神譯局是36氪旗下編譯團(tuán)隊(duì)，關(guān)注科技、商業(yè)、職場(chǎng)、生活等領(lǐng)域，重點(diǎn)介紹國(guó)外的新技術(shù)、新觀點(diǎn)、新風(fēng)向。

編者按：在當(dāng)今的數(shù)字時(shí)代，職業(yè)競(jìng)爭(zhēng)日益激烈，怎樣才能讓自己的簡(jiǎn)歷充滿亮點(diǎn)，在職業(yè)競(jìng)聘中脫穎而出呢？最好是要有做大數(shù)據(jù)處理的經(jīng)歷！如果我們有了這樣的經(jīng)歷，那么它就成了證明自己能夠勝任某項(xiàng)工作的有力證據(jù)。本文列出了7個(gè)我們?cè)诳臻e時(shí)間就可以著手去做的數(shù)據(jù)科學(xué)項(xiàng)目。做了其中的任何一項(xiàng)，都會(huì)提升自己的簡(jiǎn)歷。為了找到自己夢(mèng)想的工作，立即提升自己的簡(jiǎn)歷吧！本文來自翻譯，希望對(duì)您有幫助。

當(dāng)前，數(shù)據(jù)科學(xué)是一個(gè)熱門領(lǐng)域，做數(shù)據(jù)科學(xué)有關(guān)的項(xiàng)目是證明自己足以勝任某一份工作的最好方法。

在這篇博文里，我們可以看到利用空閑時(shí)間就能做的7個(gè)數(shù)據(jù)科學(xué)項(xiàng)目，這些項(xiàng)目，會(huì)給我們的簡(jiǎn)歷增加亮點(diǎn)，讓它在眾多簡(jiǎn)歷中脫穎而出。

1. 回歸（Regression）

我們可以著手去做的第一個(gè)項(xiàng)目是以回歸為基礎(chǔ)的項(xiàng)目。回歸可以用來確定兩組變量之間關(guān)系的強(qiáng)度。

換句話說，它能夠用來計(jì)算當(dāng)一個(gè)變量發(fā)生變化時(shí)，另一個(gè)變量變化了多少。回歸已成為數(shù)據(jù)研究者使用的非常重要的工具。

如果想要?jiǎng)?chuàng)建一個(gè)回歸項(xiàng)目，最好使用一個(gè)自己感興趣的數(shù)據(jù)集，并嘗試確定不同變量之間的關(guān)系。

我們能做的一些回歸項(xiàng)目?jī)?nèi)容如下：

（1）確定身高和體重之間的關(guān)系。

（2）確定收入與學(xué)歷之間的關(guān)系。

（3）確定投票行為與年齡之間的關(guān)系。

（4）確定高中生成績(jī)平均績(jī)點(diǎn)（GPA，Grade Point Average）與高考（SAT， Scholastic Aptitude Test and Scholastic Assessment Test）成績(jī)之間的關(guān)系。

以上這些項(xiàng)目，每一個(gè)都可以在相對(duì)較短的時(shí)間內(nèi)創(chuàng)建完成，在創(chuàng)建過程中也會(huì)讓我們更好地理解回歸是如何運(yùn)算的。

2. 分類（Classification）

我們可以著手去做的下一個(gè)項(xiàng)目是分類項(xiàng)目。分類項(xiàng)目將幫助我們了解如何使用機(jī)器學(xué)習(xí)算法將新的數(shù)據(jù)分類到一個(gè)預(yù)定義的類別里。

對(duì)于一名數(shù)據(jù)研究者來說，了解分類非常重要，因?yàn)樵谠S多不同的應(yīng)用程序中，比如圖像識(shí)別和文檔標(biāo)記，都會(huì)運(yùn)用到分類。

我們能做的一些分類項(xiàng)目?jī)?nèi)容如下：

（1）將圖像分成不同的類別。例如，我們可以使用機(jī)器學(xué)習(xí)算法將動(dòng)物圖片分成哺乳動(dòng)物、鳥類、爬行動(dòng)物等不同的類別。

（2）將文本分成不同的類別。例如，我們可以使用機(jī)器學(xué)習(xí)算法將《紐約時(shí)報(bào)》（New York Times）上的文章分成政治類、商業(yè)類、體育類等不同的類別。

