1. تحليل التلوين العاطفي للرسائل على الشبكات الاجتماعية والبحث عن علامات الاكتئاب
ووفقا ل منظمة الصحة العالمية، والاكتئاب هو مشكلة خطيرة تحتاج إلى حل عاجل. أكثر من 264 مليون شخص في جميع أنحاء العالم يعانون من الاكتئاب. الاكتئاب هو السبب الرئيسي للإعاقة في العالم ويساهم بشكل كبير في العبء العالمي للمرض. بسبب الاكتئاب ، يموت أكثر من 800000 شخص من الانتحار في جميع أنحاء العالم كل عام. إنه السبب الرئيسي الثاني للوفاة للأشخاص الذين تتراوح أعمارهم بين 15 و 29 عامًا. يبدأ علاج الاكتئاب غالبًا في وقت متأخر عما هو ضروري ، وقد يعتمد العلاج على تشخيص غير دقيق ، وأحيانًا لا يتم علاج الاكتئاب على الإطلاق.
إن حقيقة دخول الإنترنت بقوة في حياة الإنسان الحديث تمنح المجتمع فرصة فريدة لاكتشاف العلامات المبكرة للاكتئاب. هذا ينطبق بشكل خاص على العثور على علامات مماثلة بين الشباب. إذا تحدثنا فقط عن Twitter ، فقد اتضح أن مستخدمي هذه الشبكة الاجتماعية ينشرون كل ثانية حوالي 6000 تغريدة. هذا يعني أنه يتم نشر حوالي 350 ألف تغريدة في الدقيقة ، أي حوالي 500 مليون في اليوم ، وحوالي 200 مليار في السنة.
ووفقا لمركز بيو للأبحاث حوالي 72٪ من البالغين الذين يستخدمون الإنترنت هم من مستخدمي وسائل التواصل الاجتماعي. تعتبر مجموعات البيانات المأخوذة من وسائل التواصل الاجتماعي مهمة في العديد من مجالات البحث. على سبيل المثال - في مجال العلوم الإنسانية والبحوث الطبية. في هذه الأيام ، لا يزال دعم مثل هذا البحث من خلال تحليل البيانات من الشبكات الاجتماعية في مهده ، والأساليب الحالية لتحليل هذه البيانات غير فعالة.
من خلال تحليل العلامات اللغوية في منشورات وسائل التواصل الاجتماعي ، يمكن إنشاء نموذج التعلم العميق الذي يمكنه اكتشاف علامات الاكتئاب لدى مستخدم إنترنت معين قبل الأساليب التقليدية.
فيما يلي بعض المواد ذات الصلة:
- أنت ما تغرد .
- : .
- .
2.
الفكرة من وراء هذا المشروع هي إنشاء ملخصات نصية دقيقة من تسجيلات الفيديو للمباريات الرياضية. هناك مواقع متخصصة في تزويد المستخدمين بمعلومات عن التطابقات. تم اقتراح نماذج مختلفة تهدف إلى استخراج المعلومات حول التطابقات من تسجيلات الفيديو وتقديمها في شكل نصي. الشبكات العصبية هي الأفضل في هذه المهمة. عادةً ما يعني "تكوين الملخصات النصية" عرض المعلومات بشكل موجز ، مع إيلاء اهتمام خاص لما يحمل الحقائق والمعلومات المهمة حول الحدث.
لحل مشكلة إنشاء وصف للألعاب تلقائيًا من السجلات ، من الضروري التأكد من أن النماذج التي تحل هذه المشكلة يمكنها التعرف على لحظات الألعاب المهمة والمثيرة بشكل خاص.
