starline이 만든 배경 벡터 – www.freepik.com

데이터 과학 산업의 초보자로서 데이터 과학 프로젝트 생성의 중요성을 설명하는 수많은 기사를 읽었을 것입니다. 사실 나는 첫 데이터 과학 직책을 맡았습니다. 내 포트폴리오에 전시한 프로젝트 때문입니다.

그러나 모든 데이터 과학 프로젝트가 업계에서 역할을 맡을 수 있는 것은 아닙니다.

과거에 데이터 사이언스 지원자들의 이력서를 검토한 적이 있는데, 대부분은 면접도 보지 않고 신입사원에서 탈락했다.

이 후보자 중 일부는 이력서에 프로젝트를 포함했지만 그들이 선보인 프로젝트는 너무 단순했습니다. 이들은 부트캠프나 온라인 과정에서 만든 프로젝트였으며 응용 프로그램에 득보다 실이 더 많았습니다.

리크루터는 같은 직책에 대해 XNUMX개 이상의 이력서를 훑어봅니다. 모든 후보자가 응용 프로그램의 프로젝트 섹션에서 타이타닉 생존 예측 모델을 선보이면 서로 구별되는 것이 없습니다. 

지원 시 눈에 띄려면 독특하고 창의적인 것을 구축하는 것이 중요합니다.

채용 관리자는 초급 역할을 지원할 때 전체 기계 학습 도구 스택을 마스터하는 것이 불가능하다는 것을 알고 있습니다. 그것은 그들이 찾고 있는 것이 아닙니다. 기술은 시간이 지남에 따라 연마될 수 있으며 직장에서 배울 수 있는 것이 많습니다. 

다른 지원자보다 한 발 더 나아가기만 하면 됩니다. 창의적인 프로젝트를 선보이고 그에 대한 이야기를 들려주세요. 이것은 당신이 학습에 열정적이라는 것을 보여줍니다. 즉, 즉각적인 이익을 얻기 때문이 아니라 단순히 그것을 즐기기 때문에 무언가를 만드는 데 시간을 할애한다는 것입니다. 다른 모든 기술은 시간이 지남에 따라 연마될 수 있기 때문에 배우려는 이러한 의지는 대부분의 우수한 관리자와 채용 담당자가 적극적으로 찾는 특성입니다.

이 기사에서는 이력서에 잘 어울릴 인공 지능 프로젝트 아이디어 목록을 제공합니다. 

나는 이러한 프로젝트 중 일부를 생각해내고 직접 구축했으며 가능한 경우 해당 프로젝트에 대한 링크를 제공할 것입니다. 이 프로젝트 중 일부에서 영감을 얻고 아마도 자신만의 버전을 생각해 낼 수 있기를 바랍니다.

연예인 닮은꼴 모델

 
작년에 만든 프로젝트입니다. 나는 사용자가 자신이나 다른 사람의 사진을 업로드할 수 있도록 하는 웹 응용 프로그램을 만들었습니다. 기본 기계 학습 모델은 유명인의 닮은꼴을 예측합니다.

이 유명인 데이터베이스를 사용하여 모델을 구축했습니다. 나는 백엔드에서 Flask를 사용했고 애플리케이션의 프론트엔드를 위해 Javascript와 HTML을 사용했습니다. VGG16 — 인기 있는 사전 훈련된 신경망이 모델 훈련에 사용되었습니다.

이 프로젝트에 대한 자세한 설명을 찾을 수 있습니다. 여기에서 지금 확인해 보세요..

해리 포터 성격 예측 

 
이것은 내가 얼마 전에 만든 또 다른 프로젝트입니다. 사용자가 입력한 문장을 기반으로 사용자의 해리 포터 성격 쌍둥이를 예측하는 텍스트 예측 모델을 구축했습니다.

