डेटा विज्ञान कौशल (आसान, सामान्य, कठोर) पंप करने के लिए 14 ओपन-सोर्स प्रोजेक्ट

शुरुआती के लिए डेटा विज्ञान

1. वाक्य विश्लेषण

स्रोत कोड का उपयोग करके डेटा साइंस प्रोजेक्ट का पूर्ण कार्यान्वयन देखें - सेंटेंस में विश्लेषण परियोजना।

भावना और विचारों को पहचानने के लिए वाक्य विश्लेषण एक शब्द विश्लेषण है जो सकारात्मक या नकारात्मक हो सकता है। यह एक प्रकार का वर्गीकरण है जिसमें कक्षाएं द्विआधारी (सकारात्मक और नकारात्मक) या बहुवचन (खुश, बुरा, उदास, बुरा ...) हो सकती हैं। हम इस डेटा साइंस परियोजना को आर भाषा में लागू करेंगे और डेटा का उपयोग जैंसटीनआर पैकेज में करेंगे। हम आंतरिक उद्देश्य को पूरा करने के लिए AFINN, bing और loughran जैसे सामान्य-उद्देश्य वाले शब्दकोशों का उपयोग करेंगे, और अंत में हम परिणाम प्रदर्शित करने के लिए एक शब्द क्लाउड बनाएंगे।

भाषा: आर
डेटासेट / पैकेज: janeaustenR

इस लेख का अनुवाद एडिसन सॉफ्टवेयर के सहयोग से किया गया, जो एक कंपनी है जो मल्टी-ब्रांड स्टोर के लिए वर्चुअल फिटिंग रूम बनाती है , और सॉफ्टवेयर का परीक्षण भी करती है ।

2. फेक न्यूज डिटेक्शन

पायथन का उपयोग करके नकली समाचारों की खोज - शुरुआती के लिए डेटा साइंस प्रोजेक्ट पर काम करके अपने कौशल को अगले स्तर तक ले जाएं।



राजनीतिक लक्ष्यों को प्राप्त करने के लिए सोशल नेटवर्क और अन्य ऑनलाइन मीडिया के माध्यम से झूठी खबरें प्रसारित की जाती हैं। इस डेटा विज्ञान परियोजना के विचार में, हम एक मॉडल बनाने के लिए पायथन का उपयोग करेंगे जो यह निर्धारित कर सकता है कि समाचार वास्तविक है या नकली। हम एक TfidfVectorizer बनाएंगे और "वास्तविक" और "नकली" में खबरों को वर्गीकृत करने के लिए PassiveAggressiveClassifier का उपयोग करेंगे। हम 7796 × 4 फॉर्म डेटासेट का उपयोग करेंगे और जुपिटर लैब में सब कुछ निष्पादित करेंगे।

भाषा: अजगर

डेटासेट / पैकेज: news.csv

3. पार्किंसंस रोग का पता लगाना (पार्किंसंस रोग का पता लगाना)

डेटा साइंस प्रोजेक्ट आइडिया के साथ आगे बढ़ें - XGBoost के साथ पार्किंसंस रोग की पहचान ।



हमने हेल्थकेयर और सेवाओं को बेहतर बनाने के लिए डेटा साइंस का उपयोग करना शुरू किया - अगर हम प्रारंभिक अवस्था में बीमारी की भविष्यवाणी कर सकते हैं, तो हमें कई फायदे होंगे। इसलिए, इस डेटा साइंस परियोजना के विचार में, हम सीखेंगे कि पायथन का उपयोग करके पार्किंसंस रोग का पता कैसे लगाया जाए। यह केंद्रीय तंत्रिका तंत्र का एक न्यूरोडीजेनेरेटिव, प्रगतिशील रोग है जो आंदोलन को प्रभावित करता है और कंपकंपी और कठोरता का कारण बनता है। यह मस्तिष्क में डोपामाइन-उत्पादक न्यूरॉन्स को प्रभावित करता है, और हर साल, यह भारत में 1 मिलियन से अधिक लोगों को प्रभावित करता है।

भाषा: अजगर

डेटासेट / पैकेज: यूसीआई एमएल पार्किंसंस डेटासेट

मध्यम जटिलता के डेटा विज्ञान परियोजनाएं

4. भाषण भावना मान्यता

डेटा साइंस नमूना परियोजना के पूर्ण कार्यान्वयन की जांच करें - लिब्रोसा के साथ भाषण मान्यता ।



