程序員必備寶藏庫：http://github.com/Jackpopc/CS-Books-Store

現(xiàn)代社會，數(shù)據(jù)量在急劇的增加，生活處處都充滿著數(shù)據(jù)，購物、交通、就醫(yī)....

因此，無論你是從事金融、互聯(lián)網(wǎng)、人事、財務(wù)等不同的工作崗位，都會和經(jīng)常和各種數(shù)據(jù)打交道。

通過數(shù)據(jù)，能夠挖掘出更深、更有價值的信息，而不是浮于表面。

本文就來給大家介紹14個非常值得關(guān)注的數(shù)據(jù)科學(xué)項目，它們主要可以分為如下3類：

• 可視化項目

• 探索性數(shù)據(jù)分析（EDA）項目

• 預(yù)測建模

下面，就開始本文的介紹。

可視化項目

在上述列出的3類項目中，或許最為簡單的就是數(shù)據(jù)可視化項目。

以Python為例，目前有很多知名、好用的數(shù)據(jù)可視化工具包，通過這些工具包可以很容易實現(xiàn)數(shù)據(jù)的可視化。

以下是三個有趣的數(shù)據(jù)集，可以用于練習(xí)你的數(shù)據(jù)可視化能力。

冠狀病毒可視化

難度：容易

數(shù)據(jù)集鏈接[1]

了解如何使用Plotly構(gòu)建動態(tài)可視化，以展示冠狀病毒如何像上述之一那樣在全球范圍內(nèi)傳播！Plotly是一個了不起的庫，它使數(shù)據(jù)可視化變得動態(tài)，有吸引力且簡單。

澳大利亞野火可視化

難度：容易

數(shù)據(jù)集鏈接[2]

2019-2020年的叢林大火季節(jié)，也稱為黑色夏天，由2019年6月開始的幾場極端野火組成。

據(jù)維基百科稱，大火燒毀了約1,860萬公頃，燒毀了5,900多座建筑物。

這是一個有趣的項目， 利用Plotly或Matplotlib利用數(shù)據(jù)可視化技能來顯示野火的規(guī)模和地理影響。

地表溫度可視化

難度：容易-中等

數(shù)據(jù)集鏈接[3]

是否對地標溫度的變化有所了解？

創(chuàng)建一些數(shù)據(jù)可視化效果，以顯示地球表面溫度如何隨時間變化。

探索性數(shù)據(jù)分析（EDA）項目

探索性數(shù)據(jù)分析（EDA），也稱為數(shù)據(jù)探索，是數(shù)據(jù)分析過程中的一個步驟，其中使用了多種技術(shù)來更好地理解所使用的數(shù)據(jù)集。

紐約Airbnb數(shù)據(jù)探索

難度：中等

數(shù)據(jù)集鏈接[4]

自2008年以來，旅客和房東已使用Airbnb擴大旅行可能性，并提出更多個性化的體驗的方式。

該數(shù)據(jù)集包含有關(guān)2019年在紐約上市的信息以及其地理信息，價格，評論數(shù)量等。

你可以嘗試回答的一些問題如下：

• 哪些主機最忙，為什么？

• 哪些區(qū)域的流量超過其他區(qū)域，為什么會這樣？

• 價格，評論數(shù)和給定列表的預(yù)訂天數(shù)之間是否存在任何關(guān)系？

與員工流失、績效表現(xiàn)關(guān)系最重因素

難度：容易

數(shù)據(jù)集鏈接[5]

IBM創(chuàng)建了一個綜合數(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和滿意度。

其中一些變量包括教育程度，工作投入，績效評估和工作與生活的平衡。

探索此數(shù)據(jù)集，查看是否有任何確實影響員工滿意度的重要變量。

更進一步，看看是否可以將變量從最重要到最不重要進行排名。

世界大學(xué)排名

難度：容易

數(shù)據(jù)集鏈接[6]

你認為哪個國家擁有世界上最好的大學(xué)嗎？

成為“最佳”大學(xué)的意味著什么？

該數(shù)據(jù)集包含三個全球大學(xué)排名， 使用此數(shù)據(jù)，查看是否可以回答以下問題：

• 有哪些國家的頂尖大學(xué)？

• 決定一個人的世界排名的主要因素是什么？

酒精與學(xué)校

難度：容易

數(shù)據(jù)集鏈接[7]

飲酒會影響學(xué)生的成績嗎？

這項數(shù)據(jù)是通過對中學(xué)數(shù)學(xué)和葡萄牙語課程的學(xué)生進行的一項調(diào)查獲得的。

它包含幾個變量，例如酒精消耗，家庭人數(shù)，參與課外活動。

利用這一點，探索學(xué)校成績與各種因素之間的關(guān)系。

Pokemon數(shù)據(jù)探索

難度：容易

數(shù)據(jù)集鏈接[8]

