你消化了今天的知識(shí)嗎？

美人兒

想快速入門數(shù)據(jù)科學(xué)？做一些數(shù)據(jù)科學(xué)項(xiàng)目往往是一個(gè)很好的敲門磚。做這些項(xiàng)目，不僅可以練習(xí)掌握相關(guān)技能，還可以寫在簡(jiǎn)歷里！要知道，現(xiàn)在HR判斷求職者潛力的方式，已經(jīng)不是看他取得了什么證書，而是看他做了什么項(xiàng)目。如果你沒(méi)有什么東西給他們看，你說(shuō)你會(huì)做很多，他們只會(huì)覺(jué)得你只是說(shuō)說(shuō)而已，不練招數(shù)。

你可能做了很多數(shù)據(jù)相關(guān)的事情，但是如果你做的事情不好向大家展示和解釋，HR怎么知道你也有兩把刷子呢？這就是我們今天介紹的項(xiàng)目可以幫助你的地方。我們保證這些項(xiàng)目的含金量，你保證你在上面花足夠的時(shí)間，那么你一定會(huì)收獲很多。

而且，我們?yōu)槟氵x擇的項(xiàng)目橫跨各個(gè)領(lǐng)域，無(wú)論你喜歡哪個(gè)領(lǐng)域，都能找到你喜歡的話題；每個(gè)合格的數(shù)據(jù)人都應(yīng)該有處理大數(shù)據(jù)集的經(jīng)驗(yàn)，所以也有一些大數(shù)據(jù)集供你選擇。最重要的是，零成本，免費(fèi)！

由難到易

為了讓你知道從哪里開始，我們將這些數(shù)據(jù)集按照難度分為三個(gè)級(jí)別:

首先，入門

這一級(jí)別的數(shù)據(jù)集往往處理起來(lái)相對(duì)簡(jiǎn)單，不需要任何復(fù)雜的技術(shù)就可以通過(guò)分類或回歸算法來(lái)解決。而且這個(gè)數(shù)據(jù)集有一個(gè)公共教程教你怎么做，不至于讓你一上來(lái)就全瞎閉門造車。

第二，高級(jí)

與原始數(shù)據(jù)集相比，這一級(jí)別的數(shù)據(jù)集相對(duì)復(fù)雜且較大，需要一定的模式識(shí)別能力。而且一個(gè)優(yōu)秀的特征工程往往會(huì)帶來(lái)更好的分析結(jié)果。你能想到的機(jī)器學(xué)習(xí)方法，從簡(jiǎn)單到復(fù)雜，都可以。

第三，高級(jí)

這種級(jí)別的數(shù)據(jù)集更適合了解神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)或推薦系統(tǒng)等熱點(diǎn)話題的人。這些數(shù)據(jù)集往往有很多特色，是適合你施展才華的地方。

初級(jí)課程

1.虹膜數(shù)據(jù)集

可能沒(méi)有更適合初學(xué)者分類問(wèn)題的數(shù)據(jù)集了，只有150行4列。如果你是小白，就不能錯(cuò)過(guò)這個(gè)數(shù)據(jù)集。

問(wèn)題:預(yù)測(cè)花的種類

數(shù)據(jù):https://archive.ics.uci.edu/ml/datasets/Iris

教程:https://www.slideshare.net/thoi _吉安/iris-數(shù)據(jù)分析-帶-r

6.葡萄酒質(zhì)量數(shù)據(jù)集

這個(gè)數(shù)據(jù)集很受數(shù)據(jù)科學(xué)新粉絲的歡迎。分為兩部分，可以用來(lái)分類，也可以用來(lái)回歸。它可以測(cè)試你處理離群值、模型選擇和不平衡數(shù)據(jù)的能力。它有4898行和12列。

問(wèn)題:葡萄酒質(zhì)量預(yù)測(cè)

數(shù)據(jù):https://archive.ics.uci.edu/ml/datasets/Wine+Quality

教程:https://web.stanford.edu/~ilker/doc/wine_Stats315A.pdf

7.圖爾基耶學(xué)生評(píng)估數(shù)據(jù)集

該數(shù)據(jù)集取自學(xué)生對(duì)多門課程的教學(xué)評(píng)價(jià)。它包含了很多特征，如出勤率、難易程度、年級(jí)等，這是一個(gè)無(wú)監(jiān)督學(xué)習(xí)的問(wèn)題。該數(shù)據(jù)集有5820行和33列。