（3）將郵件分成不同的類別。例如，我們可以使用機(jī)器學(xué)習(xí)算法將電子郵件分為“垃圾郵件”或“非垃圾郵件”。

（4）將博客文章分成不同的類別。例如，我們可以使用機(jī)器學(xué)習(xí)算法將高流量網(wǎng)站上的博客文章分為“積極的類別”或“消極的類別”。

3. 聚類（Cluster）

聚類是一種沒有任何現(xiàn)成模式可供參考或依循的學(xué)習(xí)算法，它根據(jù)數(shù)據(jù)點(diǎn)的屬性將數(shù)據(jù)點(diǎn)分在同一個(gè)組里。這類項(xiàng)目將幫助我們理解如何在數(shù)據(jù)集中識(shí)別特定的集群，并使用基礎(chǔ)集群算法將數(shù)據(jù)中的項(xiàng)目分組到簇或類中，使探索大型數(shù)據(jù)集的工作變得更容易些。

對(duì)于一名數(shù)據(jù)研究者來說，了解聚類非常重要，因?yàn)樗谑袌?chǎng)營(yíng)銷、欺詐檢測(cè)等各種應(yīng)用程序中都被廣泛應(yīng)用。

我們能做的一些聚類項(xiàng)目?jī)?nèi)容如下：

（1）對(duì)推文按主題進(jìn)行聚類。這可以用來了解關(guān)于各種話題的公眾情緒，或者跟蹤Twitter上的信息。

（2）按類型對(duì)電影或電視節(jié)目進(jìn)行聚類。例如，我們可以在IMDB數(shù)據(jù)集中對(duì)電影類型進(jìn)行聚類，從中發(fā)現(xiàn)與我們最喜歡的電影類型相似但不完全相同的新的電影類型。（例如，浪漫喜劇和戲劇）

（3）根據(jù)產(chǎn)品類型對(duì)雜貨店里的商品進(jìn)行聚類。（例如，洗衣粉和除臭劑）我們可以根據(jù)屬性（品牌、大小、顏色）的不同將各物品聚類到各個(gè)數(shù)據(jù)集中。

（4）進(jìn)行有針對(duì)性的營(yíng)銷活動(dòng)，對(duì)顧客進(jìn)行細(xì)分聚類。例如，我們可以根據(jù)客戶的購(gòu)買歷史或人口信息對(duì)他們進(jìn)行聚類。

4. 情緒分析（Sentiment Analysis）

情緒分析是對(duì)文本中所表達(dá)的態(tài)度和情感進(jìn)行識(shí)別和量化的過程。

對(duì)于一名數(shù)據(jù)研究者來說，了解情緒分析非常重要，因?yàn)檫\(yùn)用情緒分析可以洞察客戶反饋、產(chǎn)品評(píng)論甚至是股票市場(chǎng)趨勢(shì)。

我們可以著手去做的情緒分析項(xiàng)目?jī)?nèi)容如下：

（1）分析客戶反饋的數(shù)據(jù)，從中識(shí)別出積極情緒和消極情緒。例如，我們可以通過查看客戶對(duì)新產(chǎn)品的評(píng)論，來找出頻率最高的差評(píng)和好評(píng)。

（2）分析Twitter數(shù)據(jù)，來了解情緒是如何隨著時(shí)間而變化的。例如，我們可以在幾周或幾個(gè)月的時(shí)間內(nèi)追蹤Twitter上關(guān)于某一特定話題（如總統(tǒng)選舉）的情緒。

（3）將影評(píng)分為正面的或負(fù)面的。例如，我們可以應(yīng)用文本分類算法將來自“爛番茄”（Rotten Tomatoes）的評(píng)論分為“新鮮的”（正面的）和“腐爛的”。（反面的）

（4）識(shí)別Twitter上關(guān)于自己的公司及競(jìng)爭(zhēng)對(duì)手的情緒。例如，我們可以追蹤Yelp對(duì)某一產(chǎn)品的評(píng)論，并確定人們的情緒是如何隨時(shí)間而變化的。

5. 推薦系統(tǒng)（Recommender System）

推薦系統(tǒng)用于對(duì)產(chǎn)品和服務(wù)進(jìn)行個(gè)性化推薦。

對(duì)于一名數(shù)據(jù)研究者來說，了解推薦系統(tǒng)也是很重要的，因?yàn)橥扑]系統(tǒng)可以幫助企業(yè)將其營(yíng)銷活動(dòng)個(gè)性化，提高客戶的參與度。

