Data Science

數據科學？

目錄 ？

• 學習範圍
• 部署連結和回購鏈接
• 想法
• 想像
• 創新理念描述
• 先決條件
• 法學碩士（人工智慧）
• 內容索引
• 目錄
• 貢獻
• 執照

學習範圍 ?

該儲存庫旨在提供以下領域的實踐學習經驗：

• 數據分析
• 機器學習
• 深度學習
• 法學碩士（人工智慧）

部署連結和回購鏈接

指數	專案	已部署的連結	儲存庫連結	使用的工具
1	汽車價格預測	已部署的連結	回購連結	Streamlit、Scikit-learn、Pandas、NumPy
2	汽車價格預測	已部署的連結	回購連結	Flask、Scikit-learn、Pandas、NumPy
3	貸款價格預測	已部署的連結	回購連結	Flask、Scikit-learn、Pandas、NumPy
4	排燈節銷售分析	未部署	回購連結	熊貓、NumPy、PyPlot、Seaborn
5	貓與狗影像分類	未部署	回購連結	張量流、Keras、Matplotlib
6	先進的履歷追蹤系統	已部署的連結	回購連結	法學碩士 , 生成式人工智慧 , PyPDF , Streamlit

想法？

以下是您以表格呈現的項目想法：

專案理念	描述	領域
印度經濟分析	分析各種經濟指標和趨勢，以了解當前狀況並預測未來情境。	經濟學、數據分析
排燈節銷售分析	分析排燈節之前、期間和之後的銷售數據，以確定趨勢、模式並優化行銷策略。	零售、銷售分析
汽車價格預測	開發機器學習模型，根據里程、品牌等各種特徵來預測汽車的價格。	機器學習，汽車
貸款核准預測	建立機器學習模型來預測金融機構是否會批准或拒絕貸款申請。	機器學習、金融
貓與狗的分類	建立深度學習模型以對貓和狗的圖像進行準確分類。	深度學習、電腦視覺
先進的履歷追蹤系統	使用法學碩士技術實施一個全面的系統來追蹤和分析履歷以進行工作匹配和招募。	法學碩士（人工智慧），人力資源

願景？

我們的願景是透過提供記錄良好的程式碼、教程和資源來促進資料科學領域的學習和探索。我們的目標是幫助個人理解數據科學技術並將其應用於現實世界的問題。

創新理念描述

我們努力將創新方法和想法融入我們的專案中，突破傳統數據科學方法的界限。在這個儲存庫中探索的一些創新想法包括：

• 新穎的特徵工程技術
• 先進的模型架構
• 前沿的可視化方法

先決條件

在運行此儲存庫中的程式碼之前，請確保已安裝以下相依性：

• 貓熊
• 麻木
• scikit-learn（sklearn）
• 西博恩
• 繪圖庫
• 陰謀地

此外，對於深度學習模型，您將需要：

• TensorFlow
• 喀拉斯

對於LLM（Gen AI）模型，您還需要：

• OpenAI 庫
• Gen AI 庫

您可以使用 pip 安裝所需的依賴項：

pip install pandas numpy scikit-learn seaborn matplotlib plotly tensorflow keras openai gen_ai

法學碩士（人工智慧）？

LLM（Gen AI）擴展了LLM框架，融入了生成式AI技術，能夠產生新穎的數據、圖像、文字等，探索AI驅動創造力的可能性。

內容索引 ?

1. 數據分析
2. 機器學習
3. 深度學習

每個部分都包含詳細的筆記本、程式碼以及特定項目和概念的解釋。

內容清單？

• data_analysis ：包含資料分析項目的筆記本和程式碼。
• machine_learning ：包含機器學習專案的筆記本和程式碼。
• deep_learning ：由深度學習專案的筆記本和程式碼組成。
• LLM ：包含與 LLM（資料分析、機器學習、深度學習）框架相關的專案的筆記本和程式碼。

請隨意探索每個部分並深入研究項目，以增強您對數據科學概念的理解。

製作人員

我要向各種資料科學工具、程式庫和模型的開發人員表示感謝，他們在創建此儲存庫中發揮了重要作用：

工具和函式庫

• pandas：pandas 由 Wes McKinney 和貢獻者開發，是強大的 Python 資料操作和分析函式庫。
• NumPy：NumPy 由 Travis Oliphant 創建，是使用 Python 進行科學計算的基礎套件。
• scikit-learn：scikit-learn 由貢獻者社群開發，是一個用於 Python 的多功能機器學習函式庫。
• seaborn：seaborn 由 Michael Waskom 和貢獻者開發，是一個基於 matplotlib 的用於統計圖形的 Python 視覺化函式庫。
• matplotlib：由 John D. Hunter（以及後來的 Michael Droettboom 和貢獻者）開發，matplotlib 是一個用於在 Python 中創建靜態、動畫和互動式視覺化的綜合函式庫。
• plotly：plotly 由 Plotly Technologies 開發，是一個 Python 圖形庫，可在線上建立互動式、出版品質的圖形。
• TensorFlow：TensorFlow 由 Google Brain 團隊和貢獻者開發，是機器學習和深度學習的開源平台。
• Keras：Keras 由 François Chollet 和貢獻者開發，是一個用 Python 編寫的開源神經網路庫，充當 TensorFlow 的高級 API。
• OpenAI：OpenAI是由OpenAI開發的人工智慧研究實驗室，由營利性公司OpenAI LP及其母公司非營利組織OpenAI Inc.組成。
• Gen AI 函式庫：Gen AI 函式庫由 Gen AI 開發，為生成式 AI 技術提供工具和框架，能夠產生新穎的資料、影像、文字等。

機器學習模型

• XGBoost：XGBoost 由貢獻者社群開發，是一個優化的分散式梯度提升庫，專為速度和效能而設計。
• LightGBM：LightGBM 由 Microsoft 開發，是一個使用基於樹的學習演算法的梯度增強框架。
• CatBoost：CatBoost 由 Yandex 開發，是一個開源梯度增強函式庫，可提供開箱即用的最先進結果。
• SciPy：SciPy 由貢獻者社群開發，是一個基於 NumPy 建構並提供附加功能的科學計算庫。
• StatsModels：StatsModels 由貢獻者社群開發，是一個 Python 模組，提供用於估計許多不同統計模型的類別和函數。

深度學習模型

• PyTorch：PyTorch 由 Facebook 的人工智慧研究實驗室 (FAIR) 和貢獻者開發，是一個基於 Torch 庫的開源機器學習庫。
• fastai：fastai 由 fast.ai 開發，是建構在 PyTorch 之上的深度學習函式庫，為訓練和部署深度學習模型提供高階抽象。

我們向這些開發人員和更廣泛的開源社群表達誠摯的感謝，感謝他們為數據科學領域做出的寶貴貢獻。

貢獻？

歡迎對此儲存庫做出貢獻！無論是修復錯誤、添加新項目還是改進文檔，您的貢獻都有助於使該資源更好地為每個人服務。

在提交貢獻之前，請參閱貢獻指南。

執照

該儲存庫已根據 MIT 許可證獲得許可。有關詳細信息，請參閱許可證文件。