あなたのポートフォリオを際立たせる8つのML/AIプロジェクト

データサイエンスの世界に入ることに興奮していますか？
おめでとうございます！
データサイエンスの世界には、あなたのような人がたくさんいます。 このパンデミックの間にデータサイエンスと人工知能で行われた仕事の必要性の究極のブーストのため、それはまだ正しい選択だ。

しかし、危機のために、市場は現在、彼らは以前にやっているように多くの男性の力でそれを再び設定することができるように厳しくなる。 そのため、長期的な採用活動や多くの不採用に対して精神的な準備をしなければならない可能性があります。

ここで、この記事を書きながら、私はあなたがすでにデータサイエンスのポートフォリオが重要であり、それを構築する方法を知っていると仮定しています。
あなたは、ほとんどの時間を、データのクランチングとラングリングに費やし、空想のモデルを適用しないかもしれません。

私がデータサイエンス愛好家から何度も聞かれた質問の1つは、非常に優れた独自のポートフォリオを構築するには、どんなプロジェクトを自分のポートフォリオに含めるべきかということです。

以下では、データサイエンス ポートフォリオのための8つのユニークなアイデアを、特定のアイデアで始める方法の洞察を得ることができる、添付の参考記事と一緒に紹介します。

このテーマは、現在考慮すべき非常に敏感なもので、これについて何かをする緊急事態に陥っています。 うつ病に苦しんでいる人は、世界中に2億6400万人以上いると言われています。 うつ病は、世界中で身体障害を引き起こす主な原因であり、世界的な疾病負担の大きな部分を占めています。 15-29歳の死因の第2位は自殺です。

インターネットベースの生活は、特に若い大人において、早期の憂うつな調停サービスを変更する主なエッジのチャンスを与える。 また、”beautiful “は “beautiful “を意味し、”beautiful “は “beautiful “を意味します。 ソーシャルネットワークから公開されるデータセットは、人間科学や脳研究など、多くの分野で重要な役割を担っています。 しかし、専門的な観点からのサポートは十分とは言えず、明示的な方法論は絶望的です。

ソーシャルメディアの投稿の言語マーカーを分析することで、従来のアプローチよりもはるかに早く、個人の精神状態について洞察を与えることができる深層学習モデルを作成することが可能になっているのです。

Sports match video to text summarization using neural network

このプロジェクトのアイデアは基本的にスポーツマッチビデオから正確に要約することがベースになっています。 スポーツのウェブサイトには、試合のハイライトを伝えるものがあります。 抽出的なテキスト要約のタスクには様々なモデルが提案されていますが、ニューラルネットワークが最も良い仕事をします。

試合映像のアウトラインを自動的に作成することで、試合の魅力的な部分、つまりハイライトを見分けるという課題が生まれます。

そこで、3D-CNN（3次元畳み込みネットワーク）、RNN（再帰型ニューラルネットワーク）、LSTM（長期短期記憶ネットワーク）などの深層学習技術や、動画を異なるセクションに分割して、SVM（サポート ベクトル マシン）、NN（ニューラル ネットワーク）、k平均アルゴリズムなどの機械学習アルゴリズムを使ってそれを達成することができる。

詳細については、添付の記事を参照してください。

Handwritten equation solver using CNN

手書き数学表現認識はコンピュータビジョン研究領域において混乱した問題の1つであったと言えます。 手書きの数字や数学記号をCNN（Convolutional Neural Network）といくつかの画像処理技術を使って、手書きの方程式ソルバーを訓練することができます。 このようなシステムの開発には、機械にデータを与えて学習させ、必要な予測をさせることが必要です。

Business meeting summary generation using NLP

誰もが完全ではなく概要を見たいと思う状況に陥ったことがありますか? 私は、学生時代や大学時代に、レポート全体を準備するのに多くの時間を費やしたが、教師は要約しか読む時間がない、という状況に直面しました。 会話から情報を抽出することは、非常に優れた商業的および教育的価値を持つことができます。 これは、統計的、言語的、感情的な側面と会話のダイアログ構造を特徴として捉えることで実現できます。

レポートを要約した形に手動で変更するのは、時間がかかりすぎるのではないでしょうか。 しかし、それを実現するために、自然言語処理（NLP）の技術に頼ることができます。

深層学習を使ったテキストの要約は、テキスト全体の文脈を理解することができます。 これは、ドキュメントの簡単な要約を作成する必要があるすべての人にとって、夢のような話ではないでしょうか！

理解を深めるために、以下の添付記事を参照してください。

Facial recognition to detect mood and suggest songs accordingly

人間の顔は個人の体の重要な部分ですが、人の精神状態を把握するのに大きな役割を担っています。 これは、手作業で曲をさまざまなレコードに分離したりグループ化したりする退屈な作業をなくし、個人の感情の特徴に基づいて適切なプレイリストを生成するのに役立ちます。

人は気分や興味に基づいて音楽を聴く傾向があります。 8131>

コンピュータビジョンは、デジタル画像やビデオの高度な理解をコンピュータに伝えるのに役立つ学際的な分野である。

私はこれらに取り組んでいませんが、私が面白いと思った、また役に立つと思った API があります。

ケプラーなどの宇宙船が捉えた画像から居住可能な外惑星を見つける

最近の10年間で、通過する惑星を特定するために100万以上の星が監視されました。 惑星候補の手動解釈は労力がかかり、人間のミスに左右され、その結果を評価するのは困難です。 畳み込みニューラルネットワークは、ノイズの多い時系列データから地球型太陽系外惑星を最小自乗法よりも高い精度で同定するのに適している。

Image regeneration for old damaged reel picture

古いダメージを受けた写真を以前のように原状回復することがいかに時間がかかるか、苦痛かはわかっています。 そこで、ディープラーニングを使用して、すべての画像の欠陥 (破損、傷、穴) を見つけ、Inpainting アルゴリズムを使用して、その周囲のピクセル値に基づいて欠陥を簡単に発見し、古い写真を復元してカラー化することが可能です。

ディープラーニングによる音楽生成

音楽とはいろいろな周波数の音色の集合体であります。 そのため、自動音楽生成は、最小限の人間の介在で短い音楽を作曲するプロセスである . 最近では、ディープラーニング工学が、プログラムされた音楽生成の最先端になってきています。 しかし、私が上で提供したこのようなコレクションを使用すると、その分野で平均以上の進歩を作ることができます。 このコレクションは新しいので、研究目的のための機会も与えてくれます。 ですから、データサイエンスの研究者もこれらのアイデアを選んで取り組むことができ、彼らの研究はデータサイエンティストがプロジェクトを始める際の大きな助けになるでしょう。 さらに、誰もやったことのない側面を探るのは本当に楽しいものです。
ただし、このコレクションは実際には、初級から上級レベルまでのアイデアで構成されています。

これらのアイデアは、幅広い可能性を示し、既成概念にとらわれない発想を与えてくれるでしょう。 ですから、基本的に私は、ある意味で膨大な知識を得る方法を提供し、未踏の次元を探索させてくれるようなプロジェクトを楽しんでやっています。 それが、このようなプロジェクトに時間を割くときの主眼です。