問(wèn)題:使用分類和聚類技術(shù)處理數(shù)據(jù)

數(shù)據(jù):https://archive.ics.uci.edu/ml/datasets/wine+quality

教程:https://sanghosuh.github.io/research/la _埃德蒙·sanghosuh.pdf

7.電影鏡頭數(shù)據(jù)集

要不要自己寫一個(gè)推薦系統(tǒng)？機(jī)會(huì)來(lái)了。這個(gè)數(shù)據(jù)集也是最受歡迎的數(shù)據(jù)集之一，包含6000個(gè)用戶對(duì)4000部電影的100萬(wàn)條評(píng)論。

問(wèn)題:向用戶推薦新電影

數(shù)據(jù):https://grouplens.org/datasets/movielens/1m/

教程:https://www . analyticsvidhya . com/blog/2016/06/quick-guide-build-推薦信-engine-python/

8.推特分類數(shù)據(jù)集

做情感分析，需要分析Twitter數(shù)據(jù)。如果你想要一塊NLP，你一定很樂(lè)意挑戰(zhàn)這個(gè)數(shù)據(jù)集。

問(wèn)題:區(qū)分推特用戶的情感極性

數(shù)據(jù):https://data hack . analyticsvidhya . com/contest/practice-problem-Twitter-句子-分析/

教程:https://github.com/abdulfatir/twitter-sentiment-analysis

較年長(zhǎng)的

1.識(shí)別您的數(shù)字?jǐn)?shù)據(jù)集

這個(gè)數(shù)據(jù)集包含許多帶數(shù)字的圖片。可以通過(guò)它學(xué)習(xí)圖像識(shí)別的技術(shù)和原理。這和人臉識(shí)別的原理一樣！通過(guò)用7000張圖片分析這個(gè)數(shù)據(jù)集，你就掌握了這些技巧。

問(wèn)題:識(shí)別圖片中的數(shù)字

數(shù)據(jù):https://data hack . analyticsvidhya . com/contest/practice-problem-identify-the-digits/

教程:https://www . analyticsvidhya . com/blog/2016/10/an-introduction-to-implementing-neural-networks-use-tensorflow/

2.城市聲音分類

當(dāng)你開始你的機(jī)器學(xué)習(xí)之旅時(shí)，你通常會(huì)先處理一些簡(jiǎn)單的數(shù)據(jù)集，比如泰坦尼克號(hào)，但你仍然沒(méi)有處理過(guò)現(xiàn)實(shí)生活中的問(wèn)題。然后，這個(gè)數(shù)據(jù)集會(huì)帶你去處理一個(gè)現(xiàn)實(shí)生活中的音頻分類問(wèn)題，這個(gè)問(wèn)題包括10類8732段音頻。

問(wèn)題:區(qū)分音頻的類型

數(shù)據(jù):https://data hack . analyticsvidhya . com/contest/practice-problem-urban-sound-classification/

教程:https://www . analyticsvidhya . com/blog/2017/08/audio-voice-processing-deep-learning/

3.沃克斯名人數(shù)據(jù)集

音頻處理現(xiàn)在是深度學(xué)習(xí)中非常重要的一個(gè)領(lǐng)域，這個(gè)數(shù)據(jù)集正好屬于這個(gè)領(lǐng)域。它是從YouTube上提取的，包含了很多名人演講的音頻。你的任務(wù)是識(shí)別聲音，并告訴每個(gè)片段是誰(shuí)的聲音。這個(gè)數(shù)據(jù)集包含了1251位名人的10萬(wàn)個(gè)演講片段。

問(wèn)題:說(shuō)出每個(gè)片段是誰(shuí)的聲音

數(shù)據(jù):http://www.robots.ox.ac.uk/~vgg/data/voxceleb/

教程:https://www.robots.ox.ac.uk/~ vgg/publications/2017/nagrani 17/nagrani 17 . pdf

4.ImageNet數(shù)據(jù)集

ImageNet提供了很多關(guān)于目標(biāo)檢測(cè)、目標(biāo)定位、目標(biāo)分類的問(wèn)題，所有圖像數(shù)據(jù)都是免費(fèi)的。您可以選擇任何您喜歡的圖像，并根據(jù)它制作您自己的項(xiàng)目。它有高達(dá)140GB的圖像數(shù)據(jù)等著你去翻牌子。

