6 Open-Source-Data-Science-Projekte zum Ausprobieren zu Hause!!

Überblick

• Arbeiten Sie mit diesen Open-Source-Projekten an Ihren Data-Science-Kenntnissen
• Diese Open-Source-Data-Science-Projekte decken ein breites Themenspektrum ab, von Computer Vision bis Web Analytics.

Einführung

War es schwer für dich zu Hause zu lernen? Die meisten von uns sitzen im selben Boot: Es gibt zu viele Dinge, um in diesen turbulenten Zeiten zu jonglieren und zu lernen, entgegen unseren anfänglichen Erwartungen, ist in den Hintergrund getreten.

Dann, Wie können wir wieder auf die Spur kommen? Wie können wir unser Data Science-Lernen mit praktischer Erfahrung kombinieren?

Eine wichtige Sache, die mir enorm geholfen hat, ist die Auswahl eines Open-Source-Data-Science-Projekts und dessen Durchführung. Dies hilft mir nicht nur, die Schlüsselbereiche zu verstehen, in denen ich mich verbessern muss, es zeigt mir auch den Weg.

Und diese Projekte sind keine gewöhnlichen Data-Science-Projekte.. Dies sind konkrete Projekte, die ein bestimmtes Teilgebiet der Datenwissenschaft adressieren, wie Computer Vision, Webanalyse, etc. Das Projekt könnte ein Datensatz sein, eine hochmoderne Bibliothek, die den Bereich der Datenwissenschaft vorangebracht hat, oder sogar ein Open-Source-Analysetool.

Deswegen, Wählen Sie ein Projekt, das Sie fasziniert, und beginnen Sie noch heute damit, daran zu arbeiten.

Hier können Sie sich unser vollständiges Archiv von Open-Source-Data-Science-Projekten ansehen.

6 Open-Source-Data-Science-Projekte, die Sie während dieser Blackout-Periode ausprobieren können

Open-Source-Projekte für maschinelles Sehen

Dank der Kraft von PyTorch, Dieses Jahr sehen wir viele erstaunliche Anwendungsfälle im Bereich Computer Vision. Hier, Ich habe einige außergewöhnliche Computer Vision-Projekte ausgewählt, die Sie gerne erkunden und in die Sie eintauchen werden.

Und wenn Sie neu in diesem Bereich sind und beginnen möchten, Sehen Sie sich diese Ressourcen an:

Dies ist ein exquisiter Anwendungsfall für Computer Vision. Um ein Bild in ein dreidimensionales Foto umzuwandeln, waren an einem Punkt anspruchsvolle und gründliche Kenntnisse von Werkzeugen wie Photoshop erforderlich.. Jetzt, Dank der Fortschritte in der tiefes LernenTiefes Lernen, Eine Teildisziplin der Künstlichen Intelligenz, verlässt sich auf künstliche neuronale Netze, um große Datenmengen zu analysieren und zu verarbeiten. Diese Technik ermöglicht es Maschinen, Muster zu lernen und komplexe Aufgaben auszuführen, wie Spracherkennung und Computer Vision. Seine Fähigkeit, sich kontinuierlich zu verbessern, wenn mehr Daten zur Verfügung gestellt werden, macht es zu einem wichtigen Werkzeug in verschiedenen Branchen, von Gesundheit... und Computer Vision, Wir können diese Transformation in nur wenigen Codezeilen durchführen!!

Dieses Projekt, Open Source auf GitHub, macht genau das. Nimmt ein einzelnes RGB-D-Eingangsbild auf und wandelt es in ein 3D-Foto um. Wenn Sie Deep-Learning-Begriffe bevorzugen, das ist also „ein mehrschichtiges Rendering für eine neuartige Ansichtssynthese mit halluzinierten Farb- und Tiefenstrukturen in verdeckten Regionen der Originalansicht“.

Sehen Sie sich ein Beispiel an, was Sie mit diesem Framework tun können:

Ziemlich beeindruckend, Wahrheit? Dieses Projekt, wie du vielleicht schon erraten hast, wurde mit PyTorch . erstellt. Das ist ein Framework, mit dem Sie sich vertraut machen sollten.:

Dies ist ein schönes Nebenprojekt, an dem Sie arbeiten können, wenn Sie nicht viel Freizeit haben. Hält was auf der Verpackung steht: Sie geben dem Modell ein Eingabebild und es verwandelt es in eine Cartoon-Version:

Können Sie erraten, welches Konzept der Computer Vision hinter diesem Projekt steckt?? Jawohl, Generative Netzwerke der Konfrontation (GAN). Ich bin wirklich erstaunt über die rasanten Fortschritte, die wir bei GANs seit seiner Eröffnung gesehen haben 2014 an die Gemeinde. Von CycleGANs zu StarGANs, kein Mangel an Frameworks, die Sie auswählen und mit denen Sie arbeiten können.

