \u0218tirilor False (Fake News Detection)<\/h3>\n

\n\u00cembun\u0103t\u0103\u021bi\u021bi-v\u0103 abilit\u0103\u021bile la un nou nivel, lucr\u00e2nd la un proiect Data Science pentru \u00eencep\u0103tori \u2014 detectarea \u0219tirilor false folosind Python<\/a><\/noindex>.<\/p>\n

\"14
\n
\n\u0218tirile false sunt informa\u021bii false, distribuite prin re\u021bele sociale \u0219i alte mass-media online \u00een scopuri politice. \u00cen aceast\u0103 idee de proiect Data Science, vom folosi Python pentru a construi un model care poate determina cu exactitate dac\u0103 o \u0219tire este real\u0103 sau fals\u0103. Vom crea TfidfVectorizer \u0219i vom folosi PassiveAggressiveClassifier pentru a clasifica \u0219tirile \u00een \u201ereale\u201d \u0219i \u201efalse\u201d. Vom folosi un set de date de 7796 \u00d7 4 \u0219i vom efectua toate opera\u021biunile \u00een Jupyter Lab.<\/p>\n

Limbaj:<\/b> Python<\/p>\n

Set de date\/Pachet:<\/b> news.csv<\/p>\n

3. Detectarea Bolii Parkinson (Detecting Parkinson\u2019s Disease)<\/h3>\n

\nAvansa\u021bi lucr\u00e2nd la ideea de proiect Data Science \u2014 detectarea bolii Parkinson folosind XGBoost<\/a><\/noindex>.<\/p>\n

\"14
\n
\nAm \u00eenceput s\u0103 folosim Data Science pentru a \u00eembun\u0103t\u0103\u021bi s\u0103n\u0103tatea \u0219i serviciile \u2014 dac\u0103 putem prezice o boal\u0103 \u00een stadii incipiente, vom avea multe avantaje. A\u0219adar, \u00een aceast\u0103 idee de proiect Data Science, vom \u00eenv\u0103\u021ba s\u0103 identific\u0103m boala Parkinson folosind Python. Aceasta este o boal\u0103 neurodegenerativ\u0103, progresiv\u0103 a sistemului nervos central, care afecteaz\u0103 mi\u0219carea \u0219i provoac\u0103 tremor \u0219i rigiditate. Aceasta afecteaz\u0103 neuronii care produc dopamin\u0103 din creier, iar \u00een fiecare an, afecteaz\u0103 peste 1 milion de oameni \u00een India.<\/p>\n

Limbaj:<\/b> Python<\/p>\n

Set de date\/Pachet:<\/b> Setul de date UCI ML Parkinsons<\/p>\n

Proiecte de Data Science de dificultate medie<\/i><\/p>\n

4. Recunoa\u0219terea emo\u021biei din voce<\/h3>\n

\nConsulta\u021bi implementarea complet\u0103 a exemplului de proiect Data Science \u2014 recunoa\u0219tere a vocii folosind Librosa<\/a><\/noindex>.<\/p>\n

\"14
\n
\nAcum s\u0103 \u00eenv\u0103\u021b\u0103m s\u0103 folosim diferite biblioteci. Acest proiect Data Science utilizeaz\u0103 librosa pentru recunoa\u0219terea vocii. SER este procesul de identificare a emo\u021biilor umane \u0219i a st\u0103rilor afective prin intermediul vocii. Deoarece folosim tonul \u0219i \u00een\u0103l\u021bimea vocal\u0103 pentru a exprima emo\u021bii, SER este relevant. Dar, deoarece emo\u021biile sunt subiective, anotarea sunetului este o sarcin\u0103 complex\u0103. Vom folosi func\u021biile mfcc, chroma \u0219i mel \u0219i vom utiliza setul de date RAVDESS pentru recunoa\u0219terea emo\u021biilor. Vom crea un clasificator MLPC pentru acest model.<\/p>\n

Limbaj:<\/b> Python<\/p>\n

Set de date\/Pachet:<\/b> Setul de date RAVDESS<\/p>\n

5. Detectarea genului \u0219i a v\u00e2rstei<\/h3>\n

\nImpressiona\u021bi angajatorii cu cel mai recent proiect Data Science \u2014 determinat genul \u0219i v\u00e2rsta folosind OpenCV<\/a><\/noindex>.<\/p>\n

