纸上谈兵的成果总是肤浅的，深知这件事必须要做。仅仅看教程是不够的，你需要通过实践来掌握越来越多的真实内容。这里有8个富有创意的机器学习实战项目供你选择，赶快行动起来吧！1.基于社交媒体帖子的抑郁情绪分析全球有超过2.64亿人患有抑郁症。抑郁症是全球范围内导致残疾和疾病的主要原因，每年有近80万人自杀——自杀是15-29岁人群的第二大死因。但相比之下，抑郁症的治疗往往不充分、不及时且不精确。互联网提供了改变早期抑郁症的机会，尤其是在年轻人中。在任何给定时刻，推特上发送了近350,000条推文，每天发送5亿条推文，每年发送约2000亿条推文。据皮尤研究中心称，72%的人的生活依赖互联网。社交网络发布的数据集对许多领域都很重要，例如人文学科和大脑研究。通过分析社交媒体帖子中的语言标签，可以建立深度学习模型，让个人比传统方法更快地了解自己的心理健康状况。2.利用神经网络将体育比赛视频转为文字摘要图片来源：Unsplash本项目的思路是从体育比赛视频中得到准确的摘要，然后将精彩部分发布到体育网站上。科学家们提出了多种提取文本摘要的模型，但神经网络的效果最好。一般来说，摘要是指以简洁的结构介绍信息，重点是传达事实和信息，同时保持其重要性。自动生成游戏视频摘要对辨别游戏亮点提出了挑战。为了完成上述任务，可以使用一些深度学习技术，例如3D-CNN（三维卷积神经网络）、RNN（递归神经网络）、LSTM（长短期记忆神经网络），以及视频也可以通过机器学习算法分为不同的类型。部分，然后应用SVM（支持向量机）、NN（神经网络）和k-means算法。3.使用CNN的手写方程求解器识别手写数学表达式是计算机视觉研究领域中最令人困惑的问题之一。您可以使用卷积神经网络(CNN)和一些图像处理技术，使用手写数字和数学符号训练手写方程求解器。开发这样的系统需要用数据训练机器，以便它能够熟练地学习并做出所需的预测。4.使用NLP生成商务会议摘要你是否遇到过这种情况：人们只想看到你的摘要而不是完整的报告。当我还是学生的时候，我经常花很多时间准备完整的报告，而老师却只有时间阅读摘要。摘要已不可抗拒地成为数据过载的有效解决方案。从对话中提取信息具有良好的商业和教育价值，这可以通过捕获对话结构的统计、语言和情感方面来实现。手动将报告转换为摘要太耗时，可以借助自然语言处理(NLP)技术来完成。使用深度学习的文本摘要可以理解整个文本的上下文，这对于我们这些需要快速总结文档的人来说是一个福音。5、根据人脸识别情绪推荐合适的歌曲图片来源：Unsplash人脸是身体的重要组成部分，对了解个体的心理状态有重要作用。通过人脸识别推荐歌曲，省去了手动对歌曲进行分组的繁琐步骤，并且可以根据个人的情感特征生成适合的歌单。人们倾向于根据自己的心情和兴趣来听歌。您可以创建一个应用程序来捕捉面部表情并根据用户的情绪向他们推荐歌曲。计算机视觉是一个跨学科领域，有助于将对数字图像或视频的高级理解传达给计算机，计算机视觉组件可用于通过面部表情确定用户情绪。6.在开普勒等航天器的图像中寻找宜居系外行星近十年来，科学家们已经监测了超过100万颗恒星，以识别凌日行星。人工解释潜在的系外行星候选者是劳动密集型的，容易出现人为错误，而且结果难以评估。卷积神经网络比最小二乘法更适合在嘈杂的时间序列数据中识别类地系外行星。7.破损胶片旧照片再生来源：Pikist我知道修复旧照片是多么的费时和痛苦，所以人们可以考虑通过深度学习找到照片上所有的缺陷（破损、划痕、破洞），并使用Image修复算法可以通过周围的像素值轻松发现缺陷，从而对旧照片进行恢复和着色。8.使用深度学习生成音乐虽然音乐是各种频率音调的组合，但自动音乐生成是在最少的人工参与下创作一小段音乐的过程。最近，深度学习工程一直处于以编程方式生成音乐的前沿。(https://medium.com/analytics-vidhya/music-generation-using-deep-learning-a2b2848ab177)要找到项目的主题，需要大胆假设并仔细观察。如果你还在为选题而苦恼，何不从上面的思路中选择一个来试一试。