問(wèn)題:區(qū)分圖像類型

數(shù)據(jù):http://image-net.org/download-imageurls

教程:http://image-net.org/download-imageurls

5.芝加哥犯罪數(shù)據(jù)集

在這個(gè)計(jì)算能力豐富的時(shí)代，公司不再喜歡用小樣本來(lái)分析和處理數(shù)據(jù)，處理大數(shù)據(jù)集的能力變得越來(lái)越重要。這個(gè)多分類數(shù)據(jù)集不難處理，數(shù)據(jù)管理是關(guān)鍵！

問(wèn)題:預(yù)測(cè)犯罪類型

資料來(lái)源:https://data . city his cago . org/public-safety/crimes-2001-至今/ijzp-q8t2

教程:http://nathanwayneholt . com/Mathematica modeling/Chicago crimes report . pdf。

6.印度演員數(shù)據(jù)集的年齡檢測(cè)

對(duì)于深度學(xué)習(xí)愛(ài)好者來(lái)說(shuō)，檢測(cè)人的年齡是一個(gè)非常有趣的挑戰(zhàn)。這個(gè)數(shù)據(jù)集提供了很多印度演員的照片，你的任務(wù)是區(qū)分他們的年齡。每張圖片都是手工挑選的，有各種比例、姿勢(shì)、年齡、妝容、分辨率。訓(xùn)練集有19906個(gè)樣本，測(cè)試集有6636個(gè)樣本。

問(wèn)題:預(yù)測(cè)演員的年齡

數(shù)據(jù):http://image-net.org/download-imageurls

教程:https://www . analyticsvidhya . com/blog/2017/06/hand-with-deep-learning-solution-for-age-detection-practice-problem/

7.推薦引擎數(shù)據(jù)集

這是一個(gè)高階推薦系統(tǒng)問(wèn)題。在這個(gè)問(wèn)題中，它提供了程序員已經(jīng)解決的問(wèn)題，以及他們花在這個(gè)問(wèn)題上的時(shí)間。而你的任務(wù)就是給用戶推薦下一個(gè)問(wèn)題。

問(wèn)題:根據(jù)用戶目前解決編程問(wèn)題的水平，為用戶推薦合適的問(wèn)題。

數(shù)據(jù):https://data hack . analyticsvidhya . com/contest/practice-problem-推薦信-engine/

8.可視化問(wèn)答數(shù)據(jù)集

VisualQA是一個(gè)包含很多開放性問(wèn)題的圖像數(shù)據(jù)集，需要你對(duì)計(jì)算機(jī)視覺(jué)有一定的了解。這個(gè)數(shù)據(jù)集中有265，016張圖片，每張圖片有3個(gè)問(wèn)題。

問(wèn)題:通過(guò)深度學(xué)習(xí)解決形象開放性問(wèn)題。

數(shù)據(jù):https://visualqa.org/

教程:https://arxiv.org/abs/1708.02711

如你所見，資源很多，但你只需要選擇適合自己的，適合自己的就是最好的。如果還是小白，就不要選擇那些難的數(shù)據(jù)集，不要想著一口吃掉一個(gè)胖子，一步一個(gè)腳印就好。當(dāng)然，如果你專攻數(shù)據(jù)分析和商業(yè)分析，最好不要錯(cuò)過(guò)這個(gè)周末的公開課。

當(dāng)你完成了兩三個(gè)項(xiàng)目，記得把它們寫在簡(jiǎn)歷上，LinkedIn或者GitHub上，這一點(diǎn)很重要。許多人力資源招聘人員使用LinkedIn或GitHub來(lái)篩選人員。

當(dāng)然，如果你不知道自己努力的方向，不知道如何做出一個(gè)漂亮的項(xiàng)目，不知道如何展示，那么3月30號(hào)來(lái)我們數(shù)據(jù)應(yīng)用研究所的數(shù)據(jù)科學(xué)家訓(xùn)練營(yíng)吧。

原作者:ANALYTICS VIDHYA CONTENT TEAM

翻譯:唐唐

美術(shù)編輯:郭兒

校對(duì):卡里

原文鏈接:https://www . analyticsvidhya . com/blog/2018/05/24-ultimate-data-science-projects-to-boost-you-knowledge-and-skills/