5 Έργα χαρτοφυλακίου για σπουδαστές επιστήμης δεδομένων τελευταίου έτους – KDnuggets

Εικόνα από συγγραφέα
 

Η δημιουργία ενός χαρτοφυλακίου έργων επιστήμης δεδομένων είναι ένα κρίσιμο βήμα για αρχάριους που θέλουν να εισέλθουν στον τομέα. Καθώς η πρακτική εμπειρία γίνεται ολοένα και πιο σημαντική για τους αιτούντες εργασία στην επιστήμη δεδομένων, το να έχετε ένα ποικίλο χαρτοφυλάκιο που παρουσιάζει τις δεξιότητές σας μπορεί να σας βοηθήσει να ξεχωρίσετε.

Εκτός από την επίδειξη τεχνικών ικανοτήτων, τα έργα σάς επιτρέπουν να επισημάνετε τις δεξιότητες επίλυσης προβλημάτων και την αναλυτική σας σκέψη. Οι υπεύθυνοι προσλήψεων συχνά αναζητούν υποψηφίους που μπορούν να χρησιμοποιήσουν δεδομένα για να παρέχουν στρατηγικές επιχειρηματικές πληροφορίες και να δημιουργήσουν λύσεις που βασίζονται σε δεδομένα σε προβλήματα του πραγματικού κόσμου. Τα καλά εκτελεσμένα έργα μπορούν να σας ξεχωρίσουν ως κάποιον έτοιμο να προσθέσει αξία σε έναν οργανισμό.

Σε αυτό το ιστολόγιο, θα εξερευνήσουμε απλά έργα χαρτοφυλακίου που κυμαίνονται από την ανάλυση δεδομένων έως τη μηχανική εκμάθηση. Θα ανακαλύψετε πώς να καθαρίζετε και να επεξεργάζεστε τα δεδομένα σας και στη συνέχεια να χρησιμοποιείτε διάφορες αναλυτικές τεχνικές για να μεταφέρετε πληροφορίες σε μη τεχνικούς ενδιαφερόμενους.

Στο End-to-End Data Science Project με ChatGPT έργο, θα χρησιμοποιήσετε το ChatGPT για σχεδιασμό έργου, ανάλυση δεδομένων, προεπεξεργασία δεδομένων, επιλογή μοντέλου, συντονισμό υπερπαραμέτρων, ανάπτυξη μιας εφαρμογής Ιστού και ανάπτυξή της στα Διαστήματα.

Σήμερα, οποιοσδήποτε με περιορισμένες γνώσεις μπορεί να χρησιμοποιήσει το ChatGPT για να κατανοήσει τα δεδομένα και να δημιουργήσει εφαρμογές μηχανικής εκμάθησης. Αυτό το έργο θα δείξει ότι μπορείτε να εργαστείτε με τις πιο πρόσφατες τεχνολογίες AI για να παράγετε γρήγορα και αποτελεσματικά αποτελέσματα. 

 

Εικόνα από το Project

Για την Ανακυκλωμένη ενέργεια που εξοικονομείται στη Σιγκαπούρη του έργου, θα χρησιμοποιήσετε στατιστικές ανακύκλωσης για να προσδιορίσετε την ποσότητα ενέργειας που εξοικονομείται ετησίως από το 2003 έως το 2020 για πέντε διαφορετικούς τύπους απορριμμάτων: πλαστικό, χαρτί, γυαλί, σιδηρούχα μέταλλα και μη σιδηρούχα μέταλλα. Συγκεκριμένα, θα φορτώσετε και θα οργανώσετε το σύνολο δεδομένων, θα συγχωνεύσετε διαφορετικά αρχεία CSV και θα πραγματοποιήσετε διερευνητική ανάλυση δεδομένων. Αυτό το έργο θα προκαλέσει τις αναλυτικές σας ικανότητες και τις ικανότητες χειρισμού δεδομένων.

 

Εικόνα από το Project

Η Χρηματιστηριακή Ανάλυση Το έργο χρησιμοποιεί οικονομικά δεδομένα πραγματικού κόσμου για να επιδείξει τις δεξιότητες ανάλυσης χρονοσειρών. Μετά τον καθαρισμό των δεδομένων, εκτελείται διερευνητική ανάλυση και οπτικοποίηση χρησιμοποιώντας Matplotlib και Seaborn για την ανάλυση των μετρήσεων κινδύνου και των σχέσεων μεταξύ των αποθεμάτων.

Ένα μοντέλο Long Short Term Memory (LSTM) εκπαιδεύεται στα δεδομένα χρονοσειρών για την πρόβλεψη μελλοντικών τιμών. Περιλαμβάνοντας τη συλλογή δεδομένων, τον καθαρισμό, την οπτικοποίηση και τη μοντελοποίηση σε δεδομένα χρηματιστηρίου, αυτό το έργο υπογραμμίζει την ικανότητα στην ανάλυση βασικών δεδομένων και τις ροές εργασιών μηχανικής μάθησης. 

