Mündəricat[Gizlət][Göstər]
- 1 Titanik
- 2. İrlandiya çiçəklərinin təsnifatı
- 3. Boston House Qiymət Proqnozu
- 4. Şərab keyfiyyətinin yoxlanılması
- 5. Fond bazarının proqnozlaşdırılması
- 6. Film tövsiyəsi
- 7. Yükləmə Uyğunluğu Proqnozu
- 8. Twitter Məlumatlarından istifadə edərək Sentiment Analizi
- 9. Gələcək Satışların Proqnozu
- 10. Saxta xəbərlərin aşkarlanması
- 11. Kuponların alınması proqnozu
- 12. Müştərilərin Qarşısının Alınması Proqnozu
- 13. Wallmart Satışların Proqnozlaşdırılması
- 14. Uber Məlumat Təhlili
- 15. Covid-19 Təhlili
- Nəticə
Maşın öyrənməsi, yüksək səviyyədə təqdim olunan müəyyən bir işi tədricən təkmilləşdirmək üçün kompüter proqramını və ya alqoritmini necə öyrətməyin sadə bir öyrənilməsidir. Şəkil identifikasiyası, fırıldaqçılığın aşkarlanması, tövsiyə sistemləri və digər maşın öyrənmə proqramları artıq populyar olduğunu sübut etmişdir.
ML işləri insan işini sadə və səmərəli edir, vaxta qənaət edir və yüksək keyfiyyətli nəticəni təmin edir. Hətta dünyanın ən məşhur axtarış sistemi olan Google da istifadə edir maşın təlim.
İstifadəçinin sorğusunu təhlil etmək və nəticələr əsasında nəticəni dəyişdirməkdən tutmuş sorğu ilə bağlı trend mövzuları və reklamları göstərməyə qədər müxtəlif seçimlər mövcuddur.
Həm qavrayışlı, həm də öz-özünə düzəldən texnologiya gələcəkdə uzaqda deyil.
Başlamağın ən yaxşı yollarından biri layihəni təcrübədən keçirmək və dizayn etməkdir. Buna görə də, sizə başlamaq üçün yeni başlayanlar üçün 15 ən yaxşı maşın öyrənmə layihəsinin siyahısını tərtib etdik.
1. nəhəng
Bu, tez-tez maşın öyrənməsi haqqında daha çox öyrənmək istəyən hər kəs üçün ən böyük və ən xoş vəzifələrdən biri hesab olunur. Titanic problemi Kaggle məlumat elmi platforması ilə tanış olmaq üçün yaxşı bir yol kimi xidmət edən məşhur maşın öyrənmə layihəsidir. Titanik məlumat dəsti bədbəxt gəminin batması ilə bağlı həqiqi məlumatlardan ibarətdir.
Buraya şəxsin yaşı, sosial-iqtisadi vəziyyəti, cinsi, kabin nömrəsi, gediş limanı və ən əsası sağ qalıb-qalmaması kimi təfərrüatlar daxildir!
K-Ən Yaxın Qonşu texnikası və qərar ağacı təsnifatçısı bu layihə üçün ən yaxşı nəticələr əldə etmək üçün müəyyən edilmişdir. Özünüzü yaxşılaşdırmaq üçün sürətli bir həftə sonu problemi axtarırsınızsa Maşın Öyrənmə bacarıqları, Kaggle-da bu sizin üçündür.
2. İrlandiya çiçəklərinin təsnifatı
Yeni başlayanlar iris çiçəyinin təsnifatı layihəsini sevirlər və maşın öyrənməsində yenisinizsə, başlamaq üçün əla yerdir. Çarpayıların və ləçəklərin uzunluğu iris çiçəklərini digər növlərdən fərqləndirir. Bu layihənin məqsədi çiçəkləri üç növə ayırmaqdır: Virginia, setosa və Versicolor.
Təsnifat məşğələləri üçün layihə şagirdlərə rəqəmsal dəyərlər və verilənlərlə işləməyin əsaslarını öyrənməyə kömək edən İris çiçəyi məlumat dəstindən istifadə edir. İris çiçəyi məlumat dəsti miqyasına ehtiyac olmadan yaddaşda saxlanıla bilən kiçikdir.
3. Boston Evinin Qiyməti Proqnozu
Başqa bir tanınmış maşın öyrənməsində yeni başlayanlar üçün verilənlər toplusu Boston Housing məlumatlarıdır. Onun məqsədi müxtəlif Boston məhəllələrində ev dəyərlərini proqnozlaşdırmaqdır. Buraya yaş, əmlak vergisi dərəcəsi, cinayət dərəcəsi və hətta iş mərkəzlərinə yaxınlıq kimi mühüm statistik məlumatlar daxildir, bunların hamısı mənzil qiymətlərinə təsir edə bilər.
