😍 สวัสดีจ้าเพื่อนๆ วันนี้แอดจะมารวบรวม Top 10 Machine Learning Projects ให้เพื่อนๆ ได้ศึกษาและลองทำตามดูนะ
.
🔧 มีทั้งวิธีการ และ Source Code อย่างละเอียดเลยนะ ลองทำตามได้แน่เลย หรือใครอยากจะเอาไปเป็นไอเดียในการทำโปรเจคก็ได้เลย
.
ถ้าพร้อมแล้ว ไปอ่านกันและลองทำกันเลยจ้าาา
.
⭐ 1) Cartoonify Image with Machine Learning - เปลี่ยนภาพธรรมดา ให้กลายเป็นการ์ตูน!!
ซึ่งไอเดียของโปรเจคนี้จะทำการเปลี่ยนรูปภาพให้กลายเป็นการ์ตูนด้วย Python และ library machine learning
💥 ใครสนใจโปรเจคนี้กดลิงค์เข้าไปอ่านกันเลย >> https://data-flair.training/blogs/cartoonify-image-opencv-python/
.
⭐ 2) Create your own emoji with Python - สร้าง Emoji หน้าตัวเองด้วย Python
ไอเดียของโปรเจคนี้จะใช้ Machine Learning เพื่อแยกการแสดงออกทางสีหน้าของมนุษย์และจับคู่กับอิโมจิ
💥 ใครสนใจโปรเจคนี้ไออ่านกันเลยจ้า >> https://data-flair.training/blogs/create-emoji-with-deep-learning/
.
⭐ 3) Loan Prediction using Machine Learning - ทำนายจำนวนเงินกู้!!
เป็นการสร้างแบบจำลองและประมาณเงินกู้สำหรับการกู้บ้าน หรืออสังหาริมทรัพย์ต่างๆ ได้อย่างแม่นยำ! โดยจะใช้ข้อมูลจากภาระต่างๆ วุฒิการศึกษา หน้าที่การงานของผู้ใช้งาน มาสร้างเป็นแบบจำลอง แอดว่าเจ๋งเลยนะเนี่ย
💥 ใครที่สนใจโปรเจคนี้ไปอ่านกันเลย >> https://www.kaggle.com/altruistdelhite04/loan-prediction-problem-dataset
.
⭐ 4) MNIST Digit Classification Machine Learning Project - ใช้หุ่นยนต์จำตัวเลขที่เราเขียน
โดยโปรเจคนี้จะใช้ Python ในการจำแนกหลัก MNIST ซึ่งจะช่วยให้หุ่นยนต์สามารถจำตัวเลขที่เราเขียนด้วยลายมือได้ ซึ่งโปรเจคนี้จะต้องใช้ชุดข้อมูล MNIST เพื่อผึกโมเดลโดยใช้ Convolutional Neural Networks
💥 ใครที่สนใจโปรเจคนี้กดลิงค์เลยจ้า >> https://data-flair.training/blogs/python-deep-learning-project-handwritten-digit-recognition/
🗂️ ชุดข้อมูล MNIST ลิงค์นี้เลยจ้า >> https://drive.google.com/file/d/1hJiOlxctFH3uL2yTqXU_1f6c0zLr8V_K/view
.
⭐ 5) Stock Price Prediction using Machine Learning - ทำนายราคาหุ้นด้วย ML
ซึ่งโปรเจคนี้จะมีตัวอย่างชุดข้อมูลราคาหุ้นต่างๆ เพื่อฝึกให้โมเดลเรียนรู้จากชุดข้อมูลและสามารถทำนายราคาหุ้นในอนาคตได้
💥 ใครสนใจมาทำตามกันเลย >> https://data-flair.training/blogs/stock-price-prediction-machine-learning-project-in-python/
🗂️ มี data set ให้ด้วยนะ >> https://www.kaggle.com/c/two-sigma-financial-news/data
.
⭐ 6) Fake News Detection Project - ข่าวลือ! จะหมดไปเมื่อมีโปรเจคนี้
โปรเจคนี้จะใช้ Data set เพื่อฝึกให้เครื่องเรียนรู้ที่จะแยกแยะข่าวปลอมและข่าวจริง
💥 ใครสนใจกดตามลิงค์นี้เลยจ้า >> https://data-flair.training/blogs/advanced-python-project-detecting-fake-news/
🗂️ แจก Data set ไว้ไปฝึกโมเดล >> https://drive.google.com/file/d/1er9NJTLUA3qnRuyhfzuN0XUsoIC4a-_q/view
.