 

Εικόνα από το Project

Στο Ανάλυση και Πρόβλεψη του έργου Consumer Engagement, θα χρησιμοποιήσετε το σύνολο δεδομένων Internet News and Consumer Engagement από το Kaggle για να προβλέψετε το πιο δημοφιλές άρθρο και τη βαθμολογία δημοτικότητάς του. Θα αναλύσετε τα δεδομένα για να βρείτε μοτίβα, όπως η συσχέτιση, η κατανομή, ο μέσος όρος και η ανάλυση χρονοσειρών. Θα χρησιμοποιήσετε μοντέλα παλινδρόμησης κειμένου και ταξινόμησης κειμένου για να προβλέψετε τη βαθμολογία αφοσίωσης και το κορυφαίο άρθρο με βάση τον τίτλο.

Σε αυτό το έργο, θα μάθετε πώς να χειρίζεστε δεδομένα κειμένου, να εκτελείτε ανάλυση κειμένου χρησιμοποιώντας βιβλιοθήκες Python, να μετατρέπετε κείμενο σε διανύσματα και να δημιουργείτε ένα μοντέλο ταξινομητή LGBM.

 

Εικόνα από το Project

Στο Εξέλιξη της ψηφιακής μάθησης κατά τη διάρκεια του COVID19 του έργου, θα χρησιμοποιήσουμε εργαλεία ανάλυσης δεδομένων για να καταλάβουμε τις τάσεις στην ψηφιακή μάθηση και πώς είναι αποτελεσματική προς τις αυτοσχέδιες κοινότητες. Θα συγκρίνουμε περιφέρειες και πολιτείες σε παράγοντες όπως η δημογραφία, η πρόσβαση στο διαδίκτυο, η πρόσβαση σε προϊόντα εκμάθησης και τα οικονομικά. Στο τέλος, θα συνοψίσουμε την έκθεσή μας και θα επισημάνουμε τους τομείς που χρειάζονται περισσότερη προσοχή για να γίνει η εκπαίδευση προσβάσιμη για όλους τους μαθητές στις Ηνωμένες Πολιτείες.

Θα μάθετε να χρησιμοποιείτε όλα τα κύρια εργαλεία ανάλυσης δεδομένων και οπτικοποίησης. Είναι επίσης ένας οδηγός για όσους θέλουν να γίνουν δημιουργικοί στη δημιουργία εντυπωσιακών οπτικοποιήσεων για την παρουσίασή τους.

 

Εικόνα από το Project

Η δημιουργία ενός χαρτοφυλακίου έργων επιστήμης δεδομένων δίνει τη δυνατότητα στους αρχάριους να επιδείξουν τις τεχνικές τους δεξιότητες και τις ικανότητες επίλυσης προβλημάτων στους πιθανούς εργοδότες. Επιδεικνύοντας την ικανότητα στη συλλογή δεδομένων, τον καθαρισμό, την ανάλυση, τη μοντελοποίηση και την οπτικοποίηση, αυτά τα έργα μπορούν να αναδείξουν την ικανότητα κάποιου σε μια ροή εργασιών επιστήμης δεδομένων.

Σε αυτό το ιστολόγιο, εξετάσαμε πέντε έργα χαρτοφυλακίου για φοιτητές του τελευταίου έτους της επιστήμης δεδομένων. Καλύπτει βασικά στοιχεία χειρισμού, χειρισμού, οπτικοποίησης και μοντελοποίησης δεδομένων. Για να εξερευνήσετε περισσότερα έργα, ρίξτε μια ματιά Η πλήρης συλλογή έργων επιστήμης δεδομένων – Μέρος 1 και Μέρος 2.
 
 
Αμπίντ Αλί Αουάν (@1abidaliawan) είναι πιστοποιημένος επαγγελματίας επιστήμονας δεδομένων που λατρεύει την κατασκευή μοντέλων μηχανικής μάθησης. Επί του παρόντος, εστιάζει στη δημιουργία περιεχομένου και στη σύνταξη τεχνικών ιστολογίων για τη μηχανική μάθηση και τις τεχνολογίες επιστήμης δεδομένων. Ο Abid είναι κάτοχος μεταπτυχιακού τίτλου στη Διοίκηση Τεχνολογίας και πτυχίου στη Μηχανική Τηλεπικοινωνιών. Το όραμά του είναι να δημιουργήσει ένα προϊόν τεχνητής νοημοσύνης χρησιμοποιώντας ένα νευρωνικό δίκτυο γραφημάτων για μαθητές που παλεύουν με ψυχικές ασθένειες.
 

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
• PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• PlatoESG. Αυτοκίνητο / EVs, Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
• PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
• ChartPrime. Ανεβάστε το Trading Game σας με το ChartPrime. Πρόσβαση εδώ.
• BlockOffsets. Εκσυγχρονισμός της περιβαλλοντικής αντιστάθμισης ιδιοκτησίας. Πρόσβαση εδώ.
• πηγή: https://www.kdnuggets.com/5-portfolio-projects-for-final-year-data-science-students?utm_source=rss&utm_medium=rss&utm_campaign=5-portfolio-projects-for-final-year-data-science-students