6个开源数据科学项目

作者|PRANAV DAR
编译|VK
来源|Analytics Vidhya

概述

• 利用这段时间，用这些顶级的开源项目来制作你的数据科学简历

• 从Facebook AI的计算机视觉框架到OpenAI的GPT-3模型，我们涵盖了广泛的开源数据科学项目

介绍

“到目前为止，你完成了多少数据科学项目？”

这是面试者在数据科学面试中经常问的问题。我曾进行了几次这样的面试。这个问题基本上开门见山就会询问。如果你是一个数据科学的新手，尤其需要注意

仅仅学习课程或获得证书是不够的。我认识的几乎每个人都持有数据科学各个方面的证书。如果你不把它和实际经验结合起来，它就不会给你的简历增加任何价值。

而这正是开源数据科学项目发挥如此关键作用的地方。面试者喜欢那些接手这些项目并提出解决方案的申请人。这显示了你对这个领域的好奇心、热情和热情。相信我，在简历中加入数据科学项目会增加你被录用的机会。

但你应该选择哪些数据科学项目呢？我收集了前几个月最好的项目并把它们带给你。在本月的版本中，我们将涵盖广泛的主题，从Facebook人工智能的game-changing DEtection TRansformer（DETR）框架到OpenAI的GPT-3。

Facebook AI的DEtection TRansformer (DETR)

链接：https://github.com/facebookresearch/detr

Facebook人工智能的DETR很容易成为5月份发布的最有趣的开源项目。它在一周内积累了近3000颗star，这一事实很能说明问题。

DETR（DEtection TRansformer的缩写）是计算机视觉空间中的一个变化转换器。该框架是解决目标检测问题的一种创新和有效的方法。DETR速度极快，效率极高。

正如我们的常驻数据科学家Prateek Joshi所说：

“DETR模型非常简单，不需要安装任何库就可以使用它。借助于基于transformers的编码器-解码器体系结构，DETR将目标检测问题视为直接集合预测问题。”

我们在这里详细介绍了DETR，以帮助你了解它在下面是如何工作的，以及如何将它用于对象检测任务。你还可以查看Facebook人工智能团队发布的Colab Notebook，查看DETR模型的实际应用。

https://colab.research.google.com/github/facebookresearch/detr/blob/colab/notebooks/detr_demo.ipynb

Real-Time Image Animation

实时图像动画：https://github.com/anandpawara/Real_Time_Image_Animation

另一个有趣的开源计算机视觉项目。顾名思义，是让我们使用OpenCV实时执行图像动画。看看我从项目的GitHub存储库中获取的这个示例：

模型模拟了人在镜头前的表情，并相应地改变了图像。这是计算机视觉的一个杰出应用，我们肯定会在内部尝试这个项目。这类项目将在业界有大量的应用，从时装和零售到营销和广告。

最初的开发人员已经很友好地发布了源代码以及Colab Notebook。去尝试下吧

https://colab.research.google.com/github/AliaksandrSiarohin/first-order-model/blob/master/demo.ipynb

OpenAI的GPT-3

链接：https://github.com/openai/gpt-3

OpenAI又实现了一个！在去年发布了GPT-2并掀起了一股热潮之后，他们已经开放了他们最新的自然语言处理（NLP）框架GPT-3！

简单地说，GPT-3是同类中最大的NLP模型。它有1750亿个参数（没错，你读得没错），而且体积庞大，几乎有350GB。GPT-3几乎是历史上最昂贵的模型之一（训练费用约为1200万美元）。

语言模型需要大量的数据来训练人类在几秒钟内就能完成的任务，这已经不是什么秘密了。升级–GPT-3。在讨论GPT-3如何在引擎盖下工作的官方论文中，OpenAI展示了扩展语言模型如何极大地提高任务无关性和少量镜头的性能。

现在这一部分可能会涉及到很多数据科学伦理人士——GPT-3可以很容易地生成新闻文章的样本，而人类很难将其识别为假新闻。在当今相互关联的世界，这可能是灾难性的。为了公平起见，他们在论文中讨论了这个问题。

基于PyAudio的实时音频分析

链接：https://github.com/tr1pzz/Realtime_PyAudio_FFT

这个开源的数据科学项目是个人的最爱。这个Python库由Xander Steenbrugge创建并发布，他是前两次DataHack峰会上备受尊敬的演讲者，它使我们能够执行实时音频分析。

正如Xander在他的GitHub存储库中所说：

这是一个简单的包，用于在本机Python中进行实时音频分析，它使用PyAudio和Numpy从实时音频流中提取和可视化FFT特征

这里的FFT代表快速傅立叶变换。它是一个出色的工具，在你的数据科学技能集，因为它解答了广泛的问题，你可以使用它。

TextShot，获取文本的Python工具

链接：https://github.com/ianzhao05/textshot

你有没有遇到过图片或截图有文字，但不能完全提取文字？我知道有一些工具是为这个目的而存在的，但我不想在我的机器上安装任何额外的软件。

现在，我们可以简单地使用这个Python工具抓取屏幕截图并从中提取文本，称为TextShot（好名字），这是一个很好的工具，可以快速收集我们的数据科学项目所需的任何文本数据。以下是一个演示TextShot的工作原理：

TextShot要求你在计算机上安装谷歌的Tesseract。

Machine Learning Visuals-数据科学专业人士交流的绝佳方式

链接：https://github.com/dair-ai/ml-visuals

我喜欢这个开源存储库，许多新来的人（甚至是有经验的人）经常在技术和科学交流上有矛盾。

ML Visuals是一个开源的协作项目，旨在帮助数据科学界理解和改进技术交流。这个出色的存储库提供了大量的视觉、模板和图形，帮助你构建一个完美的演示文稿或研究论文。

这个项目最棒的部分是你可以在谷歌的幻灯片上找到所有东西。看看我从这些幻灯片中拍摄的几张图片：

很棒！

结尾

在这个月我收集了很多有趣的开源数据科学项目！例如Facebook人工智能的DETR上和OpenAI的GPT-3。

原文链接：https://www.analyticsvidhya.com/blog/2020/06/6-open-source-data-science-projects-interviewer/