8 ML/AI projekt, hogy a portfóliód kiemelkedjen

Azért izgulsz, hogy belépj az adattudomány világába?
Gratulálunk! Ez még mindig a helyes választás, mert a világjárvány idején az Adattudomány és a mesterséges intelligencia területén végzett munka iránti igény végső fellendülése miatt.

Bár a válság miatt a piac jelenleg keményebbé válik, hogy képes legyen újra több férfi erővel felállítani, mint korábban. Tehát, Lehetséges, hogy mentálisan fel kell készülnie a hosszú távú felvételi útra és a sok elutasításra.

Ezzel, miközben ezt a cikket írom, feltételezem, hogy már tudta, hogy az adattudományi portfólió kulcsfontosságú, és hogyan kell felépíteni.
Lehet, hogy az időd nagy részét azzal töltöd, hogy adatokat tördelj és tördelj, és nem alkalmazol divatos modelleket.

Az egyik kérdés, amit az adattudományok szerelmesei újra és újra feltesznek nekem, az, hogy milyen projekteket kell felvenniük a portfóliójukba, hogy óriási jó és egyedi portfóliót építsenek.

Az alábbiakban megadtam a 8 egyedi ötletet az adattudományi portfóliójához a csatolt referenciacikkekkel, amelyekből betekintést nyerhetsz abba, hogy hogyan kezdj hozzá az adott ötlethez.

Ez a téma manapság annyira érzékeny, hogy figyelembe kell venni, és sürgősen tenni kell valamit. Világszerte több mint 264 millió ember szenved depresszióban. A depresszió világszerte a rokkantság fő oka, és jelentős támogatója a betegségek általános globális terheinek, és évente közel 800 000 ember harapja meg következetesen a levét öngyilkosság miatt. A 15-29 évesek körében az öngyilkosság a második vezető halálozási ok. A depresszió kezelése gyakran késik, pontatlan, és/vagy teljesen elmarad.

Az internetalapú élet a legfőbb esélyt adja a korai melankólia-közvetítő szolgáltatások megváltoztatására, különösen a fiatal felnőtteknél. A Twitteren állandóan nagyjából 6000 tweetet tweetelnek, ami minden pillanatban több mint 350 000 elküldött tweetre, minden nap 500 millió tweetre és minden évben mintegy 200 milliárd tweetre vonatkozik.

A Pew Research Center adatai szerint a lakosság 72%-a használ valamilyen internetalapú életet. A közösségi hálózatokból felszabaduló adatkészletek számos terület, például a humán tudományok és az agykutatás számára fontosak. De a szakterületi szempontú támogatások messze nem elégségesek, és az explicit módszertanok kétségbeejtően szerencsétlenek.

A közösségi média posztjaiban található nyelvi markerek elemzésével olyan mély tanulási modellt lehet létrehozni, amely a hagyományos megközelítéseknél jóval korábban adhat betekintést az egyén mentális egészségébe.

Sports match video to text summarization using neural network

A projektötlet tehát alapvetően azon alapul, hogy a Sports match videókból pontos összefoglalót kapjunk. Vannak olyan sportoldalak, amelyek a mérkőzés csúcspontjairól szólnak. Különböző modelleket javasoltak a kivonatos szöveges összegzés feladatára, de a neurális hálózatok végzik a legjobb munkát. Az összegzés általában az információk rövid szerkezetben történő bemutatására utal, a tényeket és információkat közvetítő részekre koncentrálva, a fontosság megőrzése mellett.

A meccsvideó vázlatának automatikus létrehozása kihívást jelent a mérkőzés izgalmas perceinek vagy csúcspontjainak megkülönböztetése.

Ezt tehát néhány mély tanulási technikával lehet elérni, például 3D-CNN (háromdimenziós konvolúciós hálózatok), RNN(Recurrent neural network), LSTM (Long short term memory networks), valamint gépi tanulási algoritmusok segítségével, a videót különböző szakaszokra osztva, majd SVM(Support vector machines), NN(Neural Networks), k-means algoritmus alkalmazásával.

A jobb megértés érdekében olvassa el részletesen a csatolt cikkeket.

Kézírásos egyenletmegoldó CNN használatával

A kézírásos matematikai kifejezések felismerése az egyik legzavarosabb kérdés a számítógépes látáskutatás területén. A kézzel írott számjegyek és matematikai szimbólumok segítségével kézzel írott egyenletmegoldót képezhetünk ki konvolúciós neurális hálózat (CNN) segítségével, néhány képfeldolgozási technikával. Egy ilyen rendszer kifejlesztése megköveteli, hogy a gépeinket adatokkal képezzük ki, így azok jártasak lesznek a tanulásban és a szükséges előrejelzésben.

A jobb megértés érdekében olvassa el az alább csatolt cikkeket.

Üzleti megbeszélések összefoglalójának készítése NLP segítségével

Elakadt már olyan helyzetben, amikor mindenki egy összefoglalót szeretne látni, nem a teljes jelentést. Nos, én is szembesültem ezzel az iskolai és egyetemi éveim alatt, amikor rengeteg időt töltöttünk egy teljes jelentés elkészítésével, de a tanárnak csak az összefoglaló elolvasására volt ideje.”