\"14
\n
\nAcesta este un proiect interesant de Data Science cu Python. Folosind o singur\u0103 imagine, ve\u021bi \u00eenv\u0103\u021ba s\u0103 prezice\u021bi genul \u0219i v\u00e2rsta unei persoane. \u00cen acest proiect, v\u0103 vom prezenta viziunea computerizat\u0103 \u0219i principiile sale. Vom construi o re\u021bea neuronal\u0103 convolu\u021bional\u0103<\/a><\/noindex> \u0219i vom folosi modele antrenate de Tal Hassner \u0219i Gil Levi pentru setul de date Adience. Pe parcurs, vom folosi unele fi\u0219iere .pb, .pbtxt, .prototxt \u0219i .caffemodel.<\/p>\n

Limbaj:<\/b> Python<\/p>\n

Set de date\/Pachet:<\/b> Adience<\/p>\n

6. Analiza datelor Uber<\/h3>\n

\nConsulta\u021bi implementarea complet\u0103 a proiectului de Data Science cu codul surs\u0103 \u2014 Proiectul de analiz\u0103 a datelor Uber \u00een R<\/a><\/noindex>.<\/p>\n

\"14
\n
\nAcesta este un proiect de vizualizare a datelor cu ggplot2, \u00een care vom folosi R \u0219i bibliotecile sale pentru a analiza diferite parametrii. Vom folosi setul de date Uber Pickups din New York \u0219i vom crea vizualiz\u0103ri pentru diferite intervale de timp pe parcursul anului. Acesta ne arat\u0103 cum timpul influen\u021beaz\u0103 cursele clien\u021bilor.<\/p>\n

Limbaj:<\/b> R<\/p>\n

Set de date\/Pachet:<\/b> Setul de date Uber Pickups \u00een New York City<\/p>\n

7. Detectarea somnolen\u021bei \u0219oferului<\/h3>\n

\n\u00cembun\u0103t\u0103\u021be\u0219te-\u021bi abilit\u0103\u021bile lucr\u00e2nd la un Proiect De V\u00e2rf \u00een Data Science \u2014 sistem de detectare a somnolen\u021bei cu OpenCV & Keras<\/a><\/noindex>.<\/p>\n

\"14
\n
\nConducerea \u00een stare de somn este extrem de periculoas\u0103, iar \u00een fiecare an au loc aproximativ o mie de accidente din cauza faptului c\u0103 \u0219oferii adorm \u00een timpul condusului. \u00cen acest proiect \u00een Python, vom crea un sistem care poate detecta \u0219oferii somnoro\u0219i \u0219i \u00eei va alerta printr-un semnal sonor.<\/p>\n

Acest proiect este realizat folosind Keras \u0219i OpenCV. Vom utiliza OpenCV pentru detectarea fe\u021bei \u0219i a ochilor, iar cu ajutorul Keras vom clasifica starea ochiului (Deschis sau \u00cenchis) utiliz\u00e2nd metode de re\u021bea neuronal\u0103 profunde.<\/p>\n

8. Chatbot<\/h3>\n

\nCreeaz\u0103 un chatbot cu Python \u0219i avanseaz\u0103 \u00een cariera ta \u2014 Chatbot cu NLTK & Keras<\/a><\/noindex>.<\/p>\n

\"14
\n
\nChatbot-urile sunt o parte integrant\u0103 a afacerilor. Multe companii trebuie s\u0103 ofere servicii clien\u021bilor lor, iar pentru a le deservi este nevoie de mult\u0103 for\u021b\u0103 de munc\u0103, timp \u0219i efort. Chatbot-urile pot automatiza o mare parte a interac\u021biunii cu clien\u021bii, r\u0103spunz\u00e2nd la unele \u00eentreb\u0103ri frecvente pe care le pun clien\u021bii. Exist\u0103, \u00een general, dou\u0103 tipuri de chatbot-uri: specifice domeniului \u0219i open-domain. Chatbot-urile specifice domeniului sunt folosite frecvent pentru a rezolva o problem\u0103 specific\u0103. Astfel, trebuie s\u0103 le configurezi pentru a func\u021biona eficient \u00een domeniul t\u0103u. Chatbot-urile open-domain pot primi orice tip de \u00eentreb\u0103ri, a\u0219a c\u0103 pentru a le antrena este nevoie de o cantitate uria\u0219\u0103 de date.<\/p>\n