⭐ 7) Music Genre Classification Machine Learning Project - จำแนกประเภทเพลงด้วย ML
โปรเจคนี้จะใช้ Python และ ML เพื่อจำแนกประเภทเพลงที่แตกต่างกันโดยอัตโนมัติ ใครอยากรู้ว่าเพลงที่เราฟังอยู่เป็นเพลงแบบไหนก็สามารถรู้ได้เลย
💥 ใครอยากทำโปรเจคนี้ไปที่ลิงค์นี้เลยจ้า >> https://data-flair.training/blogs/python-project-music-genre-classification/
.
⭐8) Bitcoin Price Predictor Project - มาทำนายราคาบิทคอยน์กันเถอะ!
วันนี้บิทคอยน์จะราคาขึ้นหรือลงก็ไม่ต้องมานั่งกังวลอีกต่อไป โปรเจคนี้จะช่วยให้เราสามารถทำนายราคาของบิทคอยน์ได้อย่างอัตโนมัติ เจ๋งสุดๆ ไปเลย
💥 ใครสนใจกดไปทำตามลิงค์นี้เลยคร้าบ >> https://www.kaggle.com/team-ai/bitcoin-price-prediction/version/1/code
.
⭐9) Speech Emotion Recognition Machine Learning Project - แยกอารมณ์ของคนพูดด้วยเสียง!
โปรเจคนี้จะใช้ Data set เพื่อเรียนรู้และจดจำเสียงของคนพูด จากนั้นก็จะทำการแยกได้ว่าอารมณ์ของคนพูดในตอนนั้นเป็นยังไง โกรธ เหงา เศร้า ซึม รู้ได้หมดเลย!
💥 ใครสนใจไปทำตามกันโลดด >> https://data-flair.training/blogs/python-mini-project-speech-emotion-recognition/
🗂️ แจก Data set ไว้ใช้ฝึกโมเดล >> https://drive.google.com/file/d/1wWsrN2Ep7x6lWqOXfr4rpKGYrJhWc8z7/view
.
⭐ 10) Movie Recommendation System using Machine Learning - ระบบแนะนำหนังด้วย ML
ใครอยากรู้แนวทางของ Netflix ที่ใช้อัลกอริทึมในการแนะนำหนังหรือซีรีส์ให้กับเรา สามารถดูไอเดียได้จากโปรเจคนี้ได้เลยจ้า ซึ่งโปรเจคนี้จะสามารถแนะนำหนัง หรือซีรีส์ได้ตรงตามกลุ่มเป้าหมาย
💥 ใครอยากลองทำ Streaming หนัง/เพลง/ซีรีส์ ก็ดูไอเดียจากโปรเจคนี้ได้เลยจ้า >> https://data-flair.training/blogs/data-science-r-movie-recommendation/
.
🗂️ มี Data set แจกด้วยนะ >> https://drive.google.com/file/d/1Dn1BZD3YxgBQJSIjbfNnmCFlDW2jdQGD/view
.
🙌 เป็นยังไงกันบ้างกับ 10 โปรเจคที่แอดมานำเสนอให้กับเพื่อนๆ ใครลองไปทำดูแล้วได้ผลลัพธ์ยังไงมาแชร์ให้เพื่อนๆ และแอดฟังบ้างนะคร้าบ
.
หวังว่าจะเป็นประโยชน์กับเพื่อนๆ นะครับ 😁
.
borntoDev - 🦖 สร้างการเรียนรู้ที่ดีสำหรับสายไอทีในทุกวัน
「image dataset」的推薦目錄:
- 關於image dataset 在 BorntoDev Facebook 的精選貼文
- 關於image dataset 在 Scholarship for Vietnamese students Facebook 的精選貼文
- 關於image dataset 在 Mina 安米娜 Facebook 的最佳解答
- 關於image dataset 在 The Open Images dataset - GitHub 的評價
- 關於image dataset 在 GID Dataset - Xin-Yi Tong 的評價
- 關於image dataset 在 SMOTE technique not oversampling image dataset - Stack ... 的評價
- 關於image dataset 在 FREE Labeled Images for Machine Learning - YouTube 的評價
- 關於image dataset 在 colab-clean-image-dataset.ipynb - Colaboratory - Google 的評價
image dataset 在 Scholarship for Vietnamese students Facebook 的精選貼文
KINH NGHIỆM PHỎNG VẤN VỚI GIÁO SƯ & THẦY CÔ TRƯỜNG
Bài viết được chia sẻ từ 1 bạn HannahEd hỗ trợ hồ sơ được offer học bổng Giáo sư Phd cả ở Mỹ và châu Au.
