[[323078]]

大數(shù)據(jù)文摘出品

來源：medium

編譯：張大筆茹、夏雅薇

首先，我想向所有的護(hù)士，醫(yī)生，超市員工，公共管理人員以及其他冒著生命危險(xiǎn)為我們服務(wù)的人致敬。

不要把這一切當(dāng)成理所當(dāng)然的，他們做出了很大的貢獻(xiàn)，而我們能做的是盡可能在此期間花些時(shí)間學(xué)習(xí)新技能，讀書和提高自己。對于那些對數(shù)據(jù)，數(shù)據(jù)分析或數(shù)據(jù)科學(xué)感興趣的人，我提供了一份可以利用業(yè)余時(shí)間完成的數(shù)據(jù)科學(xué)項(xiàng)目清單，一共14個(gè)!

項(xiàng)目分為三種類型：

• 可視化項(xiàng)目
• 探索性數(shù)據(jù)分析(EDA)項(xiàng)目
• 預(yù)測建模

一、可視化項(xiàng)目

最容易上手的就是數(shù)據(jù)可視化， 以下三個(gè)數(shù)據(jù)集可以用于創(chuàng)建一些有意思的的可視化效果并加到你的簡歷中。

1. 新冠病毒可視化

學(xué)習(xí)如何使用Plotly構(gòu)建動(dòng)態(tài)可視化數(shù)據(jù)，展示冠狀病毒是如何在全球范圍內(nèi)傳播的。Plotly很好用，它可以做動(dòng)態(tài)可視化，好看且操作簡單。

[[323079]]

• 難易程度：簡單
• 數(shù)據(jù)集：https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset
• 教程：https://towardsdatascience.com/visualizing-the-coronavirus-pandemic-with-choropleth-maps-7f30fccaecf5

2. 澳洲大火數(shù)據(jù)可視化

[[323080]]

2019-2020年的叢林大火季，也稱為黑色夏天，由2019年6月開始的幾場極端野火組成的。據(jù)維基百科統(tǒng)計(jì)，這場大火燒毀了約1,860萬公頃的土地和5,900多座建筑物。

這是一個(gè)有趣的項(xiàng)目，可以利用Plotly或Matplotlib數(shù)據(jù)可視化工具來可視化野火的規(guī)模和對地理的影響。

• 難易程度：簡單
• 數(shù)據(jù)集：https://www.kaggle.com/carlosparadis/fires-from-space-australia-and-new-zeland

3. 地表溫度可視化

[[323081]]

你是否懷疑過全球變暖的觀點(diǎn)?創(chuàng)建一些數(shù)據(jù)可視化效果，顯示地球表面溫度如何隨時(shí)間變化，并可以通過創(chuàng)建折線圖或其他動(dòng)畫的Choropleth貼圖來實(shí)現(xiàn)!也可以創(chuàng)建一個(gè)預(yù)測模型來預(yù)測未來五十年內(nèi)地球的溫度。

• 難易程度：介于簡單到中等之間
• 數(shù)據(jù)集：https://www.kaggle.com/berkeleyearth/climate-change-earth-surface-temperature-data/kernels

二、探索性數(shù)據(jù)分析項(xiàng)目

探索性數(shù)據(jù)分析(EDA)，也稱為數(shù)據(jù)挖掘，意思是數(shù)據(jù)分析過程中使用了多種技術(shù)來更好理解數(shù)據(jù)。

4. 紐約Airbnb數(shù)據(jù)挖掘

自2008年以來，Airbnb使游客和房東出行更方便，提出更多個(gè)性化的體驗(yàn)世界的方式。該數(shù)據(jù)集包含有關(guān)2019年紐約出租的信息以及包含其地理信息，價(jià)格，評論數(shù)量等。

[[323082]]

可以分析的一些角度如下：

• 哪些區(qū)域生意最好，為什么?
• 哪些區(qū)域的流量比其他區(qū)域大，為什么?
• 價(jià)格，評論數(shù)量和預(yù)訂天數(shù)之間是否存在一些關(guān)系?

難易程度：中等

數(shù)據(jù)集：https://www.kaggle.com/dgomonov/new-york-city-airbnb-open-data

5. 哪些因素與員工離職和績效有關(guān)

IBM公開了一個(gè)綜合數(shù)據(jù)集，可以使用它來了解各種因素如何影響員工的流失率和滿意度。一些變量包括教育程度，工作相關(guān)性，績效評估和工作生活平衡程度等。

[[323083]]

分析此數(shù)據(jù)集，找到任何確實(shí)影響員工滿意度的變量，另外，還可以看看是否可以對變量進(jìn)行重要程度排名。

• 難易程度：簡單
• 數(shù)據(jù)集：https://www.kaggle.com/pavansubhasht/ibm-hr-analytics-attrition-dataset

6. 世界大學(xué)排名

你認(rèn)為你的國家擁有世界上最好的大學(xué)嗎?成為“最好”大學(xué)的衡量標(biāo)準(zhǔn)是什么?該數(shù)據(jù)集包含三個(gè)全球大學(xué)排名方式。使用此數(shù)據(jù)，你是否可以回答以下問題：

• 頂尖的大學(xué)都在哪些國家?
• 決定世界排名的主要因素是什么?

[[323084]]

• 難易程度：簡單
• 數(shù)據(jù)集：https://www.kaggle.com/mylesoneill/world-university-rankings

7. 飲酒與在校表現(xiàn)

喝酒會(huì)影響學(xué)生的成績嗎?如果不會(huì)，那有什么別的影響嗎?這個(gè)數(shù)據(jù)是從中學(xué)數(shù)學(xué)和葡萄牙語課程的學(xué)生進(jìn)行的一項(xiàng)調(diào)查中獲得的。它包含幾個(gè)變量，例如飲酒量，家庭人數(shù)，參與課外活動(dòng)。

[[323085]]

利用這些數(shù)據(jù)，挖掘?qū)W校成績與各種因素之間的關(guān)系。另外，看看是否可以根據(jù)其他變量來預(yù)測學(xué)生的成績!