आइए अब सीखें कि विभिन्न पुस्तकालयों का उपयोग कैसे करें। यह डेटा साइंस प्रोजेक्ट भाषण मान्यता के लिए लिबरोसा का उपयोग करता है। एसईआर भाषण से मानवीय भावनाओं और स्नेहपूर्ण राज्यों को निर्धारित करने की प्रक्रिया है। चूंकि हम आवाज़ में भावनाओं को व्यक्त करने के लिए पिच और पिच का उपयोग करते हैं, SER प्रासंगिक है। लेकिन चूंकि भावनाएं व्यक्तिपरक हैं, ध्वनि की व्याख्या करना एक कठिन काम है। हम mfcc, क्रोमा और मेल फ़ंक्शंस का उपयोग करेंगे और भावनाओं को पहचानने के लिए RAVDESS डेटासेट का उपयोग करेंगे। हम इस मॉडल के लिए एक एमएलपीसी क्लासिफायरियर बनाएंगे।

भाषा: अजगर

डेटासेट / पैकेज: RAVDESS डेटासेट

5. लिंग और आयु का पता लगाना

नवीनतम डेटा विज्ञान परियोजना के साथ अमेज़ॅन नियोक्ता - ओपनसीवी के साथ लिंग और आयु निर्धारण ।



यह पायथन के साथ एक दिलचस्प डेटा साइंस है। केवल एक छवि का उपयोग करके, आप किसी व्यक्ति के लिंग और आयु की भविष्यवाणी करना सीखेंगे। इसमें हम आपको Computer Vision और इसके सिद्धांतों से परिचित कराएंगे। हम एक दृढ़ तंत्रिका नेटवर्क का निर्माण करेंगे और तालक हसन और जिल लेवी द्वारा प्रशिक्षित मॉडल का उपयोग करें। रास्ते में, हम कुछ .pb, .pbtxt, .prototxt और .caffemodel फ़ाइलों का उपयोग करेंगे।

भाषा: अजगर

डेटासेट / पैकेज: Adience

6. उबेर डेटा विश्लेषण

स्रोत विज्ञान डेटा विज्ञान परियोजना का पूर्ण कार्यान्वयन देखें, आर में उबर डेटा विश्लेषण परियोजना।



यह ggplot2 के साथ एक डेटा विज़ुअलाइज़ेशन प्रोजेक्ट है, जिसमें हम R और उसके पुस्तकालयों का उपयोग करेंगे और विभिन्न मापदंडों का विश्लेषण करेंगे। हम न्यूयॉर्क में उबेर पिकअप डेटासेट का उपयोग करेंगे और वर्ष के विभिन्न समय के लिए विज़ुअलाइज़ेशन बनाएंगे। यह हमें बताता है कि ग्राहक यात्रा को कैसे प्रभावित करता है।

भाषा: आर

डेटासेट / पैकेज: न्यूयॉर्क शहर के डेटासेट में उबेर पिकअप

7. चालक डूबने का पता लगाने

टॉप डेटा साइंस प्रोजेक्ट पर काम करते हुए अपने कौशल को बढ़ावा दें - OpenCV और Keras के साथ एक नींद पहचान प्रणाली ।



स्लीपी ड्राइविंग बेहद खतरनाक है, और हर साल लगभग एक हजार दुर्घटनाएं होती हैं, जिससे वाहन चलाते समय चालक सो जाते हैं। इस पायथन परियोजना में, हम एक ऐसी प्रणाली बनाएंगे जो नींद से भरे ड्राइवरों का पता लगा सकती है, साथ ही उन्हें ध्वनि संकेत के साथ सूचित कर सकती है।

यह परियोजना केरस और ओपनसीवी का उपयोग करके कार्यान्वित की जाती है। हम चेहरे और आंखों का पता लगाने के लिए ओपनसीवी का उपयोग करेंगे, और केरस के साथ हम गहरी तंत्रिका नेटवर्क तकनीकों का उपयोग करके आंख की स्थिति (ओपन या बंद) को वर्गीकृत करेंगे।

8. चैटबॉट

पायथन का उपयोग करके एक चैटबॉट बनाएं और अपने करियर में एक कदम आगे बढ़ाएं - एनएलटीके और केरस के साथ चैटबॉट ।