يمكن تحقيق ذلك باستخدام بعض تقنيات التعلم العميق مثل الشبكات العصبية التلافيفية ثلاثية الأبعاد (3D-CNN) ، الشبكات العصبية المتكررة (RNN) ، شبكات الذاكرة طويلة المدى ( LTSM ). تُستخدم هنا أيضًا خوارزميات تعلم الآلة الأخرى ، مثل آلات ناقلات الدعم (SVM) والوسائل k. في سياق تطبيق هذه الخوارزميات ، يتم تقسيم الفيديو إلى أجزاء ، تتم معالجتها باستخدام النماذج المقابلة.
واليكم مقال عن تصنيف مشاهد الفيديو الرياضي لغرض استخلاص ملخصات لها باستخدام تقنية نقل التعلم.
3. نظام لحل المعادلات المكتوبة بخط اليد على أساس الشبكات العصبية التلافيفية
يعد التعرف على التعبيرات الرياضية المكتوبة بخط اليد أحد التحديات الصعبة التي تواجه الباحثين في مجال الرؤية الآلية. يمكن أن يؤدي استخدام الشبكات العصبية التلافيفية ( CNN ) وبعض تقنيات معالجة الصور إلى إنشاء نظام يمكنه التعرف على التعبير الرياضي المكتوب بخط اليد . يتضمن تطوير مثل هذا النظام تدريب الشبكة باستخدام مجموعات بيانات معدة بشكل مناسب ، ممثلة برموز رياضية مكتوبة بخط اليد.
فيما يلي بعض الموارد حول هذا الموضوع:
- نظام لحل المعادلات المكتوبة بخط اليد على أساس الشبكة العصبية التلافيفية .
- مثال على تنفيذ نظام CNN لحل المعادلات المكتوبة بخط اليد .
- رؤية الآلة: تحقق تلقائيًا من أوراق الإجابة لمهام الرياضيات .
- تحويل المعادلات المكتوبة بخط اليد إلى تنسيق LaTeX .
4. تشكيل تقارير موجزة عن مواد اجتماعات العمل باستخدام تقنيات معالجة اللغة الطبيعية
هل سبق لك أن وجدت نفسك في موقف يحتاج فيه إلى تحويل مادة طويلة إلى ملخص قصير؟ كان علي التعامل مع هذا أثناء دراستي. وبالتحديد ، كان علي أن أقضي الكثير من الوقت في إعداد مقال طويل ، وكان لدى المعلم الوقت فقط لقراءة شرحه التوضيحي الموجز ، والذي استغرق أيضًا وقتًا للتحضير.
نشأت آليات إعداد ملخصات موجزة عن بعض المواد كمحاولة لحل مشكلة الحمل المعلوماتي الزائد الذي يخضع له الإنسان العصري. يمكن أن يكون لنظام استخراج المعلومات الأكثر قيمة ، على سبيل المثال ، من تسجيل مفاوضات أو محاضرات معينة ، قيمة تجارية وتعليمية كبيرة. يمكن التعامل مع تطوير مثل هذا النظام من خلال تطبيق تحليل شامل للمعلومات النصية ذات الصلة بالحوارات والمونولوجات.
إنشاء ملخص لتقرير يدويًا يستغرق وقتًا طويلاً جدًا. ولكن يمكن حل هذه المشكلة باستخدام تقنيات معالجة اللغة الطبيعية ( NLP ).
لإعداد تعليق توضيحي قصير للنص ، يمكنك استخدام الآليات القائمة على التعلم العميق الذي يمكنه "فهم" سياق النص بأكمله. سيكون الكثيرون سعداء ببساطة إذا كان لديهم نظام تحت تصرفهم يمكنه حل مثل هذه المشكلات بسرعة وكفاءة.
فيما يلي المقالات حول هذا الموضوع:
- دليل شامل لتطوير نظام تلخيص نصوص Python باستخدام تقنيات التعلم العميق .
- طريقة فهم جوهر تلخيص النص وتطوير نظام التلخيص الخاص بك في بايثون.
