GitHub项目，直接来抄作业

无意间刷到这个提问 “211 数据科学与大数据技术专业想做项目，不知道做什么？”

给同bg的同学整理了一些26年至少是上半年值得做的项目方向👇

方向一：AI Agent / RAG（最推荐）

2026 年是 AI Agent 爆发年。企业对"能用大模型做事的人"的需求远超供给。

学习级项目（先跑通理解原理）

1. AI Engineering Hub

• 地址：github.com/patchy631/ai-engineering-hub
• 内容：LLM、RAG、AI Agent 实战教程合集，有详细 Notebook
• 适合：从零开始，跟着做就能理解 RAG 全链路

2. Production Agentic RAG Course（7 周课程）

• 地址：github.com/jamwithai/production-agentic-rag-course
• 内容：Docker → FastAPI → PostgreSQL → 向量检索 → RAG Pipeline → Agent
• 适合：强烈推荐作为入门第一步，7 周跟完直接出一个完整项目

进阶级项目（做二次开发）

3. RAGFlow

• 地址：github.com/infiniflow/ragflow
• 亮点：端到端 RAG 引擎，含文档解析 + 向量检索 + Agent 能力
• 怎么用：fork 后做一个垂直领域的 RAG 应用。比如"CS 面试知识库问答"——把面经、LeetCode 题解、八股文喂进去，做成一个能对话的面试助手。面试时直接 demo 给面试官看。

4. Dify

• 地址：github.com/langgenius/dify
• 亮点：可视化 LLM 应用平台，拖拽式构建 AI 工作流
• 怎么用：用 Dify 搭一个有实际使用场景的应用（比如"招聘 JD 智能匹配助手"），重点写清楚你的 Prompt 设计思路和数据处理逻辑。

5. RAG-Anything（新项目）

• 地址：github.com/HKUDS/RAG-Anything
• 亮点：多模态 RAG 框架，支持图文混合检索，有学术论文背书
• 怎么用：适合在简历里体现"前沿性"。可以做一个"论文+代码+图表"的多模态检索系统。

行动路线

第 1-7 周：跟 production-agentic-rag-course 跑完全课程
第 8-10 周：基于 RAGFlow 做一个垂直领域 RAG 应用
第 11-12 周：部署到云上（用免费的 Railway / Render），能给面试官发链接 demo

方向二：推荐系统（数据科学专业最对口）

为什么选这个？

推荐系统是大厂数据科学岗的核心业务之一（字节的推荐、阿里的推荐、快手的推荐...）。做一个完整的推荐系统项目，面试时能直接聊"召回→粗排→精排→重排"的全链路。

具体项目

1. Recommenders（19K+ Stars，微软出品）

• 地址：github.com/recommenders-team/recommenders
• 内容：推荐系统最佳实践合集，包含协同过滤、深度学习、知识图谱等多种方法
• 适合：学原理，有完整 Notebook 可以跟着跑

2. Gorse（9K+ Stars）

• 地址：github.com/gorse-io/gorse
• 亮点：Go 写的推荐引擎，开箱即用，导入数据就能跑
• 怎么用：用公开数据集（MovieLens / 豆瓣电影）搭一个推荐服务，写一份完整的评估报告（离线指标 + 消融实验）

3. Monolith（字节跳动开源）

• 地址：github.com/bytedance/monolith
• 亮点：字节内部用的轻量推荐系统框架
• 怎么用：面字节时简历写"基于字节 Monolith 框架构建的推荐系统"，天然加分。重点关注它的实时特征处理和 HashTable 优化。

行动路线

第 1-4 周：用 Recommenders 学完协同过滤 + 深度推荐的核心算法
第 5-8 周：用 Gorse 搭一个能跑的推荐服务，写评估报告
第 9-12 周：尝试 Monolith 的实时特征方案，加入你的项目

方向三：数据工程 Pipeline（数据开发岗必备）

很多同学只会写模型训练脚本，但企业需要的是能跑通"数据采集→清洗→转换→入库→可视化"全链路的人。数据工程是数据科学的地基。

具体项目

1. ETL Pipeline: Airflow + BigQuery + dbt + Soda

• 地址：github.com/Data-Engineering-Projects/etl-pipeline-airflow-bigquery-dbt
• 亮点：最完整的 demo，从编排→转换→数据质量监控全链路
• 适合：理解现代数据工程架构

2. ELT Pipeline: dbt + Snowflake + Airflow

• 地址：github.com/DivineSamOfficial/Snowflake-ELT-Pipeline-with-dbt-and-Airflow
• 亮点：演示"先加载再转换"的现代 ELT 范式
• 适合：理解 dbt 的 model 分层设计

3. Airflow Tutorial（端到端教程）

• 地址：github.com/OGsiji/airflow-tutorial
• 亮点：手把手教程，含 BigQuery + dbt + Soda
• 适合：跟着做一遍就能理解数据工程全貌

行动路线

第 1-3 周：跟 Airflow Tutorial 跑一遍，理解 DAG 和调度概念
第 4-8 周：换成自己的数据源（比如爬取招聘网站数据），做一个求职数据分析大盘
第 9-12 周：加入数据质量监控（Soda）和可视化层（Metabase / Superset）

能 Demo

能打开浏览器演示的项目 >> 只能看代码的项目。部署到免费平台上，面试时直接发链接。