這是一個數(shù)據(jù)集，其中包含Pokemon游戲中有關(guān)所有七代人的所有802 Pokemon的信息。

你可以嘗試回答以下幾個問題！

• 哪一代人的口袋妖怪最強？哪個最弱？

• 哪種神奇寶貝最強？哪種最弱？

• 是否有可能建立一個分類器來識別傳奇的神奇寶貝？

• 身體特征與力量狀態(tài)（進攻，防守，速度等）之間是否有關(guān)聯(lián)？

探索預(yù)期壽命相關(guān)的因素

難度：容易

數(shù)據(jù)集鏈接[9]

世衛(wèi)組織創(chuàng)建了一段時間內(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)計數(shù)據(jù)。

使用此數(shù)據(jù)集，探索各種變量之間的關(guān)系。

對預(yù)期壽命的最大影響是什么？

創(chuàng)建該數(shù)據(jù)集是為了回答以下問題：

• 最初選擇的各種預(yù)測因素是否會真正影響預(yù)期壽命？實際影響預(yù)期壽命的預(yù)測變量是什么？

• 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，運動，吸煙，飲酒等有正相關(guān)還是負相關(guān)？

• 學(xué)校教育對人類壽命有何影響？

• 預(yù)期壽命與飲酒有正面還是負面的關(guān)系？

• 人口稠密的國家會不會有較低的預(yù)期壽命？

• 免疫覆蓋率對預(yù)期壽命有何影響？

預(yù)測建模

如果說數(shù)據(jù)可視化和數(shù)據(jù)探索是對現(xiàn)有積累的數(shù)據(jù)進行分析和挖掘，那么預(yù)測建模就是通過當(dāng)下數(shù)據(jù)，去預(yù)測未來的趨勢，它在很多領(lǐng)域有著廣泛的應(yīng)用。

能源消耗的時間序列預(yù)測

難度：中等-困難

數(shù)據(jù)集鏈接鏈接[10]

該數(shù)據(jù)集由PJM網(wǎng)站上的功耗數(shù)據(jù)組成，PJM是美國的區(qū)域傳輸組織。

使用此數(shù)據(jù)集，查看是否可以構(gòu)建時間序列模型來預(yù)測能耗。

除此之外，請嘗試一下，是否可以找到一天中各個小時的趨勢，假日用電量以及長期趨勢！

貸款預(yù)測

難度：容易

數(shù)據(jù)集鏈接[11]

該數(shù)據(jù)集來自analytics Vidhya，包含615行和13列有關(guān)已批準和尚未批準的過去貸款的信息。

嘗試，是否可以創(chuàng)建一個模型來預(yù)測貸款是否會獲得批準。

二手車價格估算

難度：中等

數(shù)據(jù)集鏈接[12]

Craigslist是全球待售二手車的最大集合。

該數(shù)據(jù)集由Craigslist的抓取數(shù)據(jù)組成，每隔幾個月更新一次。

使用此數(shù)據(jù)集，查看是否可以創(chuàng)建一個數(shù)據(jù)集來預(yù)測汽車列表是高價還是低價。

檢測信用卡欺詐

難度：中等-困難

數(shù)據(jù)集鏈接[13]

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)集高度不平衡，陽性類別（欺詐）占所有交易的0.172％。

學(xué)習(xí)如何使用不平衡的數(shù)據(jù)集并建立信用卡欺詐檢測模型。

皮膚癌圖像檢測

難度：困難

數(shù)據(jù)集鏈接[14]

擁有超過10,000張圖像，看看你是否可以構(gòu)建神經(jīng)網(wǎng)絡(luò)來檢測皮膚癌。

這是本文介紹14個項目中最困難的項目，需要廣泛的神經(jīng)網(wǎng)絡(luò)和圖像識別知識。

參考資料

[1] 鏈接: https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset

[2] 鏈接: https://www.kaggle.com/carlosparadis/fires-from-space-australia-and-new-zeland

[3] 鏈接: https://www.kaggle.com/berkeleyearth/climate-change-earth-surface-temperature-data/kernels

[4] 鏈接: https://www.kaggle.com/dgomonov/new-york-city-airbnb-open-data

[5] 鏈接: https://www.kaggle.com/pavansubhasht/ibm-hr-analytics-attrition-dataset

[6] 鏈接: https://www.kaggle.com/mylesoneill/world-university-rankings

[7] 鏈接: https://www.kaggle.com/uciml/student-alcohol-consumption

[8] 鏈接: https://www.kaggle.com/rounakbanik/pokemon

[9] 鏈接: https://www.kaggle.com/kumarajarshi/life-expectancy-who

[10] 鏈接: https://www.kaggle.com/robikscube/hourly-energy-consumption

[11] 鏈接: https://datahack.analyticsvidhya.com/contest/practice-problem-loan-prediction-iii/

[12] 鏈接: https://www.kaggle.com/austinreese/craigslist-carstrucks-data

[13] 鏈接: https://www.kaggle.com/janiobachmann/credit-fraud-dealing-with-imbalanced-datasets

[14] 鏈接: https://www.kaggle.com/kmader/skin-cancer-mnist-ham10000