🖍1. Trước khi phỏng vấn nên:
- Ôn tập kiến thức toán, machine learning, computer vision.
- Xem lại những gì đã viết ở CV và SoP, cố gắng nghĩ ra những câu mà giáo sư có thể hỏi và trả lời các câu hỏi đó.
🖍2. Tự tin khi phỏng vấn: Trong lúc phỏng vấn giáo sư sẽ tạo không khí vui vẻ và không bao giờ tạo áp lực cho các bạn. Bản thân tôi cũng từng được giáo sư động viên: “Có hơn 200 CV
gửi đến, tôi chỉ phỏng vấn 15 người. Do đó, bạn nên tự tin vào bản thân mình”.
🖍3. Bình tĩnh khi phỏng vấn: tôi xin kể 1 mẫu chuyện bản thân để các bạn dễ hình dung hơn.
VD: lúc phỏng vấn câu thứ 1 giáo sư hỏi: nhân 2 ma trận kích thước 10000x10000. Làm sao để tăng tốc độ tính toán? Tôi trả lời: multi-thread. Giáo sư lại nói có cách khác không và tôi không biết câu trả lời. Tôi không biết câu trả lời là vì các câu trước đó giáo sư hỏi về lập trình nên tôi tự mặc định tìm kiếm câu trả lời sử dụng kiến thức lập trình. Câu hỏi tiếp theo giáo sư hỏi: bạn có biết eigenvalue là gì không? Tới đây tôi đã biết hướng trả lời cho câu hỏi trước (hi vọng các bạn cũng biết) là dùng kiến thức toán, không phải lập trình và tôi xin giáo sư trả lời lại cho câu hỏi trước đó. Do đó, bình tĩnh rất quan trọng khi các bạn không trả lời được câu hỏi.
Ngoài ra, từ ví tụ trên, nếu có một câu hỏi về kiến thức chuyên môn bạn không trả lời được thì câu hỏi tiếp theo giáo sư thường sẽ gợi ý cho câu hỏi trước. Tuy nhiên, không phải lúc nào
cũng vậy. Có giáo sư khi chuyển chủ đề phỏng vấn (vd: từ code sang toán) thì sẽ thông báo cho sinh viên.
🖍4. Kiến thức: Đây là phần khá quan trọng mà các bạn cần phải chuẩn bị kỹ. Các giáo sư thường hỏi các kiến thức rất cơ bản. Dưới đây là các chủ đề mà các giáo sư thường hỏi:
- Đại số tuyến tính: rank, inverse, det...
- Giải tích: taylor ...
- Xác suất thống kê: bayes rule, ...
- Image processing: fourier transform ... (kinh nghiệm bản thân, các giáo sư tại EU đặc biệt
thích hỏi về fourier transform)
- Machine learning: các thuật toán thường dùng như svm, k-mean...
- Data structure và algorithm.
- Kiến thức cơ bản Python.
Lưu ý, vì tôi xin học bổng PhD về mảng machine learning computer vision nên các câu hỏi chỉ xoay quanh kiến thức cho mảng này. Ngoài ra, các bạn nên nắm kỹ kiến thức chứ không phải học thuộc định nghĩa. Một ví dụ từ kinh nghiệm bản thân: giáo sư hỏi fourier transform là gì? fourier transform biến tín hiệu từ miền thời gian sang miền tần số. Đây là câu trả lời chính xác nhưng rất chung chung và đến đây có 2 trường hợp: (1) giáo sư sẽ hỏi: nhưng tôi muốn biết chính xác là fourier transform làm cái gì? (2) giáo sư sẽ hỏi: nếu có 1 tín hiệu từ miền thời gian biến đổi pha nhưng biên độ giữ nguyên thì sang miền tần số sẽ ra sao?
Style hỏi của các giáo sư thường có 2 styles: một là hỏi thẳng vào kiến thức (vd: cho tôi biết rank của 1 ma trận là gì?), hoặc cho 1 bài tập nhỏ và hỏi các câu hỏi dựa trên bài tập đó (vd:
tung đồng xu 3 lần, xác suất của...).
