5 پروژه نمونه کارها برای دانش آموزان سال آخر علوم داده - KDnuggets

تصویر توسط نویسنده
 

ایجاد مجموعه ای از پروژه های علم داده یک گام مهم برای مبتدیانی است که به دنبال ورود به این حوزه هستند. با توجه به اهمیت روزافزون تجربه عملی برای متقاضیان شغل علوم داده، داشتن مجموعه‌ای متنوع که مهارت‌های شما را به نمایش می‌گذارد می‌تواند به شما کمک کند که برجسته شوید.

علاوه بر نشان دادن توانایی های فنی، پروژه ها به شما امکان می دهند مهارت های حل مسئله و تفکر تحلیلی خود را برجسته کنید. استخدام کنندگان اغلب به دنبال نامزدهایی می گردند که بتوانند از داده ها برای ارائه بینش های استراتژیک تجاری و ایجاد راه حل های مبتنی بر داده برای مشکلات دنیای واقعی استفاده کنند. پروژه هایی که به خوبی اجرا شده اند می توانند شما را به عنوان فردی که آماده ارزش افزودن به یک سازمان است متمایز کند.

در این وبلاگ، پروژه های ساده نمونه کارها از تجزیه و تحلیل داده ها تا یادگیری ماشین را بررسی خواهیم کرد. با استفاده از تکنیک های تحلیلی مختلف برای انتقال بینش به ذینفعان غیر فنی، خواهید فهمید که چگونه داده های خود را تمیز و پردازش کنید.

در پروژه علم داده سرتاسر با ChatGPT پروژه، شما از ChatGPT برای برنامه ریزی پروژه، تجزیه و تحلیل داده ها، پیش پردازش داده ها، انتخاب مدل، تنظیم هایپرپارامتر، توسعه یک برنامه وب و استقرار آن در Spaces استفاده خواهید کرد.

امروزه هر کسی با دانش محدود می تواند از ChatGPT برای درک داده ها و ساخت برنامه های یادگیری ماشین استفاده کند. این پروژه نشان می‌دهد که می‌توانید با جدیدترین فناوری‌های هوش مصنوعی کار کنید تا نتایج سریع و مؤثری به دست آورید. 

 

تصویر از پروژه

برای انرژی بازیافتی ذخیره شده در سنگاپور در این پروژه، از آمار بازیافت برای تعیین میزان انرژی صرفه جویی شده سالانه از سال 2003 تا 2020 برای پنج نوع زباله مختلف استفاده خواهید کرد: پلاستیک، کاغذ، شیشه، فلزات آهنی و فلزات غیرآهنی. به طور خاص، مجموعه داده را بارگیری و سازماندهی می‌کنید، فایل‌های مختلف CSV را ادغام می‌کنید و تجزیه و تحلیل داده‌های اکتشافی را انجام می‌دهید. این پروژه توانایی های تحلیلی و دستکاری داده های شما را به چالش می کشد.

 

تصویر از پروژه

La تجزیه و تحلیل بازار سهام پروژه از داده های مالی دنیای واقعی برای نشان دادن مهارت های تحلیل سری های زمانی استفاده می کند. پس از پاکسازی داده ها، تجزیه و تحلیل اکتشافی و تجسم با استفاده از Matplotlib و Seaborn برای تجزیه و تحلیل معیارهای ریسک و روابط بین سهام انجام می شود.

یک مدل حافظه کوتاه مدت (LSTM) بر روی داده های سری زمانی آموزش داده شده است تا قیمت های آینده را پیش بینی کند. این پروژه با جمع‌آوری داده‌ها، تمیز کردن، تجسم و مدل‌سازی بر روی داده‌های بازار سهام، مهارت در تجزیه و تحلیل داده‌های اصلی و جریان‌های کاری یادگیری ماشین را برجسته می‌کند. 

 

تصویر از پروژه

در تجزیه و تحلیل و پیش بینی پروژه تعامل با مصرف کننده، از پایگاه داده اخبار اینترنت و تعامل با مصرف کننده از Kaggle برای پیش بینی محبوب ترین مقاله و امتیاز محبوبیت آن استفاده خواهید کرد. برای یافتن الگوهایی مانند همبستگی، توزیع، میانگین و تحلیل سری های زمانی، داده ها را تجزیه و تحلیل خواهید کرد. شما از هر دو مدل رگرسیون متن و طبقه بندی متن برای پیش بینی امتیاز تعامل و مقاله برتر بر اساس عنوان استفاده خواهید کرد.

در این پروژه شما یاد خواهید گرفت که چگونه داده های متنی را مدیریت کنید، تجزیه و تحلیل متن را با استفاده از کتابخانه های پایتون انجام دهید، متن را به بردار تبدیل کنید و یک مدل طبقه بندی LGBM بسازید.

 

تصویر از پروژه

در تکامل یادگیری دیجیتال در طول COVID19 در پروژه، ما از ابزارهای تجزیه و تحلیل داده ها برای کشف روند یادگیری دیجیتال و چگونگی موثر بودن آن در جوامع بداهه استفاده خواهیم کرد. ما مناطق و ایالت ها را بر اساس عواملی مانند جمعیت شناسی، دسترسی به اینترنت، دسترسی به محصول یادگیری و امور مالی مقایسه خواهیم کرد. در پایان، گزارش خود را خلاصه می کنیم و به حوزه هایی اشاره می کنیم که نیاز به توجه بیشتر ما برای دسترسی به آموزش برای همه دانش آموزان در ایالات متحده دارند.

شما یاد خواهید گرفت که از تمام ابزارهای اصلی تجزیه و تحلیل داده و تجسم استفاده کنید. همچنین راهنمایی برای کسانی است که می خواهند در ایجاد تجسم های چشم نواز برای ارائه خود خلاق شوند.

 

تصویر از پروژه

ایجاد مجموعه ای از پروژه های علم داده، مبتدیان را قادر می سازد تا مهارت های فنی و توانایی های حل مسئله خود را به کارفرمایان بالقوه نشان دهند. این پروژه‌ها با نشان دادن شایستگی در جمع‌آوری داده‌ها، تمیز کردن، تجزیه و تحلیل، مدل‌سازی و تجسم، می‌توانند مهارت فرد را در جریان کار علم داده برجسته کنند.

در این وبلاگ به بررسی پنج پروژه نمونه کار برای دانشجویان سال آخر علوم داده پرداخته ایم. این مبانی مدیریت داده، دستکاری، تجسم و مدل‌سازی را پوشش می‌دهد. برای بررسی پروژه های بیشتر، بررسی کنید مجموعه کامل پروژه های علم داده – قسمت 1 و قسمت 2.
 
 
عابد علی اعوان (@1abidaliawan) یک متخصص دانشمند داده معتبر است که عاشق ساخت مدل های یادگیری ماشینی است. در حال حاضر، او بر تولید محتوا و نوشتن وبلاگ های فنی در زمینه یادگیری ماشین و فناوری های علم داده تمرکز دارد. عابد دارای مدرک کارشناسی ارشد در رشته مدیریت فناوری و مدرک کارشناسی در رشته مهندسی مخابرات است. چشم انداز او ساخت یک محصول هوش مصنوعی با استفاده از یک شبکه عصبی نمودار برای دانش آموزانی است که با بیماری های روانی دست و پنجه نرم می کنند.
 

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. خودرو / خودروهای الکتریکی، کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• ChartPrime. بازی معاملاتی خود را با ChartPrime ارتقا دهید. دسترسی به اینجا.
• BlockOffsets. نوسازی مالکیت افست زیست محیطی. دسترسی به اینجا.
• منبع: 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