Eine Auswahl von Arbeitsbeispielen zur Datenverarbeitung

Hallo Leser.

In den Fußstapfen meines ersten Beitrags einer Auswahl von Datensätzen für maschinelles Lernen werde ich eine Auswahl relativ neuer Datensätze mit Arbeitsbeispielen für die Datenverarbeitung treffen. Schließlich ist es für niemanden ein Geheimnis, dass das Lernen mit guten Beispielen effektiver und schneller ist. Lassen Sie uns sehen, was für uns interessant ist, um einige der besten Beispiele für die Datenverarbeitung zu zeigen.

Das Schema der Arbeit mit dem aktuellen Beitrag wird von meinem Beitrag über die besten Notizbücher auf ML und DS übernommen , nämlich in Lesezeichen gespeichert → an einen Kollegen übertragen.

+ Bonus am Ende des Artikels - ein cooler Kurs von FPMI MIPT.



Also fangen wir an.

Eine Auswahl von Datensätzen mit Arbeitsbeispielen zur Datenverarbeitung:

Selbstmordratenübersicht 1985 bis 2016 - Vergleich sozioökonomischer Informationen mit Selbstmordraten nach Jahr und Land.

Verarbeitungsbeispiele:

• Selbstmorddaten - Vollständiges interaktives Dashboard;
• Psychische Gesundheit, Glück, Wirtschaft, menschliche Freiheit;
• Datenvisualisierung der Selbstmordraten

Das weltweite tägliche Song-Ranking von Spotify ist ein tägliches Ranking der 200 meistgesehenen Songs in 53 Ländern aus den Jahren 2017 und 2018 von Spotify-Benutzern.

Verarbeitungsbeispiel:

• Top-Songs auf Spotify: Was macht sie beliebt?
• Spotify Chart Trend + Saisonale ARIMA;
• Trends in den weltweiten täglichen Songs von Spotify 17-18.

Verbrechen in Boston - Aufzeichnungen aus dem Meldesystem für Straftaten in Boston , die Vorfälle und Informationen darüber enthalten, wann und wo sie passiert sind.

Verarbeitungsbeispiel:

• Boston Verbrechen Starter EDA;
• Boston Crime Reports;
• Transferlernen und ImageDataGenerator.

Google Play Store-Apps - Kategorien, Bewertungen, Größe aller Google Play-Anwendungen.

Verarbeitungsbeispiel:

• Alles, was Sie über den Android-Markt wissen müssen;
• So erhalten Sie eine hohe Bewertung im Play Store;
• Google Play Store EDA.

Pokémon für Data Mining und maschinelles Lernen - Statistiken und Funktionen von Pokemon;

Verarbeitungsbeispiel:

• Pokemon Data Clustering;
• Pokemon-Typen und -Statistiken ggplot2 Visualisierungen;
• Pokemon Datenanalyse.

Eine Million Schlagzeilen - Daten aus Schlagzeilen, die in den letzten 15 Jahren veröffentlicht wurden.

Verarbeitungsbeispiel:

• Was ist mit Nachrichten Schlagzeilen;
• Sinnvolle zufällige Schlagzeilen von Markov Chain;
• Themenmodellierung mit LSA und LDA.

Flugzeugabstürze seit 1908 - Eine vollständige Geschichte der Flugzeugabstürze auf der ganzen Welt von 1908 bis heute.

Verarbeitungsbeispiel:

• Mit wem nicht fliegen ...;
• Flugzeugabstürze [Datenvisualisierung];
• Todesfälle durch chinesische Tierkreise und Flugzeuge.

News Schlagzeilen Datensatz zur Sarkasmuserkennung ist ein hochwertiger Datensatz zur Sarkasmuserkennung.

Verarbeitungsbeispiel:

• Erkennen von Sarkasmus mithilfe verschiedener Einbettungen;
• Sarkasmus mit Keras;
• Anfängerleitfaden für NLP mit spaCy

Historische Luftqualität - Luftqualitätsdaten , die auf Außenmonitoren in den USA gesammelt wurden.

Verarbeitungsbeispiel:

• Luftverschmutzung 101;
• Lassen Sie uns unsere Luft analysieren, die wir nehmen!
• Was sagen uns diese Wetterdaten?

Nährwertangaben für das McDonald's-Menü - Nährwertangaben für jeden Menüpunkt in McDonald's USA.

Verarbeitungsbeispiel:

• Super Sized We?
• Kalorien, die wir essen ... bei Mcdonald's;
• Mcdonalds Menü

LEGO-Datenbank - Details / Sets / Farben und Bestände jedes offiziellen LEGO-Sets in der Rebrickable-Datenbank.

Verarbeitungsbeispiel:

• LEGO: Lass uns spielen.
• Finden von Lego-Farbthemen mit Themenmodellen;
• Wurden LEGO Sets mit der Zeit größer?

Global Commodity Trade Statistics - Import- und Exportvolumen für 5.000 Produkte in den meisten Ländern der Welt in den letzten 30 Jahren.

Verarbeitungsbeispiel:

• Globale Handelsstatistik insgesamt;
• Handelsstatistik;
• Schafe gegen Ziegen.