5. تطبيق نظام يتعرف على وجوه المستخدمين ويحدد مزاجهم ويقدم لهم الموسيقى المناسبة
يعكس وجه الشخص حالته الداخلية ، من الوجه يمكنك فهم المشاعر التي يمر بها الشخص. يمكن أن تستند هذه المعلومات ، على سبيل المثال ، إلى نظام اختيار الموسيقى التلقائي. الحقيقة هي أن نوع الموسيقى التي يستمع إليها الناس غالبًا ما يعتمد على مزاجهم. لذلك ، من المنطقي أن نفترض أن النظام القادر على "فهم" مزاج الشخص واختيار الموسيقى المناسبة له له مستقبل. يمكن أن تساعدنا تقنيات الرؤية الآلية في حل هذه المشكلة. هم ، في التعرف على المشاعر ، ينطويون على تحليل الصور أو مقاطع الفيديو.
لقد تم بالفعل إنشاء واجهات برمجة التطبيقات لحل مثل هذه المشكلات ، والتي أجدها ممتعة ومفيدة ، على الرغم من أنني لم تتح لي الفرصة للعمل معها حتى الآن. هذه هي المادة حول واجهات برمجة التطبيقات هذه.
6. ابحث عن الكواكب الخارجية الصالحة للسكن بناءً على الصور التي التقطتها الأجهزة الفضائية مثل تلسكوب كبلر
في العقد الماضي ، تم التحقيق في عدد كبير من النجوم لوجود كواكب صالحة للسكن حولها. التحليل اليدوي للبيانات لتحديد الكواكب الخارجية يستغرق وقتًا طويلاً للغاية وعرضة للخطأ البشري. الشبكات العصبية التلافيفية مناسبة تمامًا لحل مشكلة العثور على مثل هذه الكواكب.
- إليك برنامج تعليمي حول العثور على الكواكب الخارجية باستخدام تقنيات التعلم الآلي.
- إليك بيان صحفي لوكالة ناسا حول استخدام تقنيات الذكاء الاصطناعي في عمليات البحث عن الكواكب الخارجية.
7. استعادة الصور القديمة التالفة
استعادة الصور القديمة عمل شاق. يمكن تسهيل هذا العمل من خلال الاستفادة من تقنيات التعلم العميق. يمكن للنظام المقابل أن يكتشف تلقائيًا الأضرار التي لحقت بالصور (مكامن الخلل ، والجرجر ، والثقوب) ، وباستخدام خوارزميات إعادة بناء الصورة (Inpainting) ، يتخلص من التلف ، ويستعيد الأجزاء المفقودة من الصور.
فيما يلي المواد ذات الصلة:
- تلوين الصور القديمة واستعادتها باستخدام تقنيات التعلم العميق .
- دليل إعادة بناء الصورة: استخدام تقنيات التعلم الآلي للتخلص من عيوب الصور .
- كيفية استرداد الصور باستخدام التعلم الآلي والاستمرار في الاستغناء عن مجموعات البيانات التعليمية .
8. صنع الموسيقى باستخدام تقنيات التعلم العميق
الموسيقى عبارة عن مجموعة من الأصوات ذات الترددات المختلفة. مع وضع ذلك في الاعتبار ، يمكن وصف الإنشاء التلقائي للموسيقى بأنه عملية إنشاء مقطوعات صغيرة من الموسيقى بأقل تدخل بشري. يحتل متخصصو التعلم الآلي موقع الصدارة في مجال تكنولوجيا إنتاج موسيقى الكمبيوتر هذه الأيام.
إليك بعض المواد المفيدة في هذا الشأن:
النتيجة
لقد درسنا ثماني أفكار واعدة يمكن أن تشكل أساسًا لمشاريع يمكن أن تثري مجموعة المشاريع لممارس الذكاء الاصطناعي والتعلم الآلي. نأمل أن تكون قد وجدت شيئًا من بين هذه الأفكار ألهمك.
هل تخطط لتنفيذ أي من الأفكار المذكورة أعلاه؟