Məlumat dəsti sadə və kiçikdir, bu da yeni başlayanlar üçün sınaqdan keçirməyi asanlaşdırır. Bostonda əmlak qiymətinə hansı amillərin təsir etdiyini anlamaq üçün reqressiya üsulları müxtəlif parametrlər üzrə çox istifadə olunur. Bu, reqressiya üsullarını tətbiq etmək və onların nə qədər yaxşı işlədiyini qiymətləndirmək üçün əla yerdir.
4. Şərab keyfiyyətinin yoxlanılması
Şərab, illərlə fermentasiya tələb edən qeyri-adi spirtli içkidir. Nəticədə, antik şərab şüşəsi bahalı və yüksək keyfiyyətli şərabdır. İdeal şüşə şərabın seçilməsi illərlə şərabın dadına dair bilik tələb edir və bu, çox çətin bir proses ola bilər.
Şərab keyfiyyət testi layihəsi spirt səviyyəsi, sabit turşuluq, sıxlıq, pH və digər amillər kimi fiziki-kimyəvi testlərdən istifadə edərək şərabları qiymətləndirir. Layihə həmçinin şərabın keyfiyyət meyarlarını və miqdarını müəyyən edir. Nəticədə, şərab alışı bir meh olur.
5. Birja Proqnozu
Bu təşəbbüs sizin maliyyə sektorunda işləməyinizdən asılı olmayaraq maraqlıdır. Fond bazarı məlumatları alimlər, müəssisələr və hətta ikinci dərəcəli gəlir mənbəyi kimi geniş şəkildə öyrənilir. Məlumat aliminin zaman seriyası məlumatlarını öyrənmək və araşdırmaq bacarığı da həyati əhəmiyyət kəsb edir. Birjadan alınan məlumatlar başlamaq üçün əla yerdir.
İşin mahiyyəti bir səhmin gələcək dəyərini proqnozlaşdırmaqdır. Bu, cari bazar performansına, eləcə də əvvəlki illərin statistik göstəricilərinə əsaslanır. Kaggle 50-ci ildən bəri NIFTY-2000 indeksi haqqında məlumat toplayır və hazırda hər həftə yenilənir. 1-ci il yanvarın 2000-dən etibarən 50-dən çox təşkilatın səhmlərinin qiymətlərini ehtiva edir.
6. Film tövsiyəsi
Əminəm ki, yaxşı bir filmə baxdıqdan sonra sizdə bu hissi yaşadınız. Bənzər filmlərə çox baxaraq hisslərinizi həyəcanlandırmaq üçün təkan hiss etmisinizmi?
Netflix kimi OTT xidmətlərinin tövsiyə sistemlərini əhəmiyyətli dərəcədə təkmilləşdirdiyini bilirik. Maşın öyrənmə tələbəsi olaraq siz bu cür alqoritmlərin müştəriləri onların üstünlükləri və rəyləri əsasında necə hədəf aldığını başa düşməlisiniz.
Kaggle-da IMDB məlumat dəsti, ehtimal ki, filmin adı, müştəri reytinqi, janr və digər amillər əsasında tövsiyə modellərini çıxarmağa imkan verən ən tam məlumatlardan biridir. Bu həm də Məzmun Əsaslı Filtrləmə və Xüsusiyyət Mühəndisliyi haqqında öyrənmək üçün əla üsuldur.
7. Yükləmə Uyğunluğu Proqnozu
Dünya kreditlər ətrafında fırlanır. Bankların əsas gəlir mənbəyi kredit faizlərindən gəlir. Buna görə də onların əsas işidir.
Fərdlər və ya fərdlər qrupları yalnız gələcəkdə dəyərinin artacağını görmək ümidi ilə firmaya pul yatırmaqla iqtisadiyyatı genişləndirə bilər. Bu xarakterli riskləri götürmək və hətta müəyyən dünyəvi ləzzətlərdə iştirak etmək üçün bəzən borc axtarmaq vacibdir.
Kredit qəbul edilməzdən əvvəl banklar adətən kifayət qədər ciddi prosesə əməl etməlidirlər. Kreditlər bir çox insanın həyatının mühüm aspekti olduğundan, kiminsə müraciət etdiyi kredit üçün uyğunluğu proqnozlaşdırmaq son dərəcə faydalı olardı, kreditin qəbul edilməsi və ya rədd edilməsindən başqa daha yaxşı planlaşdırmağa imkan verir.