Az összegzés az adatok túlterheltségének kezelésében kérlelhetetlenül hasznos megoldásként emelkedett ki. A beszélgetésekből származó információk kinyerése nagyon jó kereskedelmi és oktatási értéket képviselhet. Ez a statisztikai, nyelvi és érzelmi szempontoknak a beszélgetés dialógusszerkezetével együtt történő jellemző rögzítésével érhető el.

A jelentés összegzett formára történő kézi átalakítása túlságosan időigényes, nem igaz? De támaszkodhatunk a természetes nyelvfeldolgozási (NLP) technikákra, hogy ezt elérjük.

A mélytanulással történő szövegösszefoglalás képes megérteni a teljes szöveg kontextusát. Hát nem egy valóra vált álom mindannyiunk számára, akiknek egy dokumentum gyors összefoglalójával kell előállniuk !!!

A jobb megértés érdekében olvassa el az alább csatolt cikkeket.

Az arcfelismerés a hangulat felismerésére, és ennek megfelelően dalokat javasol

Az emberi arc fontos része az egyén testének, és különösen jelentős szerepet játszik az ember lelkiállapotának megismerésében. Ez kiküszöböli a dalok kézzel történő elkülönítésének vagy különböző rekordokba való csoportosításának unalmas és fárasztó feladatát, és segít az egyén érzelmi jellemzői alapján megfelelő lejátszási lista létrehozásában.

Az emberek hajlamosak a hangulatuk és érdeklődési körük alapján zenét hallgatni. Létre lehet hozni egy olyan alkalmazást, amely az arckifejezések rögzítésével dalokat javasol a felhasználóknak a hangulatuk alapján.

A számítógépes látás egy interdiszciplináris terület, amely segít a digitális képek vagy videók magas szintű megértését közvetíteni a számítógépek számára. a számítógépes látás összetevői felhasználhatók a felhasználó érzelmének meghatározására az arckifejezéseken keresztül.

Vannak ezek az API-k is, amelyeket érdekesnek és hasznosnak találtam, bár nem dolgoztam rajtuk, de csatolom ide azzal a reménnyel, hogy ezek segíteni fognak neked.

Lakható exobolygók megtalálása az olyan űreszközök által rögzített képekből, mint a Kepler

A legutóbbi évtizedben több mint egymillió csillagot figyeltek meg az átvonuló bolygók azonosítására. A potenciális exobolygójelöltek kézi értelmezése munkaigényes és ki van téve emberi hibáknak, amelyek következményeit nehéz felmérni. A konvolúciós neurális hálózatok alkalmasak Föld-szerű exobolygók azonosítására zajos idősoros adatokban, kiemelkedőbb pontossággal, mint a legkisebb négyzetek stratégiája.

Képregenerálás régi sérült tekercsképhez

Tudom, milyen időigényes és fájdalmas a régi sérült fényképet eredeti formájában visszakapni, ahogy az korábban volt. Szóval, ez mélytanulással megoldható az összes képhiba (törések, karcolások, lyukak) megtalálásával, és az Inpainting algoritmusok segítségével könnyen felfedezhetjük a hibákat a körülöttük lévő pixelértékek alapján, hogy visszaállítsuk és színezzük a régi fényképeket.

Zene generálása mélytanulással

A zene különböző frekvenciájú hangok összessége. Tehát az Automatikus zenei generálás egy olyan folyamat, amely a legkevesebb emberi közvetítéssel komponál egy rövid zenedarabot . A közelmúltban a Deep Learning mérnöki tudományok váltak a programozott zenei generálás élvonalába.

FINAL WORD

Tudom, hogy igazi küzdelem egy menő adattudományi portfólió felépítése. De az ilyen gyűjteménnyel, amit fentebb adtam, átlagon felüli haladást érhetsz el ezen a területen. A gyűjtemény új, ami lehetőséget ad kutatási célokra is. Tehát az adattudományi kutatók is választhatják ezeket az ötleteket, hogy dolgozzanak, így a kutatásuk nagy segítség lenne az adattudósok számára, hogy elkezdjék a projektet. És ráadásul Ez egy igazi móka, hogy felfedezzük azokat az oldalakat, amelyeket még senki sem csinált korábban.
Bár ez a gyűjtemény valójában ötleteket tartalmaz a kezdőtől a haladó szintig.

Tehát nem csak az adattudományi terület újoncainak, hanem a vezető adattudósoknak is ajánlom. Sok új utat fog nyitni a karrierje során, nemcsak a projektek miatt, hanem az újonnan szerzett hálózat révén is.

Ezek az ötletek megmutatják a lehetőségek széles skáláját, és ötleteket adnak a dobozon kívüli gondolkodáshoz.

Nekem és a barátaimnak fontosak a tanulási tényezők, a társadalom számára hozzáadott érték és a feltáratlan tudás, és bizonyos értelemben a szórakozás is lényeges. Tehát alapvetően élvezem az olyan projekteket, amelyek módot adnak arra, hogy bizonyos értelemben hatalmas tudásra tegyünk szert, és lehetővé teszik számunkra, hogy felfedezzük a felderítetlen dimenziókat. Ez a fő célunk, amikor időt szánunk az ilyen projektekre.