8 مشاريع مذهلة لعلوم البيانات في R للمبتدئين [2022]
نشرت: 2021-01-05هل ترغب في دخول مجال علوم البيانات؟
هل ترغب في تطوير أدوات وحلول مبتكرة لعلوم البيانات؟
إذا كانت الإجابة بنعم ، فقد عثرت على المقالة المثالية! في هذا المنشور ، سنطلعك على بعض أفكار مشاريع علوم البيانات الأكثر إثارة للمبتدئين.
لماذا العمل في مشاريع علوم البيانات؟
نظرًا لانضمام المزيد من الشركات والمؤسسات إلى عربة علوم البيانات ، فإن الطلب على خبراء علوم البيانات والذكاء الاصطناعي والتعلم الآلي المؤهلين والمهرة يتصاعد بسرعة. في حين أن هذه فرصة واعدة للملايين من الطامحين والمتخصصين في علوم البيانات ، فإن الحصول على دور وظيفي في علوم البيانات ليس بالأمر السهل. تقوم الشركات بتوظيف المرشحين الذين لديهم المؤهلات التعليمية الصحيحة ومجموعة المهارات والأهم من ذلك الخبرة العملية.
إذن ، هل الخبرة العملية تعني الخبرة العملية؟ وإذا كان الأمر كذلك ، فماذا عن المبتدئين الذين أكملوا للتو تدريبهم على علوم البيانات؟
عندما نقول "خبرة عملية" ، فإننا لا نعني خبرة عمل مهنية. بدلاً من ذلك ، نتحدث عن بناء وإنشاء مشاريع علوم بيانات في العالم الحقيقي. لكل طالب في علوم البيانات ، يعد العمل في المشاريع الحية بمثابة نقطة انطلاق مهمة نحو بناء مهنة ناجحة في علم البيانات.
توفر لك المشاريع الفرصة لتطبيق معرفتك ومهاراتك النظرية في سيناريوهات العالم الحقيقي. هذا لا يساعد فقط في تقوية قاعدة المعرفة الخاصة بك وصقل مهاراتك ، ولكنه يساعد أيضًا في بناء ثقتك بنفسك. ما هو أكثر من ذلك ، هو أنه في سوق تتميز بالمنافسة الشديدة ، يفضل أصحاب العمل دائمًا المرشحين الذين لديهم عامل "X". وبالتالي ، يمكن للمشاريع التي تقوم ببنائها أن تميزك عن حشد الطامحين المؤهلين على قدم المساواة.
ومع ذلك ، فإن التحدي الحقيقي يأتي أثناء العثور على المشاريع المناسبة وفقًا لمؤهلاتك ومهاراتك واهتماماتك. هذا هو السبب في أننا قمنا بتجميع قائمة بأفكار مشاريع علوم البيانات المثالية باللغة R للمبتدئين!
جدول المحتويات
مشاريع علوم البيانات في R
1. مشروع تحليل المشاعر
يعد إرضاء العملاء أحد أهم أهداف كل شركة وعلامة تجارية تقريبًا الآن. أفضل طريقة لإنشاء قاعدة جماهيرية من العملاء المخلصين والراضين هي الانخراط في نفوسهم - فهم ما يعجبهم وما يكرهون ، وتحديد أنماط تفضيلاتهم ، والأهم من ذلك ، احتياجاتهم. تحليل المشاعر هو الأداة التي تستخدمها معظم الشركات لفهم موقف الجمهور المستهدف تجاه منتجاتهم / خدماتهم.
كما يوحي الاسم ، يحلل تحليل المشاعر الكلمات لتحديد المشاعر الأساسية للأشخاص الذين يعبرون عنها. من خلال تحليل الكلمات ، تصنفها أداة تحليل المشاعر تحت ثنائيين - موجبة ، وسالبة ، ومحايدة. في هذا المشروع ، ستستخدم مجموعة بيانات / حزمة "janeaustenR". تشمل الأدوات الأخرى المستخدمة في المشروع معاجم للأغراض العامة مثل AFINN و Bing و Loughran. أيضًا ، ستستخدم سحابة الكلمات لعرض النتائج.
2. مشروع أوبر لتحليل البيانات
Uber هي علامة تجارية تعتمد على البيانات بالكامل. تقوم الشركة بالتعدين والاستفادة من بيانات المستخدم لصياغة أفضل حلول الكابينة المناسبة لعملائها. بينما يتم استثمار Uber في اتخاذ قرارات تعتمد على البيانات ، فإنها تستفيد أيضًا من مجموعة من تحليلات البيانات المتقدمة والتحليلات التنبؤية لتصميم استراتيجيات التسويق والعروض الترويجية وسياسات التسعير الخاصة بها.
