选自towardsdatascience

作者：Kajal Yadav

呆板之心编译

编辑：小舟、杜伟

经典有趣的呆板学习项目，相识一下？

在人工智能的大潮中，呆板学习项目琳琅满目。哪些项目是兼具代表性和实用性的呢？近日，一位名为 Kajal Yadav 的作者列出了 8 个经典的呆板学习项目，实用又有趣。目前已在 medium 上获赞 1.7K。

这 8 个项目的主题包括情绪分析、自动择要天生、情绪检测、老照片修复以及深度学习天生音乐等。

本文作者 Kajal Yadav。

基于社交媒体的抑郁情绪分析

这是一个非常敏感的话题，以至于被认为是一个迫切需要解决的问题。全球有凌驾 2.64 亿人正在遭受抑郁症的折磨。抑郁症是全球致残的主要缘故原由之一，也是全球疾病负担中极为紧张的一部门。每年有 80 万人自尽而死。自尽是 15 到 29 岁人群的第二大抵死因素。遗憾的是，抑郁症的治疗每每延迟、禁绝确甚至完全不起作用。

基于互联网的生活为改变早期抑郁症治疗服务提供了时机，尤其是在年轻人群中。

正如 Pew 研究中心（Pew Research Center）指出的那样，有 72% 的人使用互联网。社交网络上公布的数据集对许多领域都非常紧张，比方人文科学和大脑研究。但是，仅依赖专业领域的支持还远远不敷，而且显式要领论也并不奏效。

以是，通过分析社交媒体帖子中的一些标志性语言，我们可以创建一种新的深度学习模子。这种模子可以较传统要领更早地使人深入相识自身生理状态。

借助神经网络天生体育角逐视频的文本择要

该项目的想法主要是基于从体育角逐视频中提取出准确的择要。一些体育网站可以或许给出角逐的亮点。关于提取式文本择要使命，已经出现了各种各样的模子，其中以神经网络的性能最佳。通常，择要天生指的是扼要先容文章的信息，着重转达事实类信息，同时突出文章重点。

自动创建游戏视频的轮廓带来了一项挑战，即找出游戏中精彩的环节和亮点。因此，人们可以使用三维卷积网络（3D-CNN）、递归神经网络（RNN）和是非期影象网络（LSTM）等深度学习要领，同时也可以先通过呆板学习算法将视频分成几个片断然后应用支持向量机（SVM）、神经网络（NN）、k-means 算法等。

使用 CNN 的手写方程式求解器

在全部问题中，手写数学表达式辨认是计算机视觉研究领域令人狐疑的问题之一。借助于图像处置惩罚技能加持的卷积神经网络（CNN），我们可以通过手写数字（handwritten digit）和数学符号来训练手写方程式求解器。开发如许的体系需要用数据训练呆板，使其熟练学习并做出所需的预测。

使用 NLP 天生商务集会择要

曾经遇到过如许的情况，每小我私人都只想看到择要而不是陈诉的全部内容。上学的时候，我们会花费许多时间准备陈诉，但老师只有时间看择要。

择要已经成为解决数据过多问题的一种无可替换的有用要领。从对话中提取信息具有很好的商业和教诲价值，这可以通过捕捉具有对话结构的统计、语言和情感方面的特性来解决。

通常来说，手动将陈诉浓缩为一个汇总择要要花费许多时间，但是用自然语言处置惩罚（NLP）来做就会简朴许多。用深度学习天生文本择要可以或许理解整篇文章的上下文，对全部需要快速天生文档择要的人来说真是太方便了。

用人脸辨认来检测情绪并推荐歌曲

人脸是人体的紧张组成部门，它对于相识人的生理状态尤为紧张。用人脸辨认检测心情并推荐歌曲不仅可以省去歌曲手动分类的贫苦，而且有助于根据人的情绪特性天生适当的播放列表。

人们倾向于根据心情和兴趣听音乐。以是，我们可以创建一种应用程序，通过捕捉面部心情，辨认出用户的情绪并推荐相应的歌曲。

计算机视觉是一个跨学科领域，这一领域的研究致力于在计算机上对数字图像和视频做高水平的理解。计算机视觉组件可用于通过面部心情决定用户情绪。

文章《20+ Emotion Recognition APIs That Will Leave You Impressed, and Concerned》中先容了 20 多种有趣且实用的情绪辨认 API。

文章链接：https://nordicapis.com/20-emotion-recognition-apis-that-will-leave-you-impressed-and-concerned/

从开普勒等太空飞行器拍摄的图像中找出宜居的系生手星

在最近十年中，对凌驾 100 万颗恒星举行了监测，以辨认正在凌日行星（transiting planet）。人工解释系生手星候选者的事情量巨大，而且容易出现人为错误，其后果难以评估。卷积神经网络适用于在嘈杂的时间序列数据中，以比最小二乘计谋更高的准确性来辨认类地系生手星。

老照片修复

以原始要领修复受损照片是非常耗时和痛苦的。因此，我们可以通过深度学习找出全部的图像缺陷（如裂缝、划痕和孔洞），而且借助于图像修复算法，我们还可以根据像素值轻松地找出缺陷，以复原老照片，并为老照片着色。

用深度学习天生音乐

音乐是一种变换频率的曲调。因此，自动音乐天生（Automatic Music Generation）是一个用最少的人为调解作出一小段曲子的历程。最近，深度学习工程（deep learning engineering）已成为程序化音乐天生的最前沿技能。

以上就是本文作者分享的 8 个紧张的呆板学习项目，而且在每个项目的末了还提供了相干推荐文章，读者可以参考阅读，希望可以从中受益。

原文链接：https://towardsdatascience.com/8-ml-ai-projects-to-make-your-portfolio-stand-out-bfc5be94e063

Amazon SageMaker 是一项完全托管的服务，可以帮助开发职员和数据科学家快速构建、训练和部署呆板学习 模子。SageMaker完全消除了呆板学习历程中每个步骤的繁重事情，让开发高质量模子变得越发轻松。

现在，企业开发者可以免费领取1000元服务抵扣券，轻松上手Amazon SageMaker，快速体验5小我私人工智能应用实例。

© THE END

转载请接洽本公众号得到授权