이 작업을 위해 MBTI 성격 예측 데이터 세트를 사용하고 Google 검색에서 얻은 정보를 기반으로 각 해리 포터 캐릭터를 각각의 MBTI 유형에 매핑했습니다.

매우 정확합니까? 아마 아닐 것입니다. 그럼에도 불구하고 모델을 만드는 것은 재미있었습니다.

이 작업을 수행하기 위해 LSTM 모델(텍스트 데이터와 같은 시퀀스를 예측하는 데 일반적으로 사용되는 순환 신경망 아키텍처)으로 실험했습니다. 또한 FastAI 라이브러리에 내장된 사전 훈련된 모델을 사용해 보았고 MBTI 데이터 세트를 사용하여 다시 훈련했습니다.

마지막으로 사용자가 문장을 입력할 수 있는 웹 응용 프로그램을 만들었으며 출력 예측이 화면에 렌더링됩니다. 이 인터페이스는 JupyterDash라는 패키지를 사용하여 생성되었습니다.

연령 감지 모델

 
이것은 많은 실제 시나리오에서 응용 프로그램이 있는 프로젝트 아이디어입니다. 종종 미성년 사용자나 약탈자들은 우정이나 데이트 플랫폼에서 자신의 나이를 숨기려고 시도합니다. 이러한 응용 프로그램 중 상당수는 잘 조정되지 않고 이러한 프로필 중 상당수가 결국 감지되지 않아 불행한 상황을 초래합니다.

프로필 사진을 기반으로 사용자의 연령을 끌어들일 수 있는 매우 정확한 모델은 연령에 적합하지 않은 사용자를 필터링하고 제한하는 데 도움이 될 수 있습니다.

여기에 이 모델 구축을 시작할 수 있는 몇 가지 리소스입니다.

데이트/우정 매칭 알고리즘

 
데이트 사이트에 있는 사람을 오른쪽으로 스와이프하여 그들과 공통점이 전혀 없다는 사실을 깨달을 때까지 몇 시간 동안 의미 없는 대화를 나눈 적이 있습니까?

이 문제를 해결하기 위해 매칭 알고리즘을 만들 수 있습니다! 머신 러닝의 초보자라면 간단한 상관 관계 기반 솔루션으로 시작할 수 있습니다.

기본 인구 통계 및 관심 세부 정보와 함께 사용자 프로필 데이터 세트와 각각에 대한 설문지를 만듭니다. 그런 다음 상관 매트릭스를 만들어 각 사용자의 답변 간의 유사성을 평가하고 그에 따라 권장 사항을 제공할 수 있습니다.

여기에 는 나만의 매치메이킹 알고리즘을 만드는 과정에서 찾은 튜토리얼입니다. 그것을 시도하고 그것에 자신의 스핀을 추가하십시오!

결론

 
위에 나열된 프로젝트는 그다지 복잡하지 않습니다. 그것들은 간단하며 OpenCV와 같은 패키지에서 사용할 수 있는 사전 훈련된 모델 및 모듈로 구축할 수 있습니다. 

이 프로젝트를 후보자 이력서에서 정기적으로 보는 프로젝트와 구분하는 가장 중요한 것은 창의성입니다. 이러한 프로젝트는 다릅니다. 그들은 현실 세계에서 자주 접하는 문제를 해결하려고 시도하거나 재미있게 놀고 있습니다.

이력서를 위한 데이터 과학 프로젝트를 구축할 때 다음과 같이 생각하십시오. 사용자가 상호 작용할 수 있는 인터페이스를 만듭니다. 데이터 프레젠테이션 및 스토리텔링 기술을 연구하고 이러한 프로젝트를 GitHub 리포지토리에 그대로 두지 마십시오.

 
 
나타샤 셀 바라지 글쓰기에 대한 열정을 가진 독학 데이터 과학자입니다. 당신은 그녀와 연결할 수 있습니다 링크드인.

출처: https://www.kdnuggets.com/2022/01/artificial-intelligence-project-ideas-2022.html