Die Entwickler dieses Foto-zu-Cartoon-Projekts haben ein vortrainiertes Modell geöffnet, damit Sie es schnell laden und auf Ihrem Computer ausführen können.. Ich habe schon ein paar Versuche dazu gesehen, aber das ist die realistischste Verwandlung, die mir begegnet ist.

Dann, Es werden einige Ressourcen gezeigt, die Ihnen helfen, GANs zu verstehen:

Objekterkennungsrahmen haben in den letzten Jahren bemerkenswerte Fortschritte gemacht. Wir sind von der Generierung einfacher Begrenzungsrahmen in Standbildern zur Verfolgung dynamischer Objekte in Videos übergegangen. Das ist die Macht der Computer Vision.

Aber trotzdem, Fortschritte bei der Zusammenführung der Konzepte der Objekterkennung und Neuidentifizierung waren langsam (gelinde gesagt!). In dieser faszinierenden Studie, Forscher präsentieren eine einfache Grundlage, um diese Lücke zu schließen, indem sie mehrere Objekte in einer einzigen Aufnahme verfolgen.

Sehen Sie Ihr Modell in Aktion:

Das Basismodell, das sie aus Open Source erhalten haben, übertrifft den Stand der Technik bei öffentlichen Datensätzen in 30 fps. Sie finden sowohl den Code als auch den Forschungsartikel in dem oben genannten Link.

Ich empfehle, die folgenden Tutorials zu befolgen, wenn Sie lernen möchten, wie man Objekte erkennt:

Andere großartige Open-Source-Data-Science-Projekte

Ich habe hier eine Liste verschiedener Open-Source-Data-Science-Projekte ausgewählt, von der Audiogenerierung bis zur Sportanalyse. Probieren Sie Ihren Favoriten aus und genießen Sie die Lernerfahrung!

Ich habe auf dieses Projekt geklickt, als ich OpenAI im Titel sah. Ich bin ein großer Fan Ihrer Arbeit und schätze Ihre Haltung zu wichtigen Open-Source-Entwicklungen für die breitere Data-Science-Community. Wer liebt GPT-2 nicht??

Jukebox, wie Musikfans intuitiv verstehen werden, ist ein Modell für rotes neuronalesNeuronale Netze sind Rechenmodelle, die von der Funktionsweise des menschlichen Gehirns inspiriert sind. Sie nutzen Strukturen, die als künstliche Neuronen bekannt sind, um Daten zu verarbeiten und daraus zu lernen. Diese Netze sind grundlegend im Bereich der künstlichen Intelligenz, Dies ermöglicht erhebliche Fortschritte bei Aufgaben wie der Bilderkennung, Verarbeitung natürlicher Sprache und Vorhersage von Zeitreihen, unter anderen. Ihre Fähigkeit, komplexe Muster zu erlernen, macht sie zu mächtigen Werkzeugen.. die Musik durch Singen im RAW-Audiobereich erzeugt. OpenAI hat die Gewichte und den Modellcode geöffnet, zusammen mit einem Tool zum Erkunden der generierten Samples.

So funktioniert Jukebox: wir geben das geschlecht an, der Künstler und der Text als Input, und das neuronale Netz gibt uns ein neues Sample von Musik, die von Grund auf neu produziert wurde. Die Bandbreite an Musik, die Jukebox erzeugen kann, ist umwerfend. Es ist ein faszinierendes Projekt, an dem man arbeiten kann!!

Kann sehen (und höre zu) Jukebox in Aktion bei Die OpenAI-Site. Und Sie können sich auch DataPeaker-Artikel zum Arbeiten mit Audiodaten ansehen:

Verwenden Sie Webanalysetools wie Google Analytics, um die Leistung Ihrer Website zu verfolgen?? Das Problem mit diesen Tools ist, dass es für Ihre Organisation keinen Datenschutz gibt. Was ist mehr, Möglicherweise müssen Sie etwas Geld ausgeben, wenn Sie die Premium-Funktionen nutzen möchten. Dann, nicht für jeden ideal.

