0. مشین لرننگ کی تیاری کے منصوبے

5. عملی منصوبے اور حقیقی اطلاقات

پروجیکٹ 1: ویب ٹریفک پر A/B ٹیسٹنگ
اس پروجیکٹ میں، آپ ایک کمپنی کے حقیقی ویب ٹریفک ڈیٹا کے ساتھ کام کریں گے تاکہ دو صفحہ ورژنز کے اثرات کو صارف کے کنورژن ریٹ پر جانچ سکیں۔ آپ سیکھیں گے:

• Pandas کے ذریعے ڈیٹا صاف کرنا اور دریافت کرنا

• t-test اور فرضیہ ٹیسٹ جیسے شماریاتی ٹیسٹ لگانا

• نتائج کی بصری نمائندگی اور ڈیٹا کی بنیاد پر فیصلہ سازی

• ویب سائٹ کی کارکردگی بہتر بنانے کے لیے رپورٹ تیار کرنا

پروجیکٹ 2: مشین لرننگ کے لیے بینک ڈیٹا کا تجزیہ
اس عملی کیس میں آپ بینک کلائنٹس کے ڈیٹا کو تجزیہ کریں گے تاکہ پیٹرنز کو پہچانا جا سکے اور مستقبل کے مشین لرننگ ماڈلز کے لیے ڈیٹا تیار کیا جا سکے۔ آپ توجہ دیں گے:

• Pandas اور NumPy کا استعمال کرتے ہوئے ڈیٹا کی صفائی اور تبدیلی

• Seaborn کے ذریعے بصری تجزیہ

• وضاحتی شماریات کے ذریعے کلائنٹ کے رویے کو سمجھنا

• پیش گوئی ماڈلنگ کے لیے ڈیٹاسیٹ تیار کرنا

پروجیکٹ 3: انشورنس ڈیٹا کا تجزیہ
آپ انشورنس کمپنی کے ڈیٹا کے ساتھ کام کریں گے تاکہ پالیسی کے اخراجات اور کلائنٹ رسک کو متاثر کرنے والے عوامل کا پتہ لگا سکیں۔ آپ سیکھیں گے:

• کسٹمر اور کلیم ڈیٹا کی صفائی اور تبدیلی

• EDA تکنیکس کے ذریعے رجحانات اور انوملیز تلاش کرنا

• فیصلہ سازی کے لیے وضاحتی شماریات اور بصری تجزیہ

• رسک پر مبنی ماڈلز کے لیے ڈیٹا تیار کرنا

پروجیکٹ 4: میلویئر ڈیٹا کا تجزیہ
اس پروجیکٹ میں آپ میلویئر ڈیٹا سیٹ کا تجزیہ کریں گے تاکہ سائبر حملوں کے پیٹرنز کو پہچانا جا سکے اور سیکورٹی کے خطرات کو روکا جا سکے۔ توجہ مرکوز ہوگی:

• میلویئر ڈیٹا کی صفائی اور اس کی ساخت بنانا

• اہم فیچرز کی شناخت کے لیے بصری تجزیہ

• ڈیٹا کی کوالٹی بہتر بنانے کے لیے پری پروسیسنگ ٹیکنیکس کا استعمال