Set de date:<\/b> Fi\u0219ier JSON al inten\u021biilor<\/p>\n

Limbaj:<\/b> Python<\/p>\n

Proiecte avansate de Data Science<\/i><\/p>\n

9. Generator de descrieri de imagini<\/h3>\n

\nVerific\u0103 implementarea complet\u0103 a proiectului cu cod surs\u0103 \u2014 Generator de descrieri de imagini cu CNN & LSTM<\/a><\/noindex>.<\/p>\n

\"14
\n
\nA descrie ceea ce este \u00eentr-o imagine este o sarcin\u0103 u\u0219oar\u0103 pentru oameni, dar pentru calculatoare, o imagine este doar un set de numere care reprezint\u0103 valoarea culorii fiec\u0103rui pixel. Aceasta este o sarcin\u0103 dificil\u0103 pentru calculatoare. A \u00een\u021belege ce se afl\u0103 \u00een imagine \u0219i apoi a crea o descriere \u00een limbaj natural (de exemplu, \u00een englez\u0103) este o alt\u0103 sarcin\u0103 dificil\u0103. Acest proiect folose\u0219te metode de \u00eenv\u0103\u021bare profund\u0103, \u00een care implement\u0103m o re\u021bea neuronal\u0103 convolu\u021bional\u0103 (CNN) cu o re\u021bea neuronal\u0103 recurent\u0103 (LSTM) pentru a crea un generator de descrieri de imagini.<\/p>\n

Set de date:<\/b> Flickr 8K<\/p>\n

Limbaj:<\/b> Python<\/p>\n

Cadru:<\/b> Keras<\/p>\n

10. Detectarea fraudei cu carduri de credit<\/h3>\n

\nFace\u021bi tot posibilul pentru a lucra la ideea proiectului Data Science \u2014 detectarea fraudei cu carduri de credit folosind \u00eenv\u0103\u021barea automat\u0103<\/a><\/noindex>.<\/p>\n

\"14
\n
\nP\u00e2n\u0103 acum a\u021bi \u00eenceput s\u0103 \u00een\u021belege\u021bi metodele \u0219i conceptele. S\u0103 trecem la c\u00e2teva proiecte avansate \u00een domeniul \u0219tiin\u021bei datelor. \u00cen acest proiect, vom utiliza limbajul R cu algoritmi precum arbori de decizie<\/a><\/noindex>, regresie logistic\u0103, re\u021bele neuronale artificiale \u0219i clasificator de boostere gradient. Vom folosi un set de date cu opera\u021biuni de carduri pentru a clasifica tranzac\u021biile cu carduri de credit ca fiind frauduloase sau autentice. Vom experimenta cu diferite modele \u0219i vom construi curbe de performan\u021b\u0103.<\/p>\n

Limbaj:<\/b> R<\/p>\n

Set de date\/Pachet:<\/b> Setul de date al tranzac\u021biilor cu carduri<\/p>\n

11. Sistem de recomand\u0103ri de filme<\/h3>\n

\nExplora\u021bi implementarea celui mai bun proiect Data Science cu Cod Surs\u0103 \u2014 Sistem de recomand\u0103ri de filme \u00een limbajul R<\/a><\/noindex><\/p>\n

\"14
\n
\n\u00cen acest proiect Data Science, vom folosi R pentru a face recomand\u0103ri de filme prin \u00eenv\u0103\u021barea automat\u0103. Sistemul de recomand\u0103ri ofer\u0103 sugestii utilizatorilor printr-un proces de filtrare bazat pe preferin\u021bele altor utilizatori \u0219i pe istoricul vizion\u0103rilor. Dac\u0103 lui A \u0219i lui B le place Home Alone, iar lui B \u00eei place Mean Girls, atunci i se poate sugera lui A \u2014 cealalt\u0103 ar putea s\u0103-i plac\u0103 \u0219i lui. Acest lucru permite clien\u021bilor s\u0103 interac\u021bioneze cu platforma.<\/p>\n

Limbaj:<\/b> R<\/p>\n

Set de date\/Pachet:<\/b> Setul de date MovieLens<\/p>\n

12. Segmentarea clien\u021bilor<\/h3>\n

\nImpresiona\u021bi angajatorii cu un proiect Data Science (inclusiv codul surs\u0103) \u2014 Segmentarea clien\u021bilor folosind \u00eenv\u0103\u021barea automat\u0103<\/a><\/noindex>.<\/p>\n