8. Twitter Məlumatlarından istifadə edərək Sentiment Analizi
Təşəkkür sosial media şəbəkələri Twitter, Facebook və Reddit kimi, fikir və tendensiyaları ekstrapolyasiya etmək xeyli asanlaşdı. Bu məlumat hadisələr, insanlar, idman və digər mövzular haqqında fikirləri aradan qaldırmaq üçün istifadə olunur. Siyasi kampaniyalar və Amazon məhsullarının qiymətləndirilməsi daxil olmaqla, rəy mədənçiliyi ilə bağlı maşın öyrənmə təşəbbüsləri müxtəlif şəraitlərdə tətbiq edilir.
Bu layihə portfelinizdə fantastik görünəcək! Emosiyaların aşkarlanması və aspekt əsaslı təhlil üçün dəstək vektor maşınları, reqressiya və təsnifat alqoritmləri kimi üsullardan geniş şəkildə istifadə oluna bilər (faktlar və rəylər tapmaq).
9. Gələcək Satış Proqnozu
Böyük B2C biznesləri və tacirləri inventarındakı hər bir məhsulun nə qədər satılacağını bilmək istəyirlər. Satışların proqnozlaşdırılması biznes sahiblərinə hansı məhsulların yüksək tələbat olduğunu müəyyən etməyə kömək edir. Dəqiq satış proqnozu israfı əhəmiyyətli dərəcədə azaldacaq, eyni zamanda gələcək büdcələrə artan təsiri müəyyən edəcəkdir.
Walmart, IKEA, Big Basket və Big Bazaar kimi pərakəndə satıcılar məhsul tələbini qiymətləndirmək üçün satış proqnozundan istifadə edirlər. Bu cür ML layihələri qurmaq üçün xam məlumatların təmizlənməsinin müxtəlif üsulları ilə tanış olmalısınız. Həmçinin, reqressiya analizini, xüsusən də sadə xətti reqressiyanı yaxşı başa düşmək lazımdır.
Bu cür tapşırıqlar üçün Dora, Scrubadub, Pandas, NumPy və başqaları kimi kitabxanalardan istifadə etməlisiniz.
10. Saxta xəbərlərin aşkarlanması
Bu, məktəblilərə yönəlmiş başqa bir qabaqcıl maşın öyrənmə səyidir. Saxta xəbərlər hamımıza məlum olduğu kimi od kimi yayılır. Sosial mediada ayrı-ayrı şəxsləri əlaqələndirməkdən tutmuş gündəlik xəbərləri oxumağa qədər hər şey mövcuddur.
Nəticədə, bu günlərdə yalan xəbərləri aşkar etmək getdikcə çətinləşib. Facebook və Twitter kimi bir çox böyük sosial media şəbəkələrində artıq postlarda və lentlərdə saxta xəbərləri aşkar etmək üçün alqoritmlər mövcuddur.
Yalan xəbərləri müəyyən etmək üçün bu tip ML layihəsinə çoxsaylı NLP yanaşmaları və təsnifat alqoritmləri (PassiveAggressiveClassifier və ya Naive Bayes təsnifatı) haqqında hərtərəfli başa düşülməsi lazımdır.
11. Kuponların alınması proqnozu
Koronavirus 2020-ci ildə planetə hücum etdikdə müştərilər getdikcə daha çox onlayn alış-veriş haqqında düşünürlər. Nəticədə alış-veriş müəssisələri bizneslərini onlayn rejimdə keçirməyə məcbur olublar.
Müştərilər isə mağazalarda olduğu kimi hələ də böyük təkliflər axtarır və super qənaətli kuponlar axtarırlar. Hətta bu cür müştərilər üçün kuponlar yaratmağa həsr olunmuş saytlar da var. Bu layihə ilə siz maşın öyrənməsində verilənlərin əldə edilməsi, verilənlərin vizuallaşdırılması üçün bar qrafikləri, pasta diaqramları və histoqramların istehsalı və xüsusiyyət mühəndisliyi haqqında öyrənə bilərsiniz.
Proqnozlar yaratmaq üçün siz həmçinin NA dəyərlərini və dəyişənlərin kosinus oxşarlığını idarə etmək üçün verilənlərin hesablanması yanaşmalarına da baxa bilərsiniz.
12. Müştəri çaxnaşmalarının proqnozu
İstehlakçılar şirkətin ən vacib aktividir və onların saxlanması gəliri artırmaq və onlarla uzunmüddətli mənalı əlaqələr qurmaq məqsədi daşıyan hər bir iş üçün həyati əhəmiyyət kəsb edir.