Dies sind die wichtigsten Lücken, die ShyNet schließen möchte. So haben es die Entwickler formuliert:

„Hosten Sie es selbst, also die daten sind dein. Funktioniert ohne Cookies, Sie brauchen also keine aufdringlichen Cookie-Hinweise. Sammeln Sie nur so viele Daten, dass sie nützlich sind, aber nicht genug um gruselig zu sein. Es ist Open Source und bestimmt zu selbst gehostet werden. Und vielleicht finden Sie die Benutzeroberfläche sogar einfach zu bedienen „.

Hier ist ein Beispiel-Screenshot der Standard-Homepage von ShyNet:

Und wenn Sie sich fragen, welche Schlüsselkennzahlen ShyNet Ihnen liefern kann, dein Warten hat ein Ende:

• Treffer
• Sitzungen
• Ladezeit der Seite
• Absprungrate
• Dauer
• Absender
• Standorte
• Betriebssystem
• Browser
• Geografischer Standort und Netzwerk
• Gerätetyp

Denken Sie daran, dass ShyNet in seinem aktuellen Format großartig ist, wenn Sie eine kleine oder MedianDer Median ist ein statistisches Maß, das den zentralen Wert eines Satzes geordneter Daten darstellt. Um es zu berechnen, Die Daten werden von der niedrigsten zur höchsten sortiert und die Zahl in der Mitte wird identifiziert. Wenn es eine gerade Anzahl von Beobachtungen gibt, Die beiden Kernwerte werden gemittelt. Dieser Indikator ist besonders nützlich bei asymmetrischen Verteilungen, da es nicht von Extremwerten beeinflusst wird.... Unternehmen. Es ist möglicherweise nicht ideal zu verwenden, wenn Sie in einem großen Unternehmen tätig sind. Das oben verlinkte GitHub-Repository enthält eine vollständige Zusammenfassung, wie ShyNet funktioniert und wie Sie es verwenden können.

Ich empfehle, den untenstehenden detaillierten Leitfaden zu befolgen, um mehr über die Welt des digitalen Marketings zu erfahren (davon die AnalyseAnalytics bezieht sich auf den Prozess des Sammelns, Messen und analysieren Sie Daten, um wertvolle Erkenntnisse zu gewinnen, die die Entscheidungsfindung erleichtern. In verschiedenen Bereichen, wie Business, Gesundheit und Sport, Analysen können Muster und Trends erkennen, Prozesse optimieren und Ergebnisse verbessern. Der Einsatz fortschrittlicher Werkzeuge und statistischer Techniken ist unerlässlich, um Daten in anwendbares und strategisches Wissen umzuwandeln.... Netz):

Dies ist ein persönlicher Favorit. Ich bin ein großer Fußballfan und beschäftige mich schon seit einiger Zeit mit der Welt der Sportanalytik. Der Fortschritt in diesem Bereich war im Vergleich zu anderen Branchen viel langsamer, aber in den letzten jahren, Teams und Franchises erwachen für die Kraft von Analytics und Data Science.

Amerikanische Sportarten sind anderen Ländern in Bezug auf Fortschritt und Anpassungsfähigkeit weit voraus, aber europäische Fußballvereine fangen endlich an, Ball zu spielen. Liverpool, zum Beispiel, stützt sich stark auf einen datengesteuerten Top-Down-Ansatz, einschließlich der Planung Ihrer Rekrutierungsstrategie.

Dann, wenn Sie ein Sportfan sind und sich in die Welt der Analytik wagen möchten, das ist das perfekte Open Source Projekt für dich.

Das GitHub-Repository enthält eine Fülle von Ressourcen für den Einstieg, einschließlich:

• Ressourcen und Tipps zu technischen Fähigkeiten, die für die Fußballanalyse wichtig sind.
• Eine Sammlung von Python-Tutorials, die zeigen, wie man mit Fußballdatensätzen arbeitet.
• Forschungsarbeiten und Artikel zu den neuesten Entwicklungen in der Fußballanalyse.

Abschließende Anmerkungen

Dann, An welchem ​​Open-Source-Data-Science-Projekt arbeiten Sie im Mai?? Ich habe versucht, hier ein breites Spektrum an Domains abzudecken, die eine große Vielfalt an Möglichkeiten für Sie bieten. Persönlich, Ich freue mich sehr, in das Projekt Fußballanalysehandbuch einzutauchen und zu sehen, wie ich mein Wissen zu diesem Thema erweitern kann.

Wenn Sie andere Open-Source-Projekte mit uns teilen möchten, Fühlen Sie sich frei, den Namen und den Link in den Kommentarbereich unten zu setzen. Machen wir diesen Monat zu einem superproduktiven Lernmonat!!

Verwandt