8 ML/AI Projecten Om Je Portfolio Op Te Laten Opvallen

Ben je enthousiast om de Data Science wereld in te gaan?
Congrats! Dat is nog steeds de juiste keuze vanwege de ultieme boost in de behoefte aan werk gedaan in Data Science en Artificial Intelligence tijdens deze pandemie.

Hoewel, als gevolg van de crisis, de markt op dit moment wordt harder om te kunnen om het weer op te zetten met meer mannen kracht als ze eerder doen. Dus, Het is mogelijk dat je jezelf mentaal voor te bereiden op lange aanwervingsreis en veel afwijzingen in een way.

Hierbij, terwijl het schrijven van dit artikel, Ik ga ervan uit dat je al hebt geweten dat data-science portefeuille is van cruciaal belang en hoe op te bouwen het op.
Je zou kunnen besteden het grootste deel van je tijd, het doen van gegevens crunching en wrangling en niet het toepassen van fancy modellen.

Een vraag die ik heb gevraagd op en op door data science enthousiastelingen is dat wat voor soort projecten moeten ze opnemen in hun portfolio om enorm goed en uniek portfolio op te bouwen.

Hieronder heb ik de 8 unieke ideeën voor je data science-portfolio gegeven met bijgevoegde referentie-artikelen waaruit je kunt opmaken hoe je met een bepaald idee aan de slag kunt.

Dit onderwerp ligt tegenwoordig zo gevoelig dat er dringend iets aan moet worden gedaan. Wereldwijd zijn er meer dan 264 miljoen mensen die aan depressies lijden. Depressie is wereldwijd de belangrijkste oorzaak van invaliditeit en draagt in belangrijke mate bij aan de totale ziektelast in de wereld, en elk jaar bijten bijna 800 000 mensen steevast in het stof door zelfmoord. Zelfmoord is de tweede doodsoorzaak onder 15- tot 29-jarigen. Behandeling voor depressie is vaak vertraagd, onnauwkeurig, en / of helemaal gemist.

Internet-gebaseerd leven geeft de belangrijkste randkans om vroege melancholy bemiddelingsdiensten te veranderen, vooral in jeugdige volwassenen. Consequent, ruwweg 6.000 Tweets worden getweet op Twitter, wat betrekking heeft op meer dan 350.000 tweets verzonden voor elk moment, 500 miljoen tweets voor elke dag, en ongeveer 200 miljard tweets voor elk jaar.

Zoals aangegeven door het Pew Research Center, gebruikt 72% van het publiek een soort van internetgebaseerd leven. Datasets vrijgegeven uit sociale netwerken zijn belangrijk voor tal van gebieden, bijvoorbeeld, de menswetenschappen en hersenonderzoek. Maar de ondersteuning vanuit een gespecialiseerd oogpunt is bij lange na niet genoeg, en expliciete methodologieën zijn wanhopig uit geluk.

Door linguïstische markers in sociale mediaposts te analyseren, is het mogelijk om een deep learning-model te maken dat een individu veel eerder inzicht kan geven in zijn of haar mentale gezondheid dan traditionele benaderingen.

Sportwedstrijdvideo naar tekst samenvatten met behulp van neuraal netwerk

Dit projectidee is dus gebaseerd op het verkrijgen van een precieze samenvatting van sportwedstrijdvideo’s. Er zijn sport websites die vertellen over hoogtepunten van de wedstrijd. Verschillende modellen zijn voorgesteld voor de taak van extractieve tekst samenvatten, maar neurale netwerken doen het beste werk. In de regel zinspeelt Summarization op het introduceren van informatie in een korte structuur, waarbij men zich concentreert op delen die feiten en informatie overbrengen, terwijl het belang gewaarborgd blijft.

Automatisch een schets maken van een wedstrijdvideo geeft aanleiding tot de uitdaging om fascinerende minuten, of hoogtepunten, van een wedstrijd te onderscheiden.

Dus kan men dat bereiken met behulp van enkele deep learning technieken zoals 3D-CNN (driedimensionale convolutionele netwerken), RNN(Recurrent neural network), LSTM (Long short term memory networks) en ook door Machine learning algoritmen door de video in verschillende secties te verdelen en dan SVM(Support vector machines), NN(Neural Networks), k-means algoritme toe te passen.

Voor een beter begrip, verwijzen wij u naar de bijgevoegde artikelen in detail.

Handgeschreven vergelijkingsoplosser met behulp van CNN

Herkenning van handgeschreven wiskundige uitdrukkingen is een van de lastigste kwesties in het onderzoek op het gebied van computervisie. Handgeschreven vergelijkingsoplosser kan worden getraind door handgeschreven cijfers en wiskundige symbolen te gebruiken met behulp van Convolutional Neural Network (CNN) met enkele beeldverwerkingstechnieken. Het ontwikkelen van een dergelijk systeem vereist het trainen van onze machines met gegevens, waardoor het bekwaam is om te leren en de vereiste voorspelling te doen.

Raadpleeg de hieronder bijgevoegde artikelen voor een beter begrip.

Business meeting summary generation using NLP

Ooit vastgelopen in een situatie waarin iedereen een samenvatting wil zien in plaats van een volledig verslag. Ik heb het zelf meegemaakt op school en op de universiteit, waar we veel tijd besteedden aan de voorbereiding van een volledig verslag, maar de leraar alleen tijd had om de samenvatting te lezen.

