今天我们请来了数据科学行业的Jasper老师给大家介绍数据科学家行业的三个重要Project分别是什么？是做什么的？能学会什么？对求职有何帮助？

NLP(NaturalLanguageProcessing)Project

电商网站用户评价商业价值挖掘

我们在电商平台购买商品时，通常会阅读其他购买人的评论来得知评价者对于商品的评价是好评还是差评。然而如何通过机器的自然语言识别自动识别一段文字的情感评价，实现从数据到结果的自动化分析输入？如何借此挖掘电商网站近20年用户评价的价值？如何将NLP的潜在商业价值转化为现实的商业收益？在我们的NLP项目中，我们会通过结合不同的机器学习算法设计一项产品来帮助我们实现这一功能。我们将要设计的产品不仅仅可以实现对评论的情感评价，同时也会对其中的关键词进行高亮，并且通过简单的展示页面实现产品与用户操作上的交互。

通过抓取真实AmazonReviewDataset作为模型训练数据源，利用自然语言处理概念和流程对以万计的数据进行预处理，比如，词语切分（Tokenization）将句子拆分成为一个个单词，对拆分后的词语进行正则化（Normalization），利用stemming及lemmatization的技术将词语回复原型，也就是词干化。构建词袋特征（bagofwords）并计算句子相似性。在以上预处理的过程中能体会并实践到怎么用NLP的思维去处理文本类的数据。

在接下来的过程中，将使用多种机器学习的算法统计模型（比如，logisticregression，naivebayes，SVM等）以及深度学习的框架对处理好的数据进行批量训练。在基于深度学习（DeepLearning）的NLP模型（LSTM）训练中，学习用Tensorflow，Keras等框架进行更有效率的情感计算和情感语义的分类。

最终我们会将训练好的模型在测试之后，使用一系列网页框架对于我们的产品实现交互界面并且展示产品，目的旨在于实现对每一条新进来的评论进行情感的评价。

在年NLP内容飞速发展的阶段，文本，语言，内容信息对于我们去分析数据，提供决策起着至关重要的作用。各个行业，产品都需要NLP的支持。地理地图信息，电影音乐推荐等等。

如果你初识数据科学和NLP领域，逢人自称“小白”，通过这次项目的学习和实践，你可以深度理解作为一个21世纪最性感职业--数据科学家的逻辑以及需要的技能。基于实际数据和场景产出自己完整的作品，拥有属于自己的项目体验。如果你已混迹“数据科学”一两年头，此次项目将为您解锁数据科学更多可能性，利用NLP的学习让技术落地。skrskr！