Kriminalität in Indien - vollständige Informationen zu verschiedenen Aspekten der seit 2001 in Indien begangenen Straftaten.

Verarbeitungsbeispiel:

• Kriminalitätsanalyse in Indien;
• Kriminalitätsdaten EDA;
• Exploratory - Top Staaten & Bezirke.

Vorhersage eines Pulsarsterns - Pulsardaten, die während einer Untersuchung des Universums gesammelt wurden.

Verarbeitungsbeispiele:

• Vorhersage des Pulsarsterns im Universum;
• Vorhersage eines Pulsarsterns;
• Pulsar Star Klassifikation

Französische Beschäftigung, Gehälter, Bevölkerung pro Stadt - Daten zeigen Gleichheit und Ungleichheit in Frankreich.

Verarbeitungsbeispiel:

• Regression zur Vorhersage des Einkommens in Frankreich nutzen;
• Interaktive Karte & Grafik - Ungleichheit von Job und Gehalt;
• Wie groß ist die französische Industrie?

Volkszählung der Vereinigten Staaten - Volkszählung der Vereinigten Staaten .

Verarbeitungsbeispiel:

• Abfragen des US-Volkszählungsdatensatzes;
• Campingplätze der Vereinigten Staaten;
• Gabelung der Campingplätze der Vereinigten Staaten

California Housing Prices - der Preis für Wohnraum in Kalifornien.

Verarbeitungsbeispiel:

• Einführung in das maschinelle Lernen in R (Tutorial);
• Gradientenverstärkung und Parametereinstellung in R;
• Geospatial Feature Engineering und Visualisierung

US-Arbeitslosenquote nach Landkreisen, 1990-2016 - Daten zur Arbeitslosigkeit des US-Arbeitsministeriums.

Verarbeitungsbeispiel:

• Karten sind schön, Arbeitslosigkeit nicht;
• Analyse der Weltkriminalität;
• Zeitreihenanalyse zur US-Arbeitslosenquote.

World of Warcraft-Avatar-Geschichte - Eine Reihe von Aufzeichnungen, die Informationen über die Charaktere des Spielers im Spiel im Laufe der Zeit enthalten.

Verarbeitungsbeispiel:

• Eine World of Warcraft
• Wow-Datensatz - Explorative Analyse;
• Allgemeine EDA und ein Bewegungsnetzwerkdiagramm

Die Gravitationswellen-Entdeckungsdaten - Daten zu Ereignissen von Gravitationswellen GW150914.

Verarbeitungsbeispiel:

• Dataload;
• Lesen Sie HDF5 von Julia;
• Zeichnen Sie die Daten.

Bonus!

Und der Bonus heute ist ein großartiger Deep Learning-Kurs, der für Schüler konzipiert ist, die sich für Programmierung und Mathematik interessieren, sowie für Schüler, die mit Deep Learning beginnen möchten.

Ziel des Kurses ist es, die Grundprinzipien des Deep Learning (Neuronale Netze) in einem interaktiven Format und am Beispiel praktischer Aufgaben vorzustellen.

Kursprogramm

1. Python: Grundlagen, Google Colab;
2. Einführung in die lineare Algebra. Vektoren. Matrizen und Operationen mit ihnen. NumPy-Bibliothek;
3. Pandas und MatPlotlib-Bibliotheken. Die Grundlagen des maschinellen Lernens;
4. Elemente der Optimierungstheorie. Farbverlauf Gefälle Abstieg. Lineare Modelle;
5. Einführung in das tiefe Lernen. Perceptron. Ein Neuron mit einem Sigmoid (und anderen Aktivierungsfunktionen). OOP-Grundlagen in Python;
6. PyTorch-Bibliothek. Mehrschichtige neuronale Netze;
7. Training neuronaler Netze in der Praxis. Cifar10, notMNIST;
8. Faltungs-Neuronale Netze. Faltungsschicht. Pooling-Schicht;
9. Die Praxis des Trainings neuronaler Netze. Klassifizierung von Verkehrszeichen;
10. Transfer Dearning. Beliebt in der Computer Vision Architektur;
11. Bildsegmentierung. U-Net;
12. Wettbewerb bei Kaggle;
13. Objekterkennung YOLOv3;
14. Klassisches GAN. Übertragung des neuronalen Stils;
15. Grundlegende Textverarbeitungsmethoden;
16. Worteinbettungen;
17. Wiederkehrende neuronale Netze;
18. LSTM, GRU-Zellen;
19. Sprachmodelle;
20. Maschinelle Übersetzung
21. Text2Speech;
22. SuperResolution.

Sie können auch einen Blick auf den Youtube-Kanal der Deep Learning School werfen. Es gibt viele tolle Videos;)

Damit ist unsere kurze Auswahl an Datenverarbeitungsbeispielen beendet. Ich hoffe du hast etwas Neues für dich gelernt. Wie bei Habré üblich, hat mir der Post-Put ein Plus gefallen. Vergessen Sie nicht, mit Kollegen zu teilen. Wenn Sie etwas haben, das Sie selbst teilen können, schreiben Sie es in die Kommentare. Weitere Informationen zu maschinellem Lernen und Data Science auf Habré und im Telegrammkanal Neuron (@neurondata).

Alles Wissen!