चैटबॉट व्यवसाय का एक अभिन्न हिस्सा हैं। कई उद्यमों को अपने ग्राहकों को सेवाएं प्रदान करनी होती हैं, और उनकी सेवा में बहुत अधिक श्रम, समय और प्रयास की आवश्यकता होती है। चैटबॉट्स ग्राहक के पूछे गए कुछ सामान्य प्रश्नों के उत्तर देकर अपने अधिकांश ग्राहक इंटरैक्शन को स्वचालित कर सकते हैं। मूल रूप से दो प्रकार के चैटबॉट हैं: डोमेन-विशिष्ट और ओपन-डोमेन। एक डोमेन-विशिष्ट चैट बॉट का उपयोग अक्सर एक विशेष समस्या को हल करने के लिए किया जाता है। इस प्रकार, आपको अपने क्षेत्र में प्रभावी ढंग से काम करने के लिए इसे कॉन्फ़िगर करने की आवश्यकता है। ओपन-डोमेन चैट बॉट से कोई भी प्रश्न पूछा जा सकता है, इसलिए उन्हें प्रशिक्षित करने के लिए बड़ी मात्रा में डेटा की आवश्यकता होती है।

डेटासेट : इंटेंस जोंस फाइल

भाषा: अजगर

उन्नत डेटा विज्ञान परियोजनाएं

9. इमेज कैप्शन जेनरेटर

स्रोत कोड के साथ पूर्ण परियोजना कार्यान्वयन की जाँच करें - CNN और LSTM के साथ छवि कैप्शन जेनरेटर ।



छवि में क्या है इसका वर्णन लोगों के लिए एक आसान काम है, लेकिन कंप्यूटर के लिए, एक छवि सिर्फ संख्याओं का एक सेट है जो प्रत्येक पिक्सेल के रंग मूल्य का प्रतिनिधित्व करती है। यह कंप्यूटर के लिए एक मुश्किल काम है। यह समझना कि छवि में क्या है और फिर प्राकृतिक भाषा में एक उदाहरण बनाना (उदाहरण के लिए, अंग्रेजी में) एक और मुश्किल काम है। यह परियोजना एक गहन अध्ययन विधियों का उपयोग करती है जिसमें हम एक छवि विवरण जनरेटर बनाने के लिए एक आवर्तक तंत्रिका नेटवर्क (LSTM) के साथ एक आवर्तक तंत्रिका नेटवर्क (CNN) को लागू करते हैं।

डेटासेट: फ़्लिकर 8 के

भाषा: अजगर

फ्रेमवर्क: केरस

10. क्रेडिट कार्ड धोखाधड़ी का पता लगाना (क्रेडिट कार्ड धोखाधड़ी की परिभाषा)

डेटा साइंस प्रोजेक्ट के विचार पर काम करके अपना सर्वश्रेष्ठ प्रदर्शन करें - मशीन लर्निंग का उपयोग करके क्रेडिट कार्ड धोखाधड़ी का पता लगाना ।



अब तक, आपने तरीकों और अवधारणाओं को समझना शुरू कर दिया है। चलो कुछ उन्नत डेटा विज्ञान परियोजनाओं पर चलते हैं। इस परियोजना में, हम निर्णय भाषा, लॉजिस्टिक प्रतिगमन, कृत्रिम तंत्रिका नेटवर्क और ग्रेडिएंट बूस्ट क्लासिफायर जैसे एल्गोरिदम के साथ आर भाषा का उपयोग करेंगे। हम क्रेडिट कार्ड लेनदेन को धोखाधड़ी और वास्तविक के रूप में वर्गीकृत करने के लिए एक कार्ड लेनदेन डेटा सेट का उपयोग करेंगे। हम उनके लिए विभिन्न मॉडलों का चयन करेंगे और प्रदर्शन घटता का निर्माण करेंगे।

भाषा: आर

डेटासेट / पैकेज: कार्ड लेनदेन डेटासेट

11. मूवी सिफारिश प्रणाली

जानें स्रोत कोड के साथ सर्वश्रेष्ठ डेटा विज्ञान परियोजना को कैसे लागू किया जाए - मूवी अनुशंसा प्रणाली आर में



इस डेटा साइंस प्रोजेक्ट में, हम मशीन लर्निंग के माध्यम से फिल्म की सिफारिशों को पूरा करने के लिए R का उपयोग करेंगे। अनुशंसा प्रणाली अन्य उपयोगकर्ताओं की वरीयताओं और ब्राउज़िंग इतिहास के आधार पर फ़िल्टरिंग प्रक्रिया के माध्यम से उपयोगकर्ताओं को सुझाव भेजती है। अगर ए और बी होम अलोन पसंद करते हैं, और बी को मीन गर्ल्स पसंद हैं, तो आप ए की पेशकश कर सकते हैं - वे भी इसे पसंद कर सकते हैं। इससे ग्राहक प्लेटफॉर्म के साथ बातचीत कर सकते हैं।

भाषा: आर

डेटासेट / पैकेज: मूवीलेन्स डेटासेट

12. ग्राहक विभाजन

डेटा साइंस प्रोजेक्ट (सोर्स कोड सहित) के साथ नियोक्ताओं को प्रभावित करें - मशीन लर्निंग का उपयोग करके ग्राहक सेगमेंटेशन ।



