8月Github上7個值得關(guān)注的數(shù)據(jù)科學項目
2020-12-04 來源：raincent
來源： 讀芯術(shù)
準備好在機器學習之路上再邁出一大步了嗎?使用試驗性數(shù)據(jù)集、流行的數(shù)據(jù)科學庫和框架是個好的開始，但如果想在競爭中脫穎而出，必須有所突破，使自己與眾不同。
最佳途徑就是運用數(shù)據(jù)科學領(lǐng)域最新技術(shù)完成項目。想成為計算機視覺領(lǐng)域的專家嗎?那就去學習最先進的目標檢測算法。如果希望在自然語言處理(NLP)方面有所建樹，那就學習Transformer模型的各種特性和分支。
重點是，要一直有所準備并樂于鉆研最新的數(shù)據(jù)科學技術(shù)。數(shù)據(jù)科學是發(fā)展最快的領(lǐng)域之一，作為數(shù)據(jù)科學家的我們也需要不斷學習成長。
本文帶你來看看GitHub上創(chuàng)建于2019年8月的7個數(shù)據(jù)科學項目。筆者所選項目的范圍十分廣泛，涉及從機器學習到強化學習的諸多領(lǐng)域。
本文將這些數(shù)據(jù)科學項目分為三大類：
• 機器學習項目
• 深度學習項目
• 編程項目
機器學習項目
pyforest——用一行代碼導入所有Python數(shù)據(jù)科學庫
https://github.com/8080labs/pyforest
筆者非常喜歡這個Python庫。正如標題所述，所有常用的數(shù)據(jù)科學庫都可以通過一個pyforest庫導入�？纯垂P者從該庫的Github倉庫中摘錄的示例：
激動了嗎?Pyforest目前包括pandas、NumPy、matplotlib等數(shù)據(jù)科學庫。
只需調(diào)用pip install pyforest這一指令在機器上安裝該庫，就能用一行代碼導入所有流行的Python數(shù)據(jù)科學庫。
from pyforest import *
太神奇了!你一定也會像筆者這樣享受使用它的過程。
HungaBunga – 另一種使用sklearn庫搭建機器學習模型的方式
https://github.com/ypeleg/HungaBunga
如何從搭建好的機器學習模型中選出最合適的那一個?如何確保發(fā)揮作用的是正確的超參數(shù)?這些都是數(shù)據(jù)科學家需要解答的關(guān)鍵問題。
相較于其他大多數(shù)數(shù)據(jù)庫，HungaBunga項目能讓用戶更快地找到答案。它會利用所有可能的超參數(shù)來運行sklearn庫中的所有模型(是的，所有!)，隨后通過交叉驗證對模型進行排序。
下面是導入所有模型(包括分類模型和回歸模型)的方式：
from hunga_bunga import HungaBungaClassifier, HungaBungaRegressor
看看下面這篇全面討論了監(jiān)督機器學習算法的文章：
• 常用的機器學習算法(使用Python和R語言)
https://www.analyticsvidhya.com/blog/2017/09/common-machine-learning-algorithms/?utm_source=blog&utm_medium=7-data-science-projects-github-showcase-your-skills
深度學習項目
DeepMind發(fā)布的用于強化學習的Behavior Suite(bsuite)
https://github.com/deepmind/bsuite
最近Deepmind連年增長的巨額虧損成了新聞。但是必須承認，這家公司在強化學習研究方面仍遙遙領(lǐng)先。他們在這一領(lǐng)域投入大量人力物力，認為強化學習是人工智能的未來。
下面介紹他們最新的開源產(chǎn)品——bsuite。這一項目集合了許多實驗的成果，這些實驗旨在理解強化學習對象的核心性能。
筆者喜歡這一研究領(lǐng)域，因為它必然會努力達成兩個目的(每個Github倉庫達成一個)：
• 收集有價值且可推廣運用的項目，這些項目會捕捉到在設計高效通用的機器學習算法時遇到的關(guān)鍵問題。
• 以通用尺度為標準，通過對象的表現(xiàn)研究其行為。
這個Github倉庫詳細解釋bsuite的使用方式�？梢酝ㄟ^下面的代碼安裝它：
pip install git+git://github.com/deepmind/bsuite.git
如果你是強化學習領(lǐng)域的新手，可以看看下面這些入門文章：
•強化學習及實現(xiàn)入門教程
https://www.analyticsvidhya.com/blog/2017/01/introduction-to-reinforcement-learning-implementation/?utm_source=blog&utm_medium=7-data-science-projects-github-showcase-your-skills
•使用Python中的OpenAI Gym進行深度Q學習的簡介
https://www.analyticsvidhya.com/blog/2019/04/introduction-deep-q-learning-python/?utm_source=blog&utm_medium=7-data-science-projects-github-showcase-your-skills
DistilBERT –一個更輕、更便宜的BERT
https://github.com/huggingface/pytorch-transformers/tree/master/examples/distillation
讀者肯定聽說過BERT。它基于Transformer架構(gòu)，是自然語言處理(NLP)領(lǐng)域最流行的框架，并且正被越來越廣泛地應用。
但是注意：運行它可能需要大量的資源。那么數(shù)據(jù)科學家該如何在自己的機器上運行BERT呢?更進一步，使用DistilBERT!