Samenvatten is een onverbiddelijk nuttige manier geworden om het probleem van de overbelasting met gegevens aan te pakken. Het extraheren van informatie uit gesprekken kan van zeer goede commerciële en educatieve waarde zijn. Dit kan worden gedaan door het vastleggen van de statistische, linguïstische en sentimentele aspecten met de dialoogstructuur van het gesprek.

Het handmatig veranderen van het verslag in een samengevatte vorm is te tijdrovend, is dat niet zo? Maar men kan vertrouwen op Natural Language Processing (NLP) technieken om dat te bereiken.

Tekstsamenvatting met behulp van deep learning kan de context van de hele tekst begrijpen. Is het niet een droom die uitkomt voor ons allemaal die moeten komen met een snelle samenvatting van een document !!!

Verwijs naar de hieronder bijgevoegde artikelen voor een beter begrip.

Gezichtsherkenning om stemming te detecteren en dienovereenkomstig liedjes voor te stellen

Het menselijk gezicht is een belangrijk onderdeel van het lichaam van een individu en het speelt met name een belangrijke rol bij het kennen van de gemoedstoestand van een persoon. Dit elimineert de saaie en vervelende taak van het handmatig isoleren of groeperen van liedjes in verschillende platen en helpt bij het genereren van een geschikte afspeellijst op basis van de emotionele kenmerken van een individu.

Mensen hebben de neiging om naar muziek te luisteren op basis van hun stemming en interesses. Men kan een toepassing maken om liedjes voor gebruikers voor te stellen op basis van hun stemming door gezichtsuitdrukkingen vast te leggen.

Computer vision is een interdisciplinair veld dat helpt een hoog niveau van begrip van digitale beelden of video’s over te brengen op computers. computer vision componenten kunnen worden gebruikt om de emotie van de gebruiker te bepalen via gezichtsuitdrukkingen.

Er zijn ook deze API’s die ik interessant en nuttig vond, hoewel ik er niet aan gewerkt heb, maar ze hier bijvoeg in de hoop dat ze je zullen helpen.

Het vinden van bewoonbare exoplaneten aan de hand van beelden die zijn gemaakt door ruimtevaartuigen zoals Kepler

In het afgelopen decennium zijn meer dan een miljoen sterren in de gaten gehouden om transitsende planeten te identificeren. Handmatige interpretatie van potentiële exoplaneetkandidaten is arbeidsintensief en onderhevig aan menselijke fouten, waarvan de gevolgen moeilijk te evalueren zijn. Convolutionele neurale netwerken zijn geschikt voor het identificeren van aardachtige exoplaneten in ruisige tijdreeksgegevens met een grotere precisie dan een kleinste-kwadratenstrategie.

Image regeneration for old damaged reel picture

Ik weet, hoe tijdrovend en pijnlijk het is om je oude beschadigde foto terug te krijgen in de originele vorm zoals die eerder was. Dus, dit kan worden gedaan met behulp van deep learning door het vinden van alle beelddefecten (breuken, slijtplekken, gaten), en met behulp van Inpainting algoritmen, kan men gemakkelijk ontdekken de gebreken op basis van de pixelwaarden om hen heen te herstellen en inkleuren van de oude foto’s.

Muziekgeneratie met behulp van deep learning

Muziek is een assortiment van tonen met verschillende frequenties. De Automatic Music Generation is dus een proces van het componeren van een kort muziekstuk met zo min mogelijk menselijke tussenkomst. Recentelijk is Deep Learning engineering de cutting edge geworden voor geprogrammeerde Muziekgeneratie.

FINAL WORD

Ik weet dat het een echte strijd is om een coole data science portfolio op te bouwen. Maar met zo’n verzameling die ik hierboven heb gegeven, kun je bovengemiddelde vooruitgang boeken op dat gebied. De collectie is nieuw, wat ook mogelijkheden biedt voor onderzoeksdoeleinden. Dus, onderzoekers in Data-Science kunnen ook deze ideeën kiezen om aan te werken, zodat hun onderzoek een grote hulp zou zijn voor Data Scientists om met project te beginnen. En bovendien is het een echt plezier om de kanten die niemand heeft gedaan before.
Although, deze collectie is eigenlijk vormen van ideeën van begin tot gevorderd niveau.

Dus, ik zal niet alleen aanraden dit voor newbies in de data science gebied, maar ook senior data wetenschappers. Het zal veel nieuwe paden openen tijdens je carrière, niet alleen vanwege de projecten, maar ook door het nieuw opgedane netwerk.

Deze ideeën laten je het brede scala aan mogelijkheden zien en geven je de ideeën om out of the box te denken.

Voor mij en mijn vrienden zijn de leerfactoren, het toevoegen van waarde aan de samenleving en de onontdekte kennis belangrijk en het plezier op een bepaalde manier is essentieel. Dus, in principe geniet ik van het doen van dergelijke projecten die ons een manier geven om immense kennis op te doen en ons de onontgonnen dimensies te laten verkennen. Dat is onze belangrijkste focus wanneer we tijd besteden aan zulke projecten.