نمونه پروژههای عملی علم داده (به همراه سورس کد)
https://bit.ly/3odOQXG
یکی از راهکارهای مفید در یادگیری مبانی و مفاهیم علمداده و یادگیری ماشین، یادگیری در حین پیادهسازی پروژههای عملی و واقعی است. در ادامه 11 پروژه کاربردی و بهروز علمداده به همراه سورسکد و آموزش مسیر پیادهسازی آن در زبان برنامه نویسی پایتون معرفی میشود.
▪️پروژه سیستم توصیهگر ویدیو
▪️پروژه تحلیل احساسات نظرات مشتریان
▪️پروژه پیش بینی قیمت مسکن
▪️پروژه پیش بینی ریزش مشتری
▪️پروژه پیش بینی میزان گسترش ویروس کووید 19
▪️پروژه تحلیل سبد خرید مشتری
▪️پروژه توسعه چتبات هوشمند
▪️پروژه پیش بینی زلزله
▪️پروژه پیش بینی قیمت بیتکوین
▪️پروژه پیش بینی قیمت سهام
▪️پروژه طبقهبندی موضوعی متن
پینوشت:
یکی از مطرحترین افراد فعال در حوزه یادگیری عمیق پرفسور Andrew NG است که در وبسایت Coursera دورههای بسیار باکیفیتی را در حوزههای یادگیری ماشین و یادگیری عمیق تدریس میکند. یکی از دلایل حائز اهمیت در کسب چنین دانش تخصصی توسط ایشان پیادهسازی گام به گام اکثر مقالات یادگیری عمیق منتشرشده بود. در واقع ایشان در کنار مطالعه مقالات یادگیری عمیق سایر محققین این حوزه، شخصا اقدام به پیاده سازی گامها و مراحل مندرج در مقالات مینمودند.
لذا تمرین و پیادهسازی عملی پروژههای علوم داده، بررسی پاسخهای تیمهای برتر در مسابقاتهای مطرح علومداده در پلتفرم Kaggle و.... میتواند از شما یک متخصص برجسته علم داده بسازد.
با احترام
محمدرضا محتاط
مدیرپروژه و مشاور ارشد علوم داده
@DataAnalysis
Post #1284
9.87K