5 portfeljskih projektov za študente zadnjih letnikov znanosti o podatkih – KDnuggets

Slika avtorja
 

Izgradnja portfelja projektov podatkovne znanosti je ključni korak za začetnike, ki želijo prodreti na to področje. Ker praktične izkušnje postajajo vse bolj pomembne za kandidate za zaposlitev v znanosti o podatkih, vam lahko pester portfelj, ki prikazuje vaše sposobnosti, pomaga izstopati.

Poleg dokazovanja tehničnih sposobnosti vam projekti omogočajo, da poudarite svoje sposobnosti reševanja problemov in analitično razmišljanje. Zaposlovalci pogosto iščejo kandidate, ki znajo uporabiti podatke za zagotavljanje strateških poslovnih vpogledov in ustvarjanje podatkovno usmerjenih rešitev za težave v resničnem svetu. Dobro izvedeni projekti vas lahko ločijo od nekoga, ki je pripravljen dodati vrednost organizaciji.

V tem blogu bomo raziskovali preproste portfeljske projekte, ki segajo od analitike podatkov do strojnega učenja. Odkrili boste, kako očistiti in obdelati svoje podatke, čemur bo sledila uporaba različnih analitičnih tehnik za posredovanje vpogledov netehničnim deležnikom.

v Projekt podatkovne znanosti od konca do konca s ChatGPT projekta, boste uporabljali ChatGPT za načrtovanje projekta, analizo podatkov, predhodno obdelavo podatkov, izbiro modela, nastavitev hiperparametrov, razvoj spletne aplikacije in njeno uvajanje v Spaces.

Dandanes lahko vsakdo z omejenim znanjem uporablja ChatGPT za razumevanje podatkov in izdelavo aplikacij za strojno učenje. Ta projekt bo pokazal, da lahko delate z najnovejšimi tehnologijami AI za doseganje hitrih in učinkovitih rezultatov. 

 

Slika iz projekta

Za Prihranjena reciklirana energija v Singapurju projekta boste uporabili statistiko recikliranja, da bi določili količino letno prihranjene energije od leta 2003 do 2020 za pet različnih vrst odpadkov: plastiko, papir, steklo, železne kovine in neželezne kovine. Natančneje, naložili in organizirali boste nabor podatkov, združili različne datoteke CSV in izvedli raziskovalno analizo podatkov. Ta projekt bo izzval vaše analitične sposobnosti in sposobnosti obdelave podatkov.

 

Slika iz projekta

O Analiza borznega trga projekt uporablja finančne podatke iz resničnega sveta za prikaz veščin analitike časovnih vrst. Po čiščenju podatkov se izvede raziskovalna analiza in vizualizacija z uporabo Matplotlib in Seaborn za analizo meritev tveganja in odnosov med delnicami.

Model dolgotrajnega kratkoročnega spomina (LSTM) se usposablja na podlagi podatkov časovne vrste za napovedovanje prihodnjih cen. Z zajemanjem zbiranja podatkov, čiščenja, vizualizacije in modeliranja podatkov o borzi ta projekt izpostavlja strokovnost v analizi osnovnih podatkov in delovnih tokovih strojnega učenja. 

 

Slika iz projekta

v Projekt analize in napovedovanja vključevanja potrošnikov, boste uporabili nabor podatkov Internet News and Consumer Engagement podjetja Kaggle za predvidevanje najbolj priljubljenega članka in njegove ocene priljubljenosti. Podatke boste analizirali, da bi našli vzorce, kot so korelacija, porazdelitev, povprečje in analiza časovnih vrst. Uporabili boste regresijo besedila in modele klasifikacije besedila, da boste na podlagi naslova predvideli oceno angažiranosti in najboljši članek.

V tem projektu se boste naučili ravnati z besedilnimi podatki, izvajati analizo besedila z uporabo knjižnic Python, pretvoriti besedilo v vektorje in zgraditi model LGBM Classifier.

 

Slika iz projekta

v Razvoj digitalnega učenja med COVID19 projekta, bomo uporabljali orodja za analizo podatkov, da bi ugotovili trende v digitalnem učenju in kako učinkovito je za improvizirane skupnosti. Primerjali bomo okrožja in države glede na dejavnike, kot so demografija, dostop do interneta, dostop do učnih izdelkov in finance. Na koncu bomo povzeli naše poročilo in pokazali na področja, ki jim je treba posvetiti več pozornosti, da bo izobraževanje dostopno vsem študentom v Združenih državah.

Naučili se boste uporabljati vsa glavna orodja za analizo in vizualizacijo podatkov. Je tudi vodnik za tiste, ki želijo postati kreativni pri ustvarjanju privlačnih vizualizacij za svojo predstavitev.

 

Slika iz projekta

Izgradnja portfelja projektov podatkovne znanosti omogoča začetnikom, da potencialnim delodajalcem pokažejo svoje tehnične spretnosti in sposobnosti reševanja problemov. S prikazovanjem usposobljenosti pri zbiranju podatkov, čiščenju, analizi, modeliranju in vizualizaciji lahko ti projekti poudarijo posameznikovo strokovnost v delovnem toku podatkovne znanosti.

V tem blogu smo pregledali pet portfeljskih projektov za študente zadnjega letnika znanosti o podatkih. Zajema ravnanje s podatki, manipulacijo, vizualizacijo in osnove modeliranja. Če želite raziskati več projektov, si oglejte Popolna zbirka podatkovnih znanstvenih projektov – 1. del in Del 2.
 
 
Abid Ali Awan (@1abidaliawan) je certificiran strokovnjak za podatkovne znanstvenike, ki rad gradi modele strojnega učenja. Trenutno se osredotoča na ustvarjanje vsebin in pisanje tehničnih blogov o strojnem učenju in tehnologijah podatkovne znanosti. Abid ima magisterij iz tehnološkega managementa in diplomo iz telekomunikacijskega inženiringa. Njegova vizija je zgraditi izdelek AI z uporabo grafične nevronske mreže za študente, ki se borijo z duševnimi boleznimi.
 

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
• PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
• PlatoESG. Avtomobili/EV, Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
• PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
• ChartPrime. Izboljšajte svojo igro trgovanja s ChartPrime. Dostopite tukaj.
• BlockOffsets. Posodobitev okoljskega offset lastništva. Dostopite tukaj.
• vir: 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