本月你最值得關(guān)注的數(shù)據(jù)科學開源項目！
如果你參加過大型的數(shù)據(jù)科學家職位的面試，你就會發(fā)現(xiàn)候選人的背景各不相同，比如軟件工程、機器學習、金融、市場營銷等等，而且這些面試者基本都擁有一系列屬于自己的項目，盡管他可能在數(shù)據(jù)科學方面的經(jīng)驗還不足。而招聘人員/經(jīng)理一般也都很欣賞那些手頭有一兩個優(yōu)秀開源項目的應(yīng)聘者。
今天，和大家推薦6個優(yōu)秀的開源的數(shù)據(jù)科學項目，對計算機視覺專家的需求每年都在穩(wěn)步增長，作為一名數(shù)據(jù)科學專業(yè)人士，有很多事情要做，有很多東西要學。希望這6個開源項目對你有所幫助：
1、Few-Shot vid2vid
去年我偶然發(fā)現(xiàn)了視頻到視頻(vid2vid)合成的概念，并被它的有效性所震撼。vid2vid本質(zhì)上是將一個語義輸入視頻轉(zhuǎn)換為一個超真實的視頻輸出。
但是目前這些vid2vid模型有兩個主要的限制
- 他們需要大量的訓練數(shù)據(jù)
- 這些模型很難推廣到訓練數(shù)據(jù)之外
這就是英偉達viv2vid框架的厲害之處，它可以在分割蒙版、素描草圖、人體姿勢等多種輸入格式上，實現(xiàn)高分辨率、逼真、時間相干的視頻效果。
這個GitHub庫是一個PyTorch實現(xiàn)，你可以通過以下這篇文章，開始學習如何設(shè)計自己的視頻分類模型。（文章地址：https://www.analyticsvidhya.com/blog/2019/09/step-by-step-deep-learning-tutorial-video-classification-python/?utm_source=blog&utm_medium=6-open-source-data-science-projects）
Github地址：https://github.com/NVlabs/few-shot-vid2vid
2、Ultra-Light and Fast Face Detector
這是一個超輕版本的人臉檢測模型，這個人臉檢測模型的大小只有1MB。
該模型設(shè)計是針對邊緣計算設(shè)備或低算力設(shè)備(如用ARM推理)設(shè)計的，可以在低算力設(shè)備中如用ARM進行實時的通用場景的人臉檢測推理，同樣適用于移動端、PC。
Github地址：https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB
3、Gaussian_YOLOv3
我是自動駕駛汽車的超級粉絲，因此，我認為任何有關(guān)自動駕駛的框架或算法有新的發(fā)展都是值得令人開心的。
目標檢測算法是這些自動駕駛的核心，而高精度、快速的推理速度是保證駕駛安全的關(guān)鍵，那么，這個項目有哪些驚艷的特性呢？
Gaussian_YOLOv3架構(gòu)提高了系統(tǒng)的檢測精度，支持實時操作，與傳統(tǒng)的YOLOv3相比，Gaussian YOLOv3分別將KITTI和Berkeley deep drive （BDD）數(shù)據(jù)集的平均精度(mAP)提高了3.09和3.5。
Github地址：https://github.com/jwchoi384/Gaussian_YOLOv3
4、T5
這個名單里怎么能少了谷歌的存在呢，谷歌在機器學習、深度學習和強化學習的研究上投入了大量的資金，他們的研究成果就反映了這一點，你也可以從他們的開源項目里學到很多知識。
在T5這個GitHub存儲庫中，他們已經(jīng)開源了數(shù)據(jù)集、預先訓練的模型和T5背后的代碼。谷歌提出預訓練模型 T5，參數(shù)量達到了 110 億，再次刷新 Glue 榜單，成為全新的 NLP SOTA 預訓練模型。NLP是目前最熱門的領(lǐng)域，如果你不想錯過它的最新成果，最好還是看看這個項目
Github地址：https://github.com/google-research/text-to-text-transfer-transformer
5、KnowledgeGraphData
史上最大規(guī)模1.4億中文知識圖譜開源下載，數(shù)據(jù)是.csv格式的。簡單地說知識圖譜就是通過關(guān)聯(lián)關(guān)系將知識組成網(wǎng)狀的結(jié)構(gòu)，然后我們的人工智能可以通過這個圖譜來認識其代表的這一個現(xiàn)實事件，這個事件可以是現(xiàn)實，也可以是虛構(gòu)的。
知識圖譜可以應(yīng)用于機器人問答系統(tǒng)，知識推薦等等，下圖為知識圖譜在機器人上的應(yīng)用。
Github地址：https://github.com/ownthink/KnowledgeGraphData
6、roughViz
roughViz.js是可重用的JavaScript庫，基于D3v5，roughjs和handy，用于在瀏覽器中創(chuàng)建粗略/手繪樣式的圖表。
你可以使用下面的命令在你的機器上安裝roughViz：
- npm install rough-viz
你可以通過roughViz生成以下圖表：
- 條形圖
- 柱狀圖
- 折線圖
- 餅狀圖
- 散點圖
Github地址：https://github.com/jwilber/roughViz
