神譯局是36氪旗下編譯團隊，關(guān)注科技、商業(yè)、職場、生活等領(lǐng)域，重點介紹國外的新技術(shù)、新觀點、新風向。

編者按：在當今的數(shù)字時代，職業(yè)競爭日益激烈，怎樣才能讓自己的簡歷充滿亮點，在職業(yè)競聘中脫穎而出呢？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工作的有力證據(jù)。本文列出了7個我們在空閑時間就可以著手去做的數(shù)據(jù)科學項目。做了其中的任何一項，都會提升自己的簡歷。為了找到自己夢想的工作，立即提升自己的簡歷吧！本文來自翻譯，希望對您有幫助。

當前，數(shù)據(jù)科學是一個熱門領(lǐng)域，做數(shù)據(jù)科學有關(guān)的項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間就能做的7個數(shù)據(jù)科學項目，這些項目，會給我們的簡歷增加亮點，讓它在眾多簡歷中脫穎而出。

1. 回歸（Regression）

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

換句話說，它能夠用來計算當一個變量發(fā)生變化時，另一個變量變化了多少。回歸已成為數(shù)據(jù)研究者使用的非常重要的工具。

如果想要創(chuàng)建一個回歸項目，最好使用一個自己感興趣的數(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目內(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）確定高中生成績平均績點（GPA，Grade Point Average）與高考（SAT， Scholastic Aptitude Test and Scholastic Assessment Test）成績之間的關(guān)系。

以上這些項目，每一個都可以在相對較短的時間內(nèi)創(chuàng)建完成，在創(chuàng)建過程中也會讓我們更好地理解回歸是如何運算的。

2. 分類（Classification）

我們可以著手去做的下一個項目是分類項目。分類項目將幫助我們了解如何使用機器學習算法將新的數(shù)據(jù)分類到一個預定義的類別里。

對于一名數(shù)據(jù)研究者來說，了解分類非常重要，因為在許多不同的應(yīng)用程序中，比如圖像識別和文檔標記，都會運用到分類。

我們能做的一些分類項目內(nèi)容如下：

（1）將圖像分成不同的類別。例如，我們可以使用機器學習算法將動物圖片分成哺乳動物、鳥類、爬行動物等不同的類別。

（2）將文本分成不同的類別。例如，我們可以使用機器學習算法將《紐約時報》（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，我們可以使用機器學習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，我們可以使用機器學習算法將高流量網(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習算法，它根據(jù)數(shù)據(jù)點的屬性將數(shù)據(jù)點分在同一個組里。這類項目將幫助我們理解如何在數(shù)據(jù)集中識別特定的集群，并使用基礎(chǔ)集群算法將數(shù)據(jù)中的項目分組到簇或類中，使探索大型數(shù)據(jù)集的工作變得更容易些。

對于一名數(shù)據(jù)研究者來說，了解聚類非常重要，因為它在市場營銷、欺詐檢測等各種應(yīng)用程序中都被廣泛應(yīng)用。

我們能做的一些聚類項目內(nèi)容如下：

（1）對推文按主題進行聚類。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）按類型對電影或電視節(jié)目進行聚類。例如，我們可以在IMDB數(shù)據(jù)集中對電影類型進行聚類，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?。?/p>

（3）根據(jù)產(chǎn)品類型對雜貨店里的商品進行聚類。（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數(shù)據(jù)集中。

（4）進行有針對性的營銷活動，對顧客進行細分聚類。例如，我們可以根據(jù)客戶的購買歷史或人口信息對他們進行聚類。

4. 情緒分析（Sentiment Analysis）

情緒分析是對文本中所表達的態(tài)度和情感進行識別和量化的過程。

對于一名數(shù)據(jù)研究者來說，了解情緒分析非常重要，因為運用情緒分析可以洞察客戶反饋、產(chǎn)品評論甚至是股票市場趨勢。

我們可以著手去做的情緒分析項目內(nèi)容如下：

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

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

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

（4）識別Twitter上關(guān)于自己的公司及競爭對手的情緒。例如，我們可以追蹤Yelp對某一產(chǎn)品的評論，并確定人們的情緒是如何隨時間而變化的。

5. 推薦系統(tǒng)（Recommender System）

推薦系統(tǒng)用于對產(chǎn)品和服務(wù)進行個性化推薦。

對于一名數(shù)據(jù)研究者來說，了解推薦系統(tǒng)也是很重要的，因為推薦系統(tǒng)可以幫助企業(yè)將其營銷活動個性化，提高客戶的參與度。

我們可以著手去做的一些非常實用的推薦系統(tǒng)，如下：

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

（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，“如果你喜歡這個產(chǎn)品，你也會喜歡這些”）

（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或餐館。

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

自然語言處理是從文本數(shù)據(jù)中理解和提取信息的過程。

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

對于一名數(shù)據(jù)研究者來說，了解自然語言處理非常重要，因為運用自然語言處理可以分析客戶反饋、產(chǎn)品評論，甚至法律文件。

我們可以著手去做的一些自然語言處理項目內(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：合同要點的提?。?/p>

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

（4）從推文中提取某一公司或其競爭對手的信息。

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)處理信息的機器學習算法。

它是由相互連接的神經(jīng)元組成。通過這些神經(jīng)元可以學習和識別數(shù)據(jù)模式。我們通常運用人工神經(jīng)網(wǎng)絡(luò)進行圖像識別或自然語言處理等。

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)項目內(nèi)容如下：

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

（2）訓練人工神經(jīng)網(wǎng)絡(luò)預測股票市場價格。

（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）訓練神經(jīng)網(wǎng)絡(luò)識別文本文檔的語言。

立即提升自己的簡歷

感謝大家閱讀此文！如果大家需要提升自己的簡歷，可以考慮去做這7個數(shù)據(jù)科學項目中的任意一個，來讓簡歷脫穎而出。

從構(gòu)建人工神經(jīng)網(wǎng)絡(luò)或自然語言處理算法，到分析客戶反饋和產(chǎn)品評論，這些項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