\"14
\n
\nSegmentarea clien\u021bilor este o aplica\u021bie popular\u0103 a \u00eenv\u0103\u021b\u0103rii necontrolate<\/a><\/noindex>. Folosind clusteringul, companiile identific\u0103 segmentele de clien\u021bi pentru a lucra cu poten\u021biala baz\u0103 de utilizatori. Ele \u00eempart clien\u021bii \u00een grupuri \u00een func\u021bie de caracteristici comune, cum ar fi sexul, v\u00e2rsta, interesele \u0219i obiceiurile de cheltuire, pentru a putea vinde eficient produsele fiec\u0103rei grupuri. Vom folosi clustering K-means<\/a><\/noindex>, precum \u0219i vom vizualiza distribu\u021bia pe sexe \u0219i v\u00e2rst\u0103. Ulterior, vom analiza veniturile anuale \u0219i nivelul cheltuielilor acestora.<\/p>\n

Limbaj:<\/b> R<\/p>\n

Set de date\/Pachet:<\/b> Setul de date Mall_Customers<\/p>\n

13. Clasificarea cancerului mamar<\/h3>\n

\nViziona\u021bi implementarea complet\u0103 a proiectului Data Science \u00een Python \u2014 Clasificarea cancerului de s\u00e2n folosind \u00eenv\u0103\u021barea profund\u0103<\/a><\/noindex>.<\/p>\n

\"14
\n
\nRevenind la contribu\u021bia \u0219tiin\u021bei datelor \u00een medicin\u0103, s\u0103 \u00eenv\u0103\u021b\u0103m cum s\u0103 detect\u0103m cancerul de s\u00e2n folosind Python. Vom folosi setul de date IDC_regular pentru a identifica carcinomul invaziv ductal, cea mai frecvent\u0103 form\u0103 de cancer de s\u00e2n. Acesta se dezvolt\u0103 \u00een canalele mamare, p\u0103trunz\u00e2nd \u00een \u021besutul fibros sau adipos din exteriorul canalului. \u00cen aceast\u0103 idee de proiect \u0219tiin\u021bific de colectare de date, vom folosi \u00cenv\u0103\u021bare profund\u0103<\/a><\/noindex> \u0219i biblioteca Keras pentru clasificare.<\/p>\n

Limbaj:<\/b> Python<\/p>\n

Set de date\/Pachet:<\/b> IDC_regular<\/p>\n

14. Recunoa\u0219terea semnelor de circula\u021bie<\/h3>\n

\nAtingerea acurate\u021bei \u00een tehnologia ma\u0219inilor autonome folosind un proiect Data Science pentru recunoa\u0219terea semnelor de circula\u021bie cu CNN<\/a><\/noindex> open-source.<\/p>\n

\"14
\n
\nSemnele de circula\u021bie \u0219i regulile de circula\u021bie sunt foarte importante pentru fiecare \u0219ofer, pentru a evita accidentele. Pentru a respecta regulile, mai \u00eent\u00e2i trebuie s\u0103 \u00een\u021belegem cum arat\u0103 un semn de circula\u021bie. O persoan\u0103 trebuie s\u0103 \u00eenve\u021be toate semnele de circula\u021bie \u00eenainte de a primi permisul de conducere pentru orice vehicul. Dar \u00een prezent, num\u0103rul vehiculelor autonome cre\u0219te, iar \u00een viitorul apropiat, oamenii nu vor mai conduce singuri ma\u0219inile. \u00cen proiectul 'Recunoa\u0219terea semnelor de circula\u021bie', ve\u021bi \u00eenv\u0103\u021ba cum un program poate recunoa\u0219te tipul semnelor de circula\u021bie, lu\u00e2nd o imagine ca semnal de intrare. Setul de date de control pentru recunoa\u0219terea semnelor de circula\u021bie din Germania (GTSRB) este folosit pentru a construi o re\u021bea neural\u0103 profund\u0103 pentru a recunoa\u0219te clasa din care face parte semnul de circula\u021bie. De asemenea, cre\u0103m o interfa\u021b\u0103 grafic\u0103 simpl\u0103 pentru a interac\u021biona cu aplica\u021bia.<\/p>\n

Limbaj:<\/b> Python<\/p>\n

Set de date:<\/b> GTSRB (Benchmark-ul german pentru recunoa\u0219terea semnelor de circula\u021bie)<\/p>\n

Cite\u0219te mai mult<\/h3>\n

<\/p>\n