В продолжение информации о репозитории проектов ML/DL/CV/NLP я подготовил краткое описание еще одной подборки: примеры проектов машинного обучения. Эти примеры оформлены в виде Jupyter Notebook’ов. Всего в подпорке 17 проектов. Каждый из них сопровождается кодами реализаций на Python с описанием, где необходимо, алгоритмов, обучающих наборов, особенностей применения программных библиотек.

Designed by Freepik

Перечень проектов, доступных для изучения и использования:

• Классификация цветов ириса. Разработчики использовали модель, построенную на базе Keras.
• Распознавание изображений CIFAR-10 (Часть I – Простая модель). Проект включает модель на базе Keras.
• Распознавание изображений CIFAR-10 (часть II – Улучшенная модель). