神譯局是36氪旗下編譯團隊，關注科技、商業、職場、生活等領域，重點介紹國外的新技術、新觀點、新風向。
編者按：在當今的數字時代，職業競爭日益激烈，怎樣才能讓自己的簡歷充滿亮點，在職業競聘中脫穎而出呢？最好是要有做大數據處理的經歷！如果我們有了這樣的經歷，那么它就成了證明自己能夠勝任某項工作的有力證據。本文列出了7個我們在空閑時間就可以著手去做的數據科學項目。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，數據科學是一個熱門領域，做數據科學有關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個數據科學項目，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。
我們可以著手去做的第一個項目是以回歸為基礎的項目。回歸可以用來確定兩組變量之間關系的強度。
換句話說，它能夠用來計算當一個變量發生變化時，另一個變量變化了多少。回歸已成為數據研究者使用的非常重要的工具。
如果想要創建一個回歸項目，最好使用一個自己感興趣的數據集，并嘗試確定不同變量之間的關系。
我們能做的一些回歸項目內容如下：
（1）確定身高和體重之間的關系。
（2）確定收入與學歷之間的關系。
（3）確定投票行為與年齡之間的關系。
（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）成績之間的關系。
以上這些項目，每一個都可以在相對較短的時間內創建完成，在創建過程中也會讓我們更好地理解回歸是如何運算的。
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據分類到一個預定義的類別里。
對于一名數據研究者來說，了解分類非常重要，因為在許多不同的應用程序中，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站上的博客文章分為“積極的類別”或“消極的類別”。
聚類是一種沒有任何現成模式可供參考或依循的學習算法，它根據數據點的屬性將數據點分在同一個組里。這類項目將幫助我們理解如何在數據集中識別特定的集群，并使用基礎集群算法將數據中的項目分組到簇或類中，使探索大型數據集的工作變得更容易些。
對于一名數據研究者來說，了解聚類非常重要，因為它在市場營銷、欺詐檢測等各種應用程序中都被廣泛應用。
我們能做的一些聚類項目內容如下：
（1）對推文按主題進行聚類。這可以用來了解關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目進行聚類。例如，我們可以在IMDB數據集中對電影類型進行聚類，從中發現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，浪漫喜劇和戲劇）
（3）根據產品類型對雜貨店里的商品進行聚類。（例如，洗衣粉和除臭劑）我們可以根據屬性（品牌、大小、顏色）的不同將各物品聚類到各個數據集中。
（4）進行有針對性的營銷活動，對顧客進行細分聚類。例如，我們可以根據客戶的購買歷史或人口信息對他們進行聚類。
情緒分析是對文本中所表達的態度和情感進行識別和量化的過程。
對于一名數據研究者來說，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容如下：
（1）分析客戶反饋的數據，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品的評論，來找出頻率最高的差評和好評。
（2）分析Twitter數據，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追蹤Twitter上關于某一特定話題（如總統選舉）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對某一產品的評論，并確定人們的情緒是如何隨時間而變化的。
推薦系統用于對產品和服務進行個性化推薦。
對于一名數據研究者來說，了解推薦系統也是很重要的，因為推薦系統可以幫助企業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，如下：
（1）構建電影推薦系統。例如，我們可以構建一個算法，根據用戶對以前看過的電影的評分來推薦新電影。
（2）建立亞馬遜產品推薦系統。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。
（3）為公司或零售網站建立產品推薦系統。例如，我們可以把不同的產品鏈接在一起，從中推薦同一類別的產品。（例如，“如果你喜歡這個產品，你也會喜歡這些”）
（4）構建旅游推薦系統。例如，我們可以使用位置數據來推薦用戶所在位置附近的娛樂活動或餐館。
自然語言處理是從文本數據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知識，以及如何從文本數據中提取信息。
對于一名數據研究者來說，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容如下：
（1）分析客戶反饋數據，了解客戶是如何用自己的話來描述產品或服務的。（例如，反饋中是否包含積極的或消極的關鍵詞？）
（2）從法律文件中提取信息。（如：合同要點的提取）
（3）從亞馬遜的產品描述中提取信息。（例如：提取對產品的特性和優點的描述）
（4）從推文中提取某一公司或其競爭對手的信息。
人工神經網絡是一種類似于大腦神經處理信息的機器學習算法。
它是由相互連接的神經元組成。通過這些神經元可以學習和識別數據模式。我們通常運用人工神經網絡進行圖像識別或自然語言處理等。
人工神經網絡有許多不同的類型，所以我們要選擇一個適合自己的特定數據集和用例。
我們可以著手去做的人工神經網絡項目內容如下：
（1）構建簡單的人工神經網絡識別手寫數字。
（2）訓練人工神經網絡預測股票市場價格。
（3）構建神經網絡，將圖像分成不同的類別。（如狗或貓）
（4）訓練神經網絡識別文本文檔的語言。
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個數據科學項目中的任意一個，來讓簡歷脫穎而出。
從構建人工神經網絡或自然語言處理算法，到分析客戶反饋和產品評論，這些項目能夠以多種方式展示我們的大數據處理能力。
譯者：甜湯