🖍5. Đọc hiểu bài báo: giáo sư sẽ chỉ định paper để các bạn đọc và trình bày lại cho giáo sư.
🖍6. Coding test: về phần coding test có 2 dạng:
- Giáo sư ra đề và bạn code thẳng trên google Docs. Đề có thể là bất kỳ thứ gì: svm, k-mean,
hoặc pca,...
- Giáo sư chỉ định dataset (public hoặc private) và task (thường là recognition, segmentation,...). Nhiệm vụ của bạn là code theo task đó và đạt kết quả cao, sau đó báo cáo lại giáo sư.
🖍7. Thái độ: thái độ ở đây là thái độ của bạn đối với việc học PhD. Phần này quan trọng không kém kiến thức. Giáo sư muốn biết bạn có nghiêm túc với việc học PhD không? Hầu như tất cả
các giáo sư tôi đã phỏng vấn đều hỏi tại sao học PhD và đánh giá qua câu trả lời. Bạn nên chuẩn bị câu trả lời thích hợp cho mình. Như đã nói ở phần chuẩn bị hồ sơ. Việc chuẩn bị SoP là lúc thích hợp nhất để bạn suy nghĩ câu trả lời cho mình.
🖍8. Chuẩn bị câu hỏi cho giáo sư: khi kết thúc phần phỏng vấn của mình giáo sư sẽ hỏi bạn có câu hỏi nào cho giáo sư không. Nếu bạn chưa có câu hỏi hợp lý thì cứ nói không có. Nhưng bạn có thể ghi điểm bằng cách hỏi rõ hơn về hướng nghiên cứu của giáo sư hoặc giáo sư suy nghĩ thế nào về hướng nghiên cứu của bạn (tất nhiên hướng của bạn cũng phải gần với hướng của giáo sư). Rồi sau đó dẫn dắt câu chuyện để thể hiện thái độ nghiêm túc của bạn trong việc học PhD.
🖍9. Giáo sư phỏng vấn cùng với một sinh viên khác hiện đang làm PhD trong lab: sinh viên này thường chỉ nghe và trả lời các câu hỏi personal của sinh viên như: stipend, lab environment...
------------------------------
Đợt này các bạn Schofan cũng đang rục rịch nhận được email mời phỏng vấn với thầy cô, giáo sư (ví dụ 1 bạn mentee HannahEd mới có interview với hai giáo sư bên Canada) hay phỏng vấn học bổng chính phủ (như Ireland Fellows Program). Để chuẩn bị thật tốt, cả nhà cùng note kinh nghiệm của một bạn được offer học bổng tại Mỹ ngành HOT Machine Learning, nếu cả nhà còn nhớ phần 1 bạn chia sẻ về các kênh học bổng ML và HannahEd cũng có cơ hội được hỗ trợ, review cho bạn hồ sơ đó <3.
<3 Like page, tag và share bạn bè nhé <3
#HannahEd #HannahEdPhd #sanhocbong #duhoc #scholarshipforVietnamesestudents #interviewstips
image dataset 在 Mina 安米娜 Facebook 的最佳解答
Hi 地震後大家都還活著嗎?
Pytorch Taiwan 深度學習論壇開課啦🌤
4/19(五)20:00 北科綜合大樓 B08
⚜️講師簡介:Mina 安米娜,有3年經驗資料分析愛好者
⚜️課程名稱:Computer vision by NN
⚜️課程大鋼:
AI background
Deep learning
Tensorflow +keras :CNN
Demo time (教您創造屬於自己的image dataset到套入CNN 模型)
⚜️地點:台北科技大學 綜合教育大樓B08教室(忠孝新生4號出口)
⚜️時間:19:00-21:00(我是8點到9點時段)座位有限,早點來比較好
⚜️費用:免費+你一顆誠摯學習的心😉無價
#邊地震邊發文
#python
#datascientiest
#tensorflow
#freecourse
#免費程式課程
image dataset 在 GID Dataset - Xin-Yi Tong 的推薦與評價
Abstract. In recent years, large amount of high spatial-resolution remote sensing (HRRS) images are available for land-cover mapping. ... <看更多>
image dataset 在 The Open Images dataset - GitHub 的推薦與評價
The Open Images dataset. Contribute to openimages/dataset development by creating an account on GitHub. ... <看更多>