В этом посте я кратко описываю репозиторий проектов ML/DL/CV/NLP. В нем представлена коллекция проектов (на 24.09.2024 – 225 проектов), основанных на машинном обучении, глубоком обучении, компьютерном зрении, обработке естественного языка и других технологиях искусственного интеллекта. Все проекты доступны с открытым исходным кодом. Описания проектов имеют единую структуру. Есть надежда, что репозиторий поможет заинтересовавшимся специалистам в их исследованиях и разработках.

Designed by Freepik

Цель репозитория

Как пищут создатели репозитория, его целью является предоставление начинающим разработчикам и исследователям проектов, которые помогут освоить алгоритмы ML/AI или, по крайней мере, познакомят с их применением. Изучая и анализируя эти проекты, можно получить и дополнительные практические навыки.

Структура описаний проектов

Структура описаний проектов унифицирована. Она состоит изи следущих частей (папок):

• Dataset (Набор данных). Это csv-файл.
• Model (Модель). Включает файл проекта .ipynb, файл README.md’ и файл ‘requirements.txt, содержащий все необходимые компоненты и и библиотеки, включенные в проект.
• Images (Изображения). Используемые в проекте и/или в его описании файлы изображений.
• Front End. Файлы, связанные с кодированием и разработкой веб-страницы проекта, а также README.md для Front End.
• Back End. Файлы, касающиеся создания серверной части для модели с использованием Flask или Django, а также README.md для Back End.
• UI/UX. Файлы, относящиеся к информационным панелям, формам и веб-страницам для модели, а также README.md для UI/UX.

Мои рекомендации

Учитывая направленность и контент этого сайта, я бы посоветовал особо обратить внимание на следующие проекты в этом репозитории:

• 09. Позволяет сделать вывод о том, будут ли книги художественными или научно-популярными, используя Goodreads.
• 10. Предсказывает рейтинг клиента на основе отзывов, текста и оценки пользователя, приведенных в наборе данных.
• 28. Разработанная модель прогнозирования, определяющая жанр книги.
• 29. Системы рекомендаций, которая рекомендует пользователю книгу на основе результатов поиска, предоставленных пользователями.
• 69. Разработанная модель классифицирует различные эмоции на основе текста, представленного в наборе данных.
• 70. Интеллектуальный предсказатель эмоций, который использует технику НЛП для определения того, являются ли текстовые данные положительными, отрицательными или нейтральными.
• 78. Определяет, являются ли новости реальными или поддельными, используя различные методы НЛП для извлечения текста.
• 183. Аннотирование текста. Созданная модель позволяет обобщать статьи, предоставленные пользователями.
• 187. Проект помогает анализировать настроения, используя текстовые данные X. Классифицирует высказывания как положительные, отрицательные или нейтральные.

Надеюсь, что этот репозиторий проектов ML/DL/CV/NLP поможет заинтересовавшимся специалистам в их исследованиях и разработках. А пока его описание пополнило мой блог.