Achtergrondvector gemaakt door starline – www.freepik.com

Als beginner in de data science-industrie moet je talloze artikelen hebben gelezen waarin het belang van het creëren van data science-projecten wordt beschreven. In feite, ik kreeg mijn eerste rol in datawetenschap vanwege de projecten die ik in mijn portfolio heb laten zien.

Niet elk data science-project kan u echter een rol in de branche bezorgen.

Ik heb in het verleden cv's van sollicitanten op het gebied van datawetenschap bekeken, van wie de meesten werden afgewezen voor instapposities zonder zelfs maar de interviewfase te hebben gehaald.

Sommige van deze kandidaten hadden wel projecten op hun cv staan, maar de projecten die ze presenteerden waren te simpel. Dit waren projecten die ze maakten tijdens een bootcamp of online cursus en die meer kwaad dan goed deden aan hun toepassing.

Recruiters bladeren door meer dan honderd cv's voor dezelfde functie. Als elke kandidaat een Titanic-overlevingsvoorspellingsmodel laat zien in het projectgedeelte van hun aanvraag, is er niets dat hen van elkaar onderscheidt. 

Om echt op te vallen bij het solliciteren naar een baan, is het belangrijk om iets unieks en creatiefs op te bouwen.

Wervingsmanagers weten dat het voor u niet mogelijk is om de volledige machine learning-tool-stack onder de knie te krijgen wanneer u solliciteert naar een rol op instapniveau. Dat is niet wat ze zoeken. Vaardigheden kunnen in de loop van de tijd worden verbeterd en er zijn veel dingen die u tijdens het werk kunt leren. 

Het enige dat u hoeft te doen, is een stap verder te gaan dan andere sollicitanten. Breng een creatief project onder de aandacht en vertel er een verhaal omheen. Dit laat zien dat je gepassioneerd bent door leren - dat je uren zou besteden aan het creëren van iets, niet omdat je er direct voordeel uit haalt, maar gewoon omdat je het leuk vindt om te doen. Deze bereidheid om te leren is een eigenschap waar de meeste goede managers en recruiters actief naar zoeken, aangezien elke andere vaardigheid in de loop van de tijd kan worden verbeterd.

In dit artikel geef ik je een lijst met projectideeën voor kunstmatige intelligentie die geweldig zouden staan ​​op je cv. 

Ik heb een aantal van deze projecten bedacht en zelf gebouwd, en zal u, indien beschikbaar, links naar hen geven. Ik hoop dat je inspiratie kunt putten uit sommige van deze projecten en misschien zelfs je eigen versie ervan kunt bedenken.

Model vergelijkbaar met beroemdheden

 
Dit was een project dat ik vorig jaar heb gemaakt. Ik heb een webtoepassing gemaakt waarmee de gebruiker een foto van zichzelf of een andere persoon kan uploaden, en het onderliggende machine learning-model zou de lookalike van hun beroemdheid voorspellen.

Ik heb deze database van beroemdheden gebruikt om het model te bouwen. Ik gebruikte Flask in de back-end, en Javascript en HTML voor de front-end van de applicatie. VGG16 — een populair vooraf getraind neuraal netwerk werd gebruikt voor modeltraining.

U vindt een gedetailleerde uitleg van dit project hier.

Harry Potter Persoonlijkheidsvoorspelling 

 
Dit is een ander project dat ik enige tijd geleden heb gemaakt. Ik heb een tekstvoorspellingsmodel gebouwd dat de Harry Potter-persoonlijkheidstweeling van een gebruiker zou voorspellen op basis van een zin die ze hebben ingevoerd.

Ik heb voor deze taak de MBTI-persoonlijkheidsvoorspellingsdataset gebruikt en ook elk Harry Potter-personage toegewezen aan hun respectievelijke MBTI-typen op basis van de informatie die ik van een Google-zoekopdracht heb gekregen.

Zeer nauwkeurig? Waarschijnlijk niet. Toch was het model leuk om te maken.

Om deze taak uit te voeren, heb ik geëxperimenteerd met een LSTM-model (dit is een terugkerende neurale netwerkarchitectuur die gewoonlijk wordt gebruikt om een ​​reeks te voorspellen, zoals tekstgegevens). Ik heb ook geprobeerd een vooraf getraind model te gebruiken dat in de FastAI-bibliotheek was ingebouwd, en het opnieuw getraind met behulp van de MBTI-dataset.

Ten slotte heb ik een webtoepassing gemaakt waarmee gebruikers een zin kunnen invoeren, en de uitvoervoorspelling zou op het scherm worden weergegeven. Deze interface is gemaakt met behulp van een pakket genaamd JupyterDash.

Leeftijdsdetectiemodel

 
Dit is een projectidee dat toepassingen heeft in veel real-world scenario's. Vaak proberen minderjarige gebruikers of roofdieren hun leeftijd te verbergen op vriendschaps- of datingplatforms. Veel van deze applicaties worden niet erg goed gemodereerd en veel van deze profielen blijven onopgemerkt, wat tot ongelukkige omstandigheden leidt.

Een zeer nauwkeurig model dat de leeftijd van een gebruiker kan bepalen op basis van hun profielfoto, kan helpen bij het filteren en beperken van leeftijdsongeschikte gebruikers.

Here zijn enkele bronnen waarmee u aan de slag kunt met het bouwen van dit model.

Dating/Vriendschap Matching Algoritme

 
Heb je ooit een persoon op een datingsite naar rechts geveegd, alleen om urenlang zinloze gesprekken aan te gaan totdat je je realiseert dat je absoluut niets met hem of haar gemeen hebt?

U kunt een matching-algoritme maken om dit probleem op te lossen! Als u een beginner bent op het gebied van machine learning, kunt u beginnen met een eenvoudige op correlatie gebaseerde oplossing.

Maak een dataset van gebruikersprofielen en een vragenlijst voor elk van hen, samen met elementaire demografische en interessedetails. U kunt vervolgens een correlatiematrix maken om de overeenkomst tussen de antwoorden van elke gebruiker te scoren en dienovereenkomstig aanbevelingen te doen.

Here is een tutorial die ik heb gevonden over het maken van je eigen matchmaking-algoritme. Probeer het uit en voeg er vervolgens je eigen draai aan toe!

Conclusie

 
Bovenstaande projecten zijn niet erg complex. Ze zijn eenvoudig en kunnen worden gebouwd met vooraf getrainde modellen en modules die beschikbaar zijn in pakketten zoals OpenCV. 

Het belangrijkste dat deze projecten onderscheidt van de projecten die ik regelmatig op de cv's van kandidaten zie, is creativiteit. Deze projecten zijn verschillend. Ze proberen een probleem op te lossen dat vaak voorkomt in de echte wereld, of ze zijn leuk om mee te spelen.

Denk langs deze lijnen bij het bouwen van een data science-project voor je cv. Maak een interface waarmee gebruikers kunnen communiceren. Werk aan je datapresentatie en vertelvaardigheden, en laat deze projecten niet zomaar in je GitHub-repository zitten.

 
 
Natasha Selvaraj is een autodidactische datawetenschapper met een passie voor schrijven. Je kunt contact met haar opnemen op LinkedIn.

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