像這樣的官方要求之下未知期限的集體休假，確實是極為罕見的。這樣的“封鎖”或許讓你崩潰，孤獨感和經(jīng)濟(jì)壓力可能正在襲來。但也不完全是壞事，尤其當(dāng)你計劃提高數(shù)據(jù)科學(xué)組合能力，并想要在危機(jī)后，得到一份可靠且與行業(yè)相關(guān)的簡歷的時候!

這可能是難得的時機(jī)，一個真正深入研究并從事于數(shù)據(jù)科學(xué)項目的機(jī)會。你有了大把的時間，并且社區(qū)中不乏也開源數(shù)據(jù)科技項目和想法。從計算機(jī)視覺和自然語言處理項目到python和工程數(shù)據(jù)的想法，每個人都有一個項目。

唯一的問題是——應(yīng)該從哪兒開始?這個問題從來沒有像現(xiàn)在這么有意義，這也是本文想要回答的問題。準(zhǔn)備好了嗎?Let’s go!

1. 冠狀病毒時間序列數(shù)據(jù)

從哪兒開始?不如就從為什么你居然在一個工作日躺在床上說起吧。

新冠病毒正主宰著世界，所有的網(wǎng)站標(biāo)題永遠(yuǎn)是新冠。幸虧全球有很多研究室和組織一直收集有關(guān)新冠肺炎的數(shù)據(jù)，并且對我們開放。所以為什么不使用數(shù)據(jù)科學(xué)知識來解決一些問題呢?

[[324360]]

圖源：unsplash

這個GitHub庫(https://github.com/datasets/covid-19)包含時間序列數(shù)據(jù)，該數(shù)據(jù)跟蹤了全球受新冠肺炎影響的人數(shù)，包括：

• 新冠肺炎確診病例
• 痊愈人數(shù)
• 死于新冠肺炎的人數(shù)

這個項目的作者每天用 CSV格式更新數(shù)據(jù)集，你今天就可以下載下來然后開始分析。

你還可以看看另一個GitHub庫，其中包含針對美國新冠病毒病例的數(shù)據(jù)集。

(https://github.com/nytimes/covid-19-data)

2. 谷歌的多區(qū)無線電導(dǎo)航系統(tǒng)

這是谷歌研發(fā)團(tuán)隊開發(fā)的另一個開源項目，谷歌研發(fā)團(tuán)隊是這樣定義ELECTRA的：

“ELECTRA是一種用于自監(jiān)督語言表征的學(xué)習(xí)方法。它可以用于使用較少的計算量來預(yù)訓(xùn)練transformer網(wǎng)絡(luò)。訓(xùn)練ELECTRA模型區(qū)分‘真’令牌和由另一個神經(jīng)網(wǎng)絡(luò)系統(tǒng)生成的‘偽’令牌。”

ELECTRA令筆者印象深刻的是，即使在單個GPU上也可以實現(xiàn)精準(zhǔn)操作。ELECTRA在大型數(shù)據(jù)集上達(dá)到了完全不同的水平，并在SQuAD 2.0基準(zhǔn)測試中達(dá)到了最佳的性能。

你可以通過Google的研究論文進(jìn)一步了解ELECTRA。谷歌團(tuán)隊目前已經(jīng)發(fā)布了三個預(yù)訓(xùn)練模型。

(https://openreview.net/pdf?id=r1xMH1BtvB)

在開始之前，需要把以下要求的功能安裝在機(jī)器上。

• Python 3
• TensorFlow1.15
• NumPy
• scikit-learn and SciPy

3. NLP論文摘要

自然語言處理領(lǐng)域在過去三年里已經(jīng)取得了突飛猛進(jìn)般的進(jìn)展。從2017年的Transformer架構(gòu)開始，我們見證了許多突破和有開創(chuàng)性的NLP庫，包括谷歌BERT模型，OpenAI的GPT-2等等。(https://github.com/dair-ai/nlp_paper_summaries)

圖源：tencent

這個GitHub庫是為更廣大的數(shù)據(jù)科學(xué)專業(yè)人員總結(jié)的NLP 關(guān)鍵論文集，以下是這個庫中包含的一些主題列表：

• 對話與互動系統(tǒng)
• NLP模型的可解釋性和分析
• 語言以視覺，機(jī)器人等為基礎(chǔ)
• 問答
• 資源和評估
• 語義學(xué)
• 文本情感分析，文本分析以及論證挖掘
• 語言建模
• NLP的機(jī)器學(xué)習(xí)
• 機(jī)器翻譯
• 多任務(wù)學(xué)習(xí)
• NLP應(yīng)用
• 言語與多模態(tài)
• 道德規(guī)范與自然語言處理
• 文本生成
• 信息提取
• 文本摘要
• 語句法：添加標(biāo)簽、分塊、解析

不只是這些，這里只列出來一部分。選擇一篇NLP論文并開始解析，那里提供很多一站式知識服務(wù)。

4. GoogleBrain AutoML

AutoML是為了滿足自動化典型機(jī)器學(xué)習(xí)某些任務(wù)的自動化，幾年前為了節(jié)省時間而開始的一項附帶項目，如今變成了一個成熟的研究領(lǐng)域。

市場中有很多AutoML工具，可以使整個ML管道自動化。對于沒有專門的數(shù)據(jù)科學(xué)團(tuán)隊或負(fù)擔(dān)不起從零開始的雇傭費用的團(tuán)隊而言，AutoML更受歡迎。幾乎每個科技巨頭都在市場上擁有AutoML解決方案，從谷歌的云自動機(jī)器學(xué)習(xí)到百度的EZDL(人工智能模型訓(xùn)練平臺)。

[[324361]]

圖源：towardsdatascience

GoogleBrain團(tuán)隊開發(fā)的數(shù)據(jù)科學(xué)項目包含了和AutoML相關(guān)的模型與庫的列表。GitHub庫從作者6天前開放源碼就已經(jīng)積累了1600顆星。(https://github.com/google/automl)

5. GAN壓縮

2014年，Ian Goodfellow將對抗生成網(wǎng)絡(luò)推向了數(shù)據(jù)科學(xué)領(lǐng)域。此后，這些GAN逐漸演變?yōu)橛杏玫?通常是娛樂性的)應(yīng)用程序，例如生成藝術(shù)品和制作電影。

但是訓(xùn)練GAN模型的一個重要問題是所需的強(qiáng)大計算能力。這就是GAN壓縮的用武之地。GAN壓縮是“壓縮條件GAN的通用方法”。它減少了流行的基于GAN模型的計算，例如pix2pix,CycleGAN等。

6. StyleGAN2——最新的GAN

這是一個最新的GAN架構(gòu)。StyleGAN在計算機(jī)視覺社區(qū)中非常受歡迎，StyleGAN2使問題更趨現(xiàn)實。

“ StyleGAN2是生成逼真的圖像的最先進(jìn)架構(gòu)。此外，它還經(jīng)過了明確訓(xùn)練，可以在隱空間中解開方向，從而可以通過改變潛在因素來進(jìn)行有效的圖像處理。”

居家隔離的日子可能暫時還無法結(jié)束，但比起上街游行抗議，沉下心來將時間投資于學(xué)習(xí)和未來，或許是一個更好的選擇。