Bundan əlavə, yeni müştərinin əldə edilməsinin dəyəri mövcud müştərinin saxlanması dəyərindən beş dəfə yüksəkdir. Müştərilərin və ya abunəçilərin bir xidmət və ya şirkətlə işini dayandırdığı tanınmış biznes problemidir.
Onlar ideal olaraq artıq ödəniş edən müştəri olmayacaqlar. Müştərinin şirkətlə sonuncu əlaqə saxlamasından sonra müəyyən vaxt keçibsə, müştəri ləğv edilmiş sayılır. Müştərinin imtina edib-etməyəcəyini müəyyən etmək, eləcə də müştərinin saxlanmasına yönəlmiş müvafiq məlumatı operativ şəkildə vermək itkiləri azaltmaq üçün çox vacibdir.
Beynimiz milyonlarla müştəri üçün müştəri dövriyyəsini təxmin etməkdə acizdir; burada maşın öyrənməsi kömək edə bilər.
13. Wallmart Satışların Proqnozlaşdırılması
Maşın öyrənmənin ən görkəmli tətbiqlərindən biri məhsul satışına təsir edən xüsusiyyətlərin aşkar edilməsini və gələcək satış həcminin proqnozlaşdırılmasını əhatə edən satış proqnozlaşdırılmasıdır.
Bu maşın öyrənmə tədqiqatında 45 yerdən satış məlumatlarını ehtiva edən Walmart məlumat dəsti istifadə olunur. Kateqoriyaya görə həftəlik olaraq mağaza üzrə satışlar verilənlər bazasına daxil edilir. Bu maşın öyrənməsi layihəsinin məqsədi hər bir satış məntəqəsindəki hər bir departament üçün satışları proqnozlaşdırmaqdır ki, onlar daha yaxşı dataya əsaslanan kanal optimallaşdırması və inventar planlaşdırma qərarları qəbul edə bilsinlər.
Walmart verilənlər bazası ilə işləmək çətindir, çünki o, satışa təsir edən və nəzərə alınmalı olan seçilmiş endirim hadisələrini ehtiva edir.
14. Uber Məlumat Təhlili
Tətbiqlərində maşın öyrənməsi və dərin öyrənmənin tətbiqi və inteqrasiyasına gəldikdə, məşhur gəzinti paylaşma xidməti heç də geridə qalmır. Hər il o, milyardlarla səyahəti emal edir və bu, sərnişinlərə günün və ya gecənin istənilən vaxtında səyahət etməyə imkan verir.
Belə böyük müştəri bazasına malik olduğundan, istehlakçı şikayətlərini mümkün qədər tez həll etmək üçün müstəsna müştəri xidmətinə ehtiyacı var.
Uber, anlayışları aşkar etmək və müştəri təcrübəsini yaxşılaşdırmaq üçün müştəri səfərlərini təhlil etmək və göstərmək üçün istifadə edə biləcəyi milyonlarla seçimdən ibarət məlumat toplusuna malikdir.
15. Covid-19 Təhlili
COVID-19 bu gün dünyanı bürüdü və sadəcə pandemiya mənasında deyil. Tibb mütəxəssisləri effektiv peyvəndlər yaratmaq və dünyanı immunizasiya üzərində cəmləyərkən, məlumat alimləri geri qalmırlar.
Yeni hallar, gündəlik aktiv sayı, ölüm halları və sınaq statistikası ictimaiyyətə açıqlanır. Əvvəlki əsrin SARS epidemiyası əsasında hər gün proqnozlar hazırlanır. Bunun üçün siz reqressiya analizindən istifadə edə və vektor maşın əsaslı proqnozlaşdırma modellərini dəstəkləyə bilərsiniz.
Nəticə
Xülasə etmək üçün biz sizə Machine Learning proqramlaşdırmasını sınamaqda, həmçinin onun ideyalarını və həyata keçirilməsini başa düşməkdə kömək edəcək ən yaxşı ML layihələrindən bəzilərini müzakirə etdik. Maşın Öyrənməsini necə inteqrasiya edəcəyinizi bilmək, texnologiyanın hər bir sənayeni ələ keçirdiyi üçün peşənizdə irəliləməyə kömək edə bilər.
Maşın Öyrənməni öyrənərkən sizə konsepsiyalarınızı tətbiq etməyi və bütün alqoritmlərinizi yazmağı tövsiyə edirik. Öyrənərkən alqoritmlərin yazılması layihə yerinə yetirməkdən daha vacibdir və bu, həm də mövzuları düzgün başa düşməkdə sizə üstünlük verir.
Cavab yaz