• 難易程度：簡單
• 數(shù)據(jù)集：https://www.kaggle.com/uciml/student-alcohol-consumption

8. 寵物小精靈數(shù)據(jù)挖掘

對所有游戲玩家來說，這是一個(gè)包含來自七代802個(gè) Pokemon的信息數(shù)據(jù)集。試著回答以下幾個(gè)問題!

• 哪一代寵物小精靈最強(qiáng)?哪代最弱?
• 哪種類型神奇寶貝最強(qiáng)?哪種最弱?
• 能否建立分類器來識(shí)別神奇寶貝?
• 身體特征與力量狀態(tài)(進(jìn)攻，防守，速度等)之間是否有相關(guān)性?

[[323086]]

難易程度：簡單

數(shù)據(jù)集：https://www.kaggle.com/rounakbanik/pokemon

9. 探索影響預(yù)期壽命的因素

世衛(wèi)組織建立了一段時(shí)間內(nèi)所有國家健康狀況的數(shù)據(jù)集，其中包括預(yù)期壽命，成人死亡率等方面的統(tǒng)計(jì)數(shù)據(jù)。使用此數(shù)據(jù)集，探索各種變量之間的關(guān)系，預(yù)測對預(yù)期壽命的最大影響因素是什么?

請嘗試回答以下問題：

• 最初選擇的各種預(yù)測因素是否真的影響預(yù)期壽命?實(shí)際影響預(yù)期壽命的預(yù)測變量有哪些?
• 預(yù)期壽命值低于(<65)的國家是否應(yīng)該增加其醫(yī)療保健支出以改善其平均壽命?
• 嬰兒和成人死亡率如何影響預(yù)期壽命?
• 預(yù)期壽命與飲食習(xí)慣，生活方式，運(yùn)動(dòng)，吸煙，飲酒等是正相關(guān)還是負(fù)相關(guān)?
• 是否接受教育對人類壽命有何影響?
• 預(yù)期壽命與飲酒是正相關(guān)還是負(fù)相關(guān)?
• 人口稠密的國家的預(yù)期壽命是否有降低的趨勢?
• 免疫覆蓋率對預(yù)期壽命有什么影響?

難易程度：簡單

數(shù)據(jù)集：https://www.kaggle.com/kumarajarshi/life-expectancy-who

三、預(yù)測模型

10. 能源消耗的時(shí)間序列預(yù)測

[[323087]]

該數(shù)據(jù)集由美國區(qū)域傳輸組織PJM網(wǎng)站上的功耗數(shù)據(jù)組成，使用此數(shù)據(jù)集，查看是否可以構(gòu)建時(shí)間序列模型來預(yù)測能耗。除此之外，還可以查看是否可以找到一天中每個(gè)小時(shí)的趨勢，假日用電量以及長期趨勢!

• 難度：中高級
• 數(shù)據(jù)集：https://www.kaggle.com/robikscube/hourly-energy-consumption

11. 貸款預(yù)測

[[323088]]

該數(shù)據(jù)集取自Analytics Vidhya，包括 615行和13列有關(guān)已批準(zhǔn)和尚未批準(zhǔn)的歷史貸款信息。你是否可以創(chuàng)建一個(gè)模型來預(yù)測貸款是否會(huì)獲批。

• 難易程度：簡單
• 數(shù)據(jù)集：https://datahack.analyticsvidhya.com/contest/practice-problem-loan-prediction-iii/

12. 二手車價(jià)格計(jì)算器

[[323089]]

Craigslist是全球最大的二手車經(jīng)銷商，該數(shù)據(jù)集由Craigslist的抓取數(shù)據(jù)組成，每隔幾個(gè)月更新一次。使用此數(shù)據(jù)集，查看是否可以創(chuàng)建一個(gè)數(shù)據(jù)集來預(yù)測一輛汽車價(jià)格是否被高估或低估了。

• 難易程度：中等
• 數(shù)據(jù)集：https://www.kaggle.com/austinreese/craigslist-carstrucks-data

13. 信用卡欺詐檢測

[[323090]]

該數(shù)據(jù)集顯示了兩天內(nèi)發(fā)生的交易，其中284,807筆交易中有492筆欺詐。數(shù)據(jù)高度正態(tài)分布，欺詐占所有交易的0.172%。學(xué)習(xí)如何使用不正太的數(shù)據(jù)集并建立信用卡欺詐檢測模型。

• 難易程度：中高級
• 數(shù)據(jù)集：https://www.kaggle.com/janiobachmann/credit-fraud-dealing-with-imbalanced-datasets

14. 皮膚癌圖像檢測

[[323091]]

通過10,000多張圖像來構(gòu)建神經(jīng)網(wǎng)絡(luò)來檢測皮膚癌。這絕對是最難的項(xiàng)目，需要有關(guān)神經(jīng)網(wǎng)絡(luò)和圖像識(shí)別的儲(chǔ)備知識(shí)。

• 難易程度：難
• 數(shù)據(jù)集：https://www.kaggle.com/kmader/skin-cancer-mnist-ham10000

相關(guān)報(bào)道：

https://towardsdatascience.com/14-data-science-projects-to-do-during-your-14-day-quarantine-8bd60d1e55e1

【本文是51CTO專欄機(jī)構(gòu)大數(shù)據(jù)文摘的原創(chuàng)譯文，微信公眾號“大數(shù)據(jù)文摘（ id: BigDataDigest）”】

戳這里，看該作者更多好文