原文：
www.kdnuggets.com/2021/12/5-practical-data-science-projects.html
评论
1. 谷歌网络安全证书 - 快速开启网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 支持你所在组织的 IT 事务
“告别无用的副项目。”
自从我开始写文章以来已经快两年了——这相当于写了 175 篇文章！我之前的一些文章的一个缺点是，我建议了一些有趣的数据科学项目，但不够实际。
成为数据科学家的最简单方法之一是展示你已经完成了类似的项目，并且这些项目与职位描述相符。因此，我想与您分享一些我在职业生涯中亲自完成的实用数据科学项目，这些项目将增强你的经验和作品集。
什么？
倾向模型是预测某人会做某事的模型。举几个例子：
-
网站访问者注册账户的可能性。
-
注册用户支付和订阅的可能性。
-
用户推荐其他用户的可能性。
倾向建模不仅涉及“谁”和“什么”——还涉及“何时”（何时应该针对你所识别的用户）和“如何”（如何向目标用户传达信息？）。
为什么？
倾向建模使你可以更明智地分配资源，从而提高效率，同时获得更好的结果。举个例子：与其发送一个用户点击的概率为 0%-100%的电子邮件广告，不如通过倾向建模，针对那些有 50%以上点击概率的用户。减少邮件数量，增加转化率！
如何：
下面是两个代码演示，展示了如何构建基本的倾向模型：
这里有两个数据集，你可以用来构建一个倾向模型。请注意每个数据集中提供的特征类型：
什么？
指标预测是自解释的——它指的是对给定指标（如收入或总用户数）在短期内进行预测。
具体来说，预测涉及使用历史数据作为输入来生成预测输出。即使输出本身并不完全准确，预测也可以用来衡量特定指标的总体趋势。
为什么？
预测基本上就像是窥视未来。通过（以一定的信心水平）预测未来会发生什么，你可以更加主动地做出更明智的决策。结果是，你将有更多时间做出决定，并最终降低失败的可能性。
如何：
第一个资源提供了几种时间序列模型的总结：
第二个资源提供了使用 Prophet 创建时间序列模型的逐步指南，Prophet 是 Facebook 专为时间序列建模开发的 Python 库：
什么？
推荐系统是旨在向用户建议最相关信息的算法，无论是亚马逊上的类似产品，Netflix 上的类似电视节目，还是 Spotify 上的类似歌曲。
推荐系统主要有两种类型：协同过滤和基于内容的过滤。
-
基于内容的推荐系统根据之前选择的项目特征推荐特定项目。例如，如果我之前看了很多动作片，它会将其他动作片排名更高。
-
协同过滤则是根据类似用户的反应来筛选用户可能喜欢的项目。例如，如果我喜欢歌曲 A，而其他人喜欢歌曲 A 以及歌曲 C，那么我会被推荐歌曲 C。
为什么？
推荐系统是最广泛使用且最实用的数据科学应用之一。不仅如此，它在数据产品中的投资回报率也最高之一。据估计，亚马逊在 2019 年由于其推荐系统销售额增加了 29%。 同样，Netflix 宣称其推荐系统在 2016 年价值高达 10 亿美元!
但是什么让它如此有利可图？正如我之前提到的，关键在于一个词：相关性。通过向用户提供更多相关的产品、节目或歌曲，你最终会增加他们购买更多产品和/或保持更长时间的可能性。
如何：
资源和数据集
什么？
深度分析只是对特定问题或主题的深入分析。它们可以是探索性的，以发现新信息和见解，也可以是调查性的，以了解问题的原因。
这不是一个广泛讨论的技能，部分原因是它需要经验，但这并不意味着你不能提高它！像其他任何技能一样，这只是一个练习的问题。
为什么？
深度分析对于任何数据相关的专业人士来说都是必不可少的。能够找出为什么某些东西不起作用，或者能够找到灵丹妙药，是区别优秀与一般的关键。
资源和数据集
以下是一些你可以自己尝试的深度分析任务：
什么？
客户细分是将客户基础划分为几个细分市场的实践。
最常见的细分类型是按人口统计进行，但还有许多其他类型的细分，包括地理、心理、需求和价值细分。
为什么？
细分对企业有几个重要的价值：
-
它使你能够进行更有针对性的营销，并向每个细分市场传达更个性化的信息。年轻的青少年和多个孩子的父母看重的东西大相径庭。
-
当资源有限时，它允许你优先考虑特定的细分市场，尤其是那些更具盈利性的细分市场。
-
细分市场还可以作为其他应用的基础，如追加销售和交叉销售。
如何：
数据集
原文。已获得许可转载。
相关：
-
19 个适合初学者的数据科学项目创意
-
数据科学家：如何推销你的项目和自己
-
计算机视觉中的 10 个 AI 项目创意