ग्राहक विभाजन एक लोकप्रिय अनुपयोगी शिक्षण अनुप्रयोग है। क्लस्टरिंग का उपयोग करते हुए, कंपनियां संभावित उपयोगकर्ता आधार के साथ काम करने के लिए ग्राहक खंडों को परिभाषित करती हैं। वे ग्राहकों को सामान्य विशेषताओं के अनुसार समूहों में विभाजित करते हैं, जैसे कि लिंग, आयु, रुचियां और खर्च करने की आदतें, ताकि वे प्रभावी रूप से प्रत्येक समूह को अपने उत्पाद बेच सकें। हम K- साधन क्लस्टरिंग का उपयोग करेंगे, साथ ही लिंग और आयु के आधार पर वितरण की कल्पना करेंगे। फिर हम उनकी वार्षिक आय और खर्च के स्तर का विश्लेषण करते हैं।

भाषा: आर

डेटासेट / पैकेज: Mall_Customers डेटासेट

13. स्तन कैंसर का वर्गीकरण

अजगर में डेटा साइंस परियोजना का पूर्ण कार्यान्वयन देखें - डीप लर्निंग के साथ स्तन कैंसर का वर्गीकरण ।



डेटा विज्ञान के चिकित्सा योगदान पर लौटते हुए, आइए जानें कि पायथन का उपयोग करके स्तन कैंसर का पता कैसे लगाया जाए। स्तन कैंसर के सबसे सामान्य रूप, आक्रामक वाहिनी कार्सिनोमा का पता लगाने के लिए हम IDC_ अनियमित डेटासेट का उपयोग करेंगे। यह दूध नलिकाओं में विकसित होता है, वाहिनी के बाहर स्तन ग्रंथि के रेशेदार या वसायुक्त ऊतक में घुसता है। वैज्ञानिक डेटा-संग्रह परियोजना के इस विचार में, हम वर्गीकरण के लिए डीप लर्निंग और केरस लाइब्रेरी का उपयोग करेंगे।

भाषा: अजगर

डेटासेट / पैकेज: IDC_ अनियमित

14. ट्रैफिक साइन्स मान्यता

सीएनएन ओपन सोर्स का उपयोग करके डेटा साइंस के साइन रिकॉग्निशन प्रोजेक्ट के साथ सेल्फ-ड्राइविंग टेक्नोलॉजी में सटीकता हासिल करना ।



दुर्घटनाओं से बचने के लिए हर चालक के लिए यातायात संकेत और यातायात नियम बहुत महत्वपूर्ण हैं। नियम का पालन करने के लिए, आपको सबसे पहले यह समझने की जरूरत है कि रोड साइन कैसा दिखता है। किसी भी वाहन को चलाने का अधिकार दिए जाने से पहले एक व्यक्ति को सभी सड़क संकेतों को सीखना चाहिए। लेकिन अब स्वायत्त वाहनों की संख्या बढ़ रही है, और निकट भविष्य में, लोग अब स्वतंत्र रूप से मशीन को नियंत्रित करने में सक्षम नहीं होंगे। "ट्रैफिक साइन रिकॉग्निशन" प्रोजेक्ट में, आप सीखेंगे कि कैसे प्रोग्राम एक छवि को इनपुट सिग्नल के रूप में स्वीकार करके ट्रैफ़िक संकेतों के प्रकार को पहचान सकता है। जर्मन रोड साइन रिकॉग्निशन चेकलिस्ट (GTSRB) का उपयोग उस वर्ग को पहचानने के लिए एक गहरे तंत्रिका नेटवर्क के निर्माण के लिए किया जाता है, जिस पर सड़क का चिन्ह है। हम एप्लिकेशन के साथ इंटरैक्ट करने के लिए एक सरल ग्राफिकल इंटरफ़ेस भी बनाते हैं।

भाषा: अजगर

डेटासेट : GTSRB (जर्मन ट्रैफ़िक साइन रिकग्निशन बेंचमार्क)

और पढ़ें

• प्रशिक्षण परियोजनाओं के लिए 52 डेटासेट
• फ्रंट-एंड डोजो: प्रशिक्षण डेवलपर कौशल के लिए परियोजनाएं (5 नए + 43 पुराने)
• शीर्ष 12 सबसे दिलचस्प आईटी गतिशील गतिशील इन्फोग्राफिक्स

ब्लॉग भी पढ़ें
EDISON कंपनी:

के लिए 20 पुस्तकालय
शानदार iOS आवेदन