DistilBERT是Distillated-BERT的略稱，由PyTorch轉(zhuǎn)換框架團隊開發(fā)。它是在BERT架構(gòu)基礎(chǔ)上搭建的一個小型且便宜的Transformer模型。開發(fā)團隊稱DistilBERT比BERT運行速度快60%，而性能與BERT相差不到5%。
這一Github倉庫講述了DistilBERT和Python代碼協(xié)同工作的方式�？梢渣c擊下方鏈接了解更多有關(guān)PyTorch-Transformers框架及其在python中的使用方法。
•Pytorch-Transformers簡介：一個非常神奇的NLP庫(借助Python代碼)
https://www.analyticsvidhya.com/blog/2019/07/pytorch-transformers-nlp-python/?utm_source=blog&utm_medium=7-data-science-projects-github-showcase-your-skills
ShuffleNet Series ——一個極其高效、用于移動設備的卷積神經(jīng)網(wǎng)絡
https://github.com/megvii-model/ShuffleNet-Series
接下來介紹的是計算機視覺項目!ShuffleNet是一個計算效率極高的卷積神經(jīng)網(wǎng)絡架構(gòu)，適用于計算力有限的移動設備。
這個Github倉庫包含了以下ShuffleNet模型(對，不止一個)：
•ShuffleNet: 一個極其高效、用于移動設備的卷積神經(jīng)網(wǎng)絡
•ShuffleNetV2: 高效CNN架構(gòu)設計的實用建議
•ShuffleNetV2+: ShuffleNetV2的強化版本
•ShuffleNetV2.Large: ShuffleNetV2的深化版本
•OneShot: 通過均勻抽樣進行單通路單樣本神經(jīng)架構(gòu)的研究
•DetNAS: 目標檢測技術(shù)的支撐性研究
想要理解CNN嗎?下文會幫助你：
• 一篇通過Scratch學習卷積神經(jīng)網(wǎng)絡的全方位指南
https://www.analyticsvidhya.com/blog/2018/12/guide-convolutional-neural-network-cnn/?utm_source=blog&utm_medium=7-data-science-projects-github-showcase-your-skills
RAdam –提高學習率方差
https://github.com/LiyuanLucasLiu/RAdam
目前，發(fā)布時間不到兩周的RAdam項目已經(jīng)得到了1200多顆星星的評價。足以證明這個倉庫非常給力!
RAdam的開發(fā)者在其論文中(https://arxiv.org/pdf/1908.03265.pdf)表明，深度學習技術(shù)的收斂問題是由于在模型訓練的早期階段，自適應學習率的方差過大。
RAdam是Adam的一個新版本，可以修正自適應學習率的變化。這個版本在普通的Adam優(yōu)化器基礎(chǔ)上做出了切實改進，改善了方差問題。
處理不同學習率時RAdam的表現(xiàn)與Adam和SGD的對比如下(X軸代表訓練輪數(shù))：
一定要查閱下面關(guān)于機器學習優(yōu)化的指南(其中包含Adam的相關(guān)內(nèi)容)：
•機器學習中的梯度下降算法(和變量類型)簡介
https://www.analyticsvidhya.com/blog/2017/03/introduction-to-gradient-descent-algorithm-along-its-variants/?utm_source=blog&utm_medium=7-data-science-projects-github-showcase-your-skills
編程項目
ggtext –用于ggplot2的升級版文本渲染
https://github.com/clauswilke/ggtext
對于社區(qū)中的所有R語言用戶，尤其對于那些經(jīng)常使用ggplot2包的用戶(幾乎每個人)，這個項目會非常實用。
Ggtext包讓用戶能夠?qū)ι傻膱D像進行富文本渲染。下面是一些可以通過ggtext完成的操作：
•產(chǎn)生一個新的名為element_markdown()的主題元素，它能將文本渲染為markdown語言或者HTML
•在坐標軸中插入圖像(如下圖所示)
•使用geom_richtext()函數(shù)創(chuàng)建markdown/HTML標簽(如下圖所示)
這個GitHub倉庫包含了一些直觀的例子，讀者可以在自己的機器上重復這些示例。
Ggtext目前還不能通過CRAN調(diào)用，用戶需要下載并通過下面的指令從GitHub安裝它：
devtools::install_github("clauswilke/ggtext")
想要更多了解ggplot2以及用R語言處理交互式圖表的方法嗎?傳送門：
•R語言用戶使用ggplot2包時的十個常見問題
https://www.analyticsvidhya.com/blog/2016/03/questions-ggplot2-package-r/?utm_source=blog&utm_medium=7-data-science-projects-github-showcase-your-skills
•如何用R繪制動態(tài)圖片分析健康數(shù)據(jù)(你也可以做到!)
https://www.analyticsvidhya.com/blog/2019/04/how-built-personalized-interactive-fitness-tracker-dashboard-r/?utm_source=blog&utm_medium=7-data-science-projects-github-showcase-your-skills
標簽： 數(shù)據(jù) 蒲
版權(quán)申明：本站文章部分自網(wǎng)絡，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。
