作者：KajalYadav编译、编辑：小周、杜伟人工智能大潮中，机器学习项目琳琅满目。哪些项目既有代表性又有实用性？最近，一位名叫KajalYadav的作者列出了8个经典的机器学习项目，既实用又有趣。到目前为止，媒体上有1.7K个赞。这8个项目的主题包括情感分析、自动摘要、情感检测、旧照片修复和深度学习音乐生成。本文作者KajalYadav基于社交媒体对抑郁症的分析。来源：Unsplash，摘自dole777。这是一个非常敏感的话题，被认为是一个紧迫的问题。全世界有超过2.64亿人患有抑郁症。抑郁症是世界范围内导致残疾的主要原因之一，也是全球疾病负担中极其重要的一部分。每年有80万人自杀。自杀是15至29岁人群的第二大死因。不幸的是，抑郁症的治疗往往延误、不准确或根本无效。基于互联网的生活为转变早期抑郁症治疗服务提供了机会，尤其是在年轻人群中。正如皮尤研究中心指出的那样，72%的人使用互联网。在社交网络上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。然而，仅仅依靠领域专业知识是不够的，显式方法论是行不通的。因此，通过分析社交媒体帖子中的一些标志性语言，我们可以创建一个新的深度学习模型。这种模式可以让人们比传统方法更早地洞察自己的心理状态。使用神经网络生成体育视频的文本摘要来源：Akshyadav的Unsplash。这个项目的思路主要是基于从体育比赛视频中提取准确的摘要。一些体育网站能够提供比赛亮点。关于提取文本摘要的任务，出现了多种模型，其中神经网络的性能最好。一般来说，摘要生成是指简要介绍文章的信息，强调传达事实信息，同时突出文章的重点。自动为游戏视频创建大纲提出了找出游戏中最佳时刻和亮点的挑战。因此，人们可以采用三维卷积网络（3D-CNN）、循环神经网络（RNN）和长短期记忆网络（LSTM）等深度学习方法。支持向量机（SVM）、神经网络（NN）、k-means算法等。使用CNN图片来源的手写方程求解器：Unsplash来自AntoineDautry。在所有问题中，手写数学表达式识别是计算机视觉研究领域中最令人困惑的问题之一。借助图像处理技术支持的卷积神经网络（CNN），我们可以通过手写数字和数学符号来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。使用NLP来源生成业务会议摘要：来自SebastianHerrmann的Unsplash。一直处于大家只想看摘要而不是报告的全部内容的情况。在学校的时候，我们会花很多时间准备报告，但老师只有时间看摘要。摘要已成为解决数据过多问题的一种不可替代的有效方法。从对话中提取信息具有巨大的商业和教育价值，可以通过捕获对话结构的统计、语言和情感方面来解决。通常情况下，手动将报告压缩成摘要摘要会花费很多时间，但使用自然语言处理(NLP)来做要容易得多。用深度学习生成文本摘要可以理解整篇文章的上下文，这对于所有需要快速生成文档摘要的人来说真的很方便。使用面部识别检测情绪并推荐歌曲来源：Unsplash，由AlirezaAttari拍摄。人脸是人体的重要组成部分，对于了解人的心理状态尤为重要。利用人脸识别检测情绪并推荐歌曲，不仅可以省去人工对歌曲进行分类的麻烦，还有助于根据人们的情绪特征生成合适的播放列表。人们倾向于根据自己的心情和兴趣听音乐。因此，我们可以创建一个应用程序，通过捕捉面部表情来识别用户的情绪并相应地推荐歌曲。计算机视觉是一个跨学科的研究领域，致力于在计算机上实现对数字图像和视频的高层次理解。计算机视觉组件可用于根据面部表情确定用户情绪。《20+ Emotion Recognition APIs That Will Leave You Impressed, and Concerned》一文中介绍了20多个有趣好用的情绪识别API。文章链接：https://nordicapis.com/20-emotion-recognition-apis-that-will-leave-you-impressed-and-concerned/从开普勒等航天器拍摄的图像中找出宜居系统系外行星图片来源：Unsplash,由NickOwuor拍摄。在过去十年中，已经监测了超过100万颗恒星以识别凌日行星。手动解释系外行星候选者是劳动密集型的，并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识别类地系外行星，其准确性高于最小二乘策略。旧照片修复来源：Pikist以原始方式修复损坏的照片非常费时费力。因此，我们可以通过深度学习找出所有图像缺陷（如裂纹、划痕、孔洞），借助图像修复算法，我们也可以很容易地根据像素值找到缺陷，以修复旧照片并提供照片着色。使用深度学习生成音乐图像来源：Unsplash，由AbigailKeenan拍摄。音乐是一种改变频率的曲调。因此，自动音乐生成（AutomaticMusicGeneration）是一种通过最少的人为调整来制作一小段音乐的过程。最近，深度学习工程一直处于程序音乐生成的前沿。【本文为栏目组织《机器之心》、微信公众号“机器之心（id：almosthuman2014）”原创翻译】点此查看作者更多好文
