Когда вы учитесь в колледже, вы должны пройти хотя бы одну стажировку к концу 3-го курса, а получить хорошую стажировку довольно сложно. Я учусь на третьем курсе и тоже искал хорошую стажировку и, к счастью, нашел стажировку в LetsGrowMore. Во время пандемии все компании перешли в режим онлайн, поэтому большинство стажировок организовано виртуально.
эта стажировка также была онлайн, но опыт, который они предоставили, был отличным.
В этой статье я поделюсь своим опытом стажировки по Data Science в LetsGrowMore. Это была месячная программа виртуальной стажировки. В начале программы мне дали всего десять заданий, и я должен был выполнить как минимум два из них. Задачи были разделены на три разных уровня, как указано ниже:
Задание начального уровня: -
1. Классификация цветов ириса ML Project
2. Прогнозирование и прогнозирование фондового рынка с использованием Stacked LSTM
3. Музыкальная рекомендация
4. Преобразование изображения в карандашный набросок с помощью Python
Задание среднего уровня: -
1. Исследовательский анализ данных о терроризме с набором данных
2. Прогнозирование с использованием алгоритма дерева решений
Задача продвинутого уровня: -
1. Разработайте нейронную сеть, которая может читать почерк
2. Предсказание следующего слова
3. Решатель уравнений от руки с использованием CNN
4. Распознавание лица ML для определения настроения и предложения песен соответственно
Из вышеупомянутых задач я выполнил три из них, которые приведены ниже: -
Задача 1: — Классификация цветков ириса ML Project
Я использовал блокнот Jupyter для выполнения всех задач. Первоначально я импортировал все необходимые библиотеки, такие как Numpy, pandas, Matplotlib, seaborn, sklearn, а затем прочитал данные из данного CSV-файла, а затем провел некоторый исследовательский анализ данных после этого, когда данные были готовы к работе, и сделал некоторую визуализацию, такую как histplot ,pairplot,тепловая карта с использованием библиотек seaborn и matplotlib. Кроме того, я разделил данные на наборы для обучения и тестирования, используя библиотеку sklearn, а затем построил такие модели, как логистическая регрессия, K-ближайшие соседи, дерево решений, случайный лес и машина опорных векторов, чтобы делать прогнозы, и, наконец, проверил точность моделей и доработал их. хороший вариант для этой задачи.
Задача 2: — Изображение в карандашный набросок с помощью Python
Библиотеки Python, которые я использовал для этой задачи, — это OpenCV и matplotlib. Шаги для преобразования любого изображения в карандашный набросок следующие:
- Прочитать изображение
- Преобразование изображения в оттенки серого
- Инвертировать изображение в градациях серого
- Размыть перевернутое изображение в градациях серого
- Объедините изображение в градациях серого с инвертированным размытым изображением, чтобы создать карандашный набросок.
Задача 3: — Прогнозирование с использованием алгоритма дерева решений
Сначала импортировали все необходимые библиотеки, такие как pandas, numpy, matplotlib, seaborn и sklearn, а затем считывали набор данных из данного CSV-файла, а затем выполняли исследовательский анализ данных с использованием pandas, после чего выполняли некоторую визуализацию данных в виде парного графика, Boxplot и Jointplot с использованием seaborn, продвижение вперед разделило данные на две части обучения и тестирования и построило модель дерева решений, которая позволяет делать прогнозы, а затем проверять точность, отчет о классификации и матрицу путаницы, используя на конечном графике модель дерева решений. .
Короче говоря, я получил возможность учиться и совершенствовать свои навыки во время этой программы стажировки. Это был замечательный опыт и прекрасная возможность изучить и изучить технологии. И одним из преимуществ виртуальной стажировки было то, что у меня никогда не было ограничения по времени. Я мог выполнять свои задачи в любое время. они дали очень хороший опыт стажерам. Чтобы стать частью их программы виртуальной стажировки letgrowmore.in/vip, посетите официальный сайт letsgrowmore.in.