في هذا المشروع ، ستصمم نظامًا لتحليل البيانات باستخدام مكتبة ggplot2 لاكتساب رؤى من بيانات المستخدم ولتكوين تنبؤات دقيقة تقريبًا للعملاء الذين سيستفيدون من رحلات أوبر. سيستخدم النظام برمجة R ومكتبة ggplot2 لتحليل معلمات العملاء المختلفة مثل عدد الرحلات التي يتم إجراؤها في اليوم ، وساعات الرحلة اليومية للعملاء المتكررين ، وعدد الرحلات خلال شهر معين ، وما إلى ذلك.
من خلال تصور نقاط البيانات هذه ، يمكن للنظام تحديد متوسط عدد الركاب الذين يستفيدون من رحلات Uber في اليوم ، وساعات الذروة عندما يكون هناك حد أقصى لحركة المرور في التطبيق ، والأيام التي بها أكبر عدد من الرحلات في الشهر ، وما إلى ذلك. .
3. مشروع كشف الاحتيال لبطاقات الائتمان
في الآونة الأخيرة ، ارتفعت عمليات الاحتيال على بطاقات الائتمان بشكل كبير. في الواقع ، إنه أحد أكثر التهديدات انتشارًا في قطاع BFSI. الفكرة من وراء مشروع R هذا هي تطوير مصنف يمكنه الكشف بكفاءة عن المعاملات الاحتيالية لبطاقات الائتمان.
ستكون مجموعة البيانات الخاصة بالمشروع عبارة عن مجموعة بيانات معاملات بطاقات الائتمان التي تحتوي على مزيج من المعاملات غير الاحتيالية والاحتيالية. سيشمل المشروع العديد من خوارزميات ML مثل أشجار القرار والانحدار اللوجستي والشبكات العصبية الاصطناعية ومصنف تعزيز التدرج.
من خلال تطبيق خوارزميات التعلم الآلي هذه ، سيكون النظام قادرًا على التمييز بين مكالمة احتيالية وأخرى غير احتيالية. سيعلمك هذا المشروع كيفية تطبيق خوارزميات ML في سيناريو العالم الحقيقي لأداء التصنيف.
4. مشروع توصية الفيلم
إذا كنت من عشاق Amazon أو Amazon Prime أو Netflix ، فربما تعلم أن هذه الأنظمة الأساسية تستفيد من "محركات التوصية". كما يمكنك تخمين الاسم ، فإن الغرض الوحيد لمحرك التوصية هو "التوصية" بالأشياء ذات الصلة للعملاء - بينما توصي أمازون بالمنتجات ، أما بالنسبة إلى Prime و Netflix ، فإنها توصي المستخدمين بالمحتوى ، بناءً على سجل الشراء السابق أو سجل المشاهدة.
الهدف الرئيسي لمشروع R هذا هو تصميم نظام توصية من شأنه أن يوصي بالأفلام للمستخدمين. مجموعة البيانات المستخدمة لهذا المشروع هي مجموعة بيانات MovieLens. تتضمن هذه البيانات 105339 تصنيفًا لأكثر من 10329 فيلمًا. في هذا المشروع ، ستقوم بإنشاء عامل تصفية تعاوني قائم على العنصر.
أفضل جزء في بناء محرك توصية الفيلم هذا من البداية هو أنه سيساعدك على فهم الأداء الداخلي وآلية محرك التوصية. سوف تتعلم كيفية تنفيذ مهاراتك في البرمجة R جنبًا إلى جنب مع مهارات التعلم الآلي في مشروع حي.
5. مشروع التوصية الموسيقية
يعمل نظام التوصية بالموسيقى بشكل مشابه لنظام التوصية بالأفلام ، والفرق الوحيد هو أنه بدلاً من الأفلام ، سيوصي المستخدمين بالموسيقى. هذا مشروع Python + R. مجموعة البيانات المستخدمة لهذا المشروع هي من KKBOX ، خدمة بث الموسيقى الرائدة في آسيا ، وتضم مكتبة تحتوي على أكثر من 30 مليون مقطوعة موسيقية .
في هذا المشروع ، ستنشئ نظام ML باستخدام Python و R يمكنه التنبؤ بفرص استماع المستخدم إلى أغنية في حلقة بعد تشغيل حدث الاستماع الأول خلال نافذة زمنية محددة. هنا ، يتم اختيار مجموعات بيانات التدريب والاختبار من سجل الاستماع لمستخدمين مختلفين في فترة زمنية معينة.
لذلك ، على سبيل المثال ، إذا تم تشغيل حدث (أحداث) استماع متكرر في غضون شهر بعد أول حدث استماع يمكن ملاحظته للمستخدم ، يقوم النظام بتحديد الهدف على أنه 1 في مجموعة التدريب ، وإلا فإنه يشير إلى 0. ثم يتم تطبيق نفس القاعدة لمجموعة الاختبار. هذا المشروع هو فرصة مثالية لتعلم كيفية أداء EDA الأساسي لاستخلاص رؤى من البيانات.
6. مشروع تقسيم العملاء
تمامًا مثل استخدام تحليل المشاعر لاكتساب رؤى أعمق لآراء العملاء ومشاعرهم حول المنتجات / الخدمات المختلفة ، يتم استخدام تقسيم العملاء لتسويق أكثر استهدافًا. من خلال تصنيف الجمهور المستهدف إلى شخصيات مشترية مختلفة وفقًا لاحتياجاتهم وتفضيلاتهم وعمرهم وموقعهم وعملهم وسلوكهم الشرائي وما إلى ذلك ، يمكن للعلامات التجارية إنشاء منتجات مخصصة واستراتيجيات تسويق وعروض / خصومات لشريحة معينة من العملاء. هذا يسمح بزيادة رضا العملاء مما يعزز في النهاية المبيعات والإيرادات.
يعد تقسيم العملاء أحد أكثر تطبيقات التعلم غير الخاضع للرقابة (ML) استخدامًا على نطاق واسع. في هذا المشروع ، ستستخدم خوارزمية K-mean لتجميع مجموعة بيانات غير مسماة. يمكن لخوارزمية التجميع K-mean أن تصور بشكل فعال توزيعات العمر والجنس في مجموعة البيانات. علاوة على ذلك ، سيحلل أيضًا الدخل السنوي وأنماط الإنفاق. بشكل أساسي ، سيقدم مشروع R هذا تحليلًا وصفيًا للبيانات من خلال تنفيذ إصدارات متنوعة من خوارزمية K-mean.
7. مشروع تحديد حزمة المنتجات
مفهوم تجميع المنتجات ليس بالأمر الجديد في مجال التسويق. في نهج تجميع المنتجات ، يتم تجميع المنتجات المختلفة معًا وبيعها كوحدة واحدة بسعر محدد (عادةً بسعر مخفض). يتيح ذلك للمسوقين تشجيع العملاء على شراء المزيد من منتجاتهم. ربما يكون أفضل مثال على حزمة المنتجات هو McDonald's Happy Meal.
في مشروع علوم البيانات هذا ، سيكون التركيز الأساسي على التجزئة الذاتية ، وهي تقنية تجميع يمكن أن تساعد في تحديد أفضل حزم المنتجات في بيانات المبيعات. هنا ، سنأخذ مجموعة بيانات معاملات المبيعات الأسبوعية التي تحتوي على الكميات المشتراة من المنتجات المختلفة على مدى بضعة أسابيع.
ستتضمن مجموعة البيانات أيضًا قيمًا طبيعية. باستخدام مجموعة البيانات هذه ، فإن الهدف هو معرفة المنتجات التي يمكن تجميعها معًا لإنشاء مجموعات ممتازة للعملاء. بينما يستخدم النهج التقليدي تحليل سلة السوق لتحديد حزم المنتجات ، في هذا المشروع ، ينصب تركيزنا على مقارنة وتحليل الأهمية النسبية لتجميع السلاسل الزمنية في تحديد حزم المنتجات من بيانات المبيعات.
8. مشروع توقع جودة النبيذ
الفكرة هنا هي تحسين جودة النبيذ باستخدام النمذجة التنبؤية. في مشروع Data Science هذا ، سنحلل مجموعة بيانات النبيذ الأحمر لتقييم جودة النبيذ. الهدف من هذا المشروع هو استكشاف الخصائص الكيميائية التي تؤثر على جودة النبيذ الأحمر.
في المشروع ، الاعتبار الأول هو استخدام متغيرات الإدخال للتنبؤ بجودة النبيذ ، في حين أن الاعتبار الثاني هو تصنيف الخمور ذات السمات الممتازة. ستقوم بإنشاء وتنقيح المخططات لتوضيح العلاقات الفريدة في البيانات عندما يتم الكشف عنها. سيعلمك المشروع استكشاف البيانات ، وتصور البيانات ، ورواية القصص ، وكذلك كيفية تطبيق نماذج الانحدار وطرح الأسئلة الصحيحة لتحليل البيانات في مراحل مختلفة من المشروع.
احصل على دورات في علوم البيانات من أفضل الجامعات في العالم. انضم إلى برامج PG التنفيذية أو برامج الشهادات المتقدمة أو برامج الماجستير لتتبع حياتك المهنية بشكل سريع.
خاتمة
هذه 8 مشاريع مثيرة للاهتمام في علوم البيانات يمكنك تجربتها بنفسك! أثناء عملك عليها ، ستتقن المفاهيم الأساسية لعلوم البيانات وبرمجة R. الأهم من ذلك ، ستحصل على فرصة لعرض جميع مشاريعك في سيرتك الذاتية - ما هو الأفضل لجذب انتباه صاحب العمل المحتمل!
تم تصميم هيكل برنامج Data Science لتسهيل أن تصبح موهبة حقيقية في مجال علوم البيانات ، مما يسهل عليك الحصول على أفضل صاحب عمل في السوق. سجل اليوم لتبدأ رحلة مسار التعلم مع upGrad!