Data Science професионалците можат да го најдат пулсот на светот во секој момент. Науката на податоците ги открива психолошките карактеристики на купувачите, берзанските трендови, или недостатоците при производство на ракети.
Поради нејзината интердициплинарна природа се смета дека експертиза во Data Science се достигнува преку долгогодишна посветеност. Но, преку интензивна, соодветно модерирана програма и под менторство на искусни професионалци, еден почетник може да изработи Data Science проект по 8-12 месеци напорна работа – па дури и да се вработи како џуниор. Имајќи ја предвид перспективата и профитабилноста на оваа професија, една година посветеност и не е така голема инвестиција.
Од таму, ова се 4 проекти изработени од почетници и реален пример за она што е возможно да се направи по 12 месеци учење.
Започни да учиш Data Science додека работиш на реални проекти. Аплицирај за следниот уписен рок на Академијата за Data Science.
Тим 1: Computer Vision Model
Тим сочинет од 2 лица од финансискиот сектор, 1 студент, 1 проектен координатор. Нивниот Computer Vision модел препознава луѓе со или без заштитни маски, но и ја детерминира нивната возраст. Овој модел може да биде интегриран во разни системи за надзор особено во институции каде што има голем проток на луѓе (банки, маркети, трговски центри итн). Од креирање на датасет, до тренирање на моделот користејќи Python, Jupyter Notebook, Keras, TensorFlow, NumPy, OpenCV, овие почетници во Data Science добија голем поврат на инвестираното време во учење. Прочитај повеќе за проектот.
Тим 2: NLP Chatbot
Natural Language Processing е секаде околу нас – во форма на auto-correction, преведување на текст, email филтри, паметни асистенти, резултати од интернет пребарувачи, и повеќе. Оваа технологија наоѓа огромна примена во тековната дигитална трансформација и од таму побарувачката на вештри кадри за неа не стивнува. Тим сочинет од 2 студенти и 2 ментори го создадоа Rubik – новиот NLP виртуелен асистент на Brainster. Од креирање на датасет со 3000+ плус прашања, до поставување на back-end и Machine Learning алгоритам, оваа група создаде напредна алатка, применлива во бизниси од разни индустрии. Прочитај повеќе за проектот.
Тим 3: Уште еден Computer Vision Model
Оваа група работеше на истиот модел кој детектира носење на маска и возраст. На крајот двата тима стигнаа до слични резултати, користејќи различни методи. Креираа датасет комбинирајќи податоци од интернет и GAN. Користејќи код, додадоа маски на фотографиите. Архитектурата на моделот е направена со Keras и TensorFlow, а најдобри резултати добија со ResNet152. Прочитај повеќе за проектот.
Тим 4: ML Bank Marketing
Тим сочинет од професионалци од финансискиот сектор, изработи модел базиран на Machine Learning. Датасетот се засноваше на историски податоци од контактирани клиенти преку телемаркетинг со цел да склучат договори за депонирање на нивните средства. Целта на проектот беше да се направи модел со кој ќе се предвиди дали одреден клиент ќе склучи договор за депонирање средства или не. (Тоа го добивме со користење на повеќе алгоритми.) Прочитај повеќе за проектот.
Тим 5: BI Анализа
Како доказ за тоа колку се големи BI можностите, ви го претставуваме проектот изработен од Филип и Александар, студенти од нашата Академија за Data Science, кој има за цел преку детална анализа на податоците објективно да реши една од најголемите спортски дилеми на денешницата – Кој е кошаркарскиот G.O.A.T меѓу Мајкл Џордан и Леброн Џејмс, но во моментите кога тоа е најпотребно? Прочитај повеќе за проектот.
Напорната работа во полето на Data Science се исплати доколку вистински се посветиш на материјата. Затоа, почни да учиш Data Science работејќи на реални проекти и под менторство на врвни професионалци од индустријата.