我們可以著手去做的一些非常實(shí)用的推薦系統(tǒng)，如下：

（1）構(gòu)建電影推薦系統(tǒng)。例如，我們可以構(gòu)建一個(gè)算法，根據(jù)用戶對(duì)以前看過的電影的評(píng)分來推薦新電影。

（2）建立亞馬遜產(chǎn)品推薦系統(tǒng)。這可以通過使用諸如交替最小二乘（ALS，Alternating Least Squares）算法這樣的算法來實(shí)現(xiàn)。

（3）為公司或零售網(wǎng)站建立產(chǎn)品推薦系統(tǒng)。例如，我們可以把不同的產(chǎn)品鏈接在一起，從中推薦同一類別的產(chǎn)品。（例如，“如果你喜歡這個(gè)產(chǎn)品，你也會(huì)喜歡這些”）

（4）構(gòu)建旅游推薦系統(tǒng)。例如，我們可以使用位置數(shù)據(jù)來推薦用戶所在位置附近的娛樂活動(dòng)或餐館。

6.自然語(yǔ)言處理（NLP，Natural language Processing）

自然語(yǔ)言處理是從文本數(shù)據(jù)中理解和提取信息的過程。

這一類項(xiàng)目將幫助我們理解自然語(yǔ)言處理的基礎(chǔ)知識(shí)，以及如何從文本數(shù)據(jù)中提取信息。

對(duì)于一名數(shù)據(jù)研究者來說，了解自然語(yǔ)言處理非常重要，因?yàn)檫\(yùn)用自然語(yǔ)言處理可以分析客戶反饋、產(chǎn)品評(píng)論，甚至法律文件。

我們可以著手去做的一些自然語(yǔ)言處理項(xiàng)目?jī)?nèi)容如下：

（1）分析客戶反饋數(shù)據(jù)，了解客戶是如何用自己的話來描述產(chǎn)品或服務(wù)的。（例如，反饋中是否包含積極的或消極的關(guān)鍵詞？）

（2）從法律文件中提取信息。（如：合同要點(diǎn)的提?。?/p>

（3）從亞馬遜的產(chǎn)品描述中提取信息。（例如：提取對(duì)產(chǎn)品的特性和優(yōu)點(diǎn)的描述）

（4）從推文中提取某一公司或其競(jìng)爭(zhēng)對(duì)手的信息。

7. 人工神經(jīng)網(wǎng)絡(luò)（ANN，Artificial Neural Network）

人工神經(jīng)網(wǎng)絡(luò)是一種類似于大腦神經(jīng)處理信息的機(jī)器學(xué)習(xí)算法。

它是由相互連接的神經(jīng)元組成。通過這些神經(jīng)元可以學(xué)習(xí)和識(shí)別數(shù)據(jù)模式。我們通常運(yùn)用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識(shí)別或自然語(yǔ)言處理等。

人工神經(jīng)網(wǎng)絡(luò)有許多不同的類型，所以我們要選擇一個(gè)適合自己的特定數(shù)據(jù)集和用例。

我們可以著手去做的人工神經(jīng)網(wǎng)絡(luò)項(xiàng)目?jī)?nèi)容如下：

（1）構(gòu)建簡(jiǎn)單的人工神經(jīng)網(wǎng)絡(luò)識(shí)別手寫數(shù)字。

（2）訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股票市場(chǎng)價(jià)格。

（3）構(gòu)建神經(jīng)網(wǎng)絡(luò)，將圖像分成不同的類別。（如狗或貓）

（4）訓(xùn)練神經(jīng)網(wǎng)絡(luò)識(shí)別文本文檔的語(yǔ)言。

立即提升自己的簡(jiǎn)歷

感謝大家閱讀此文！如果大家需要提升自己的簡(jiǎn)歷，可以考慮去做這7個(gè)數(shù)據(jù)科學(xué)項(xiàng)目中的任意一個(gè)，來讓簡(jiǎn)歷脫穎而出。

從構(gòu)建人工神經(jīng)網(wǎng)絡(luò)或自然語(yǔ)言處理算法，到分析客戶反饋和產(chǎn)品評(píng)論，這些項(xiàng)目能夠以多種方式展示我們的大數(shù)據(jù)處理能力。

譯者：甜湯

關(guān)鍵詞： 脫穎而出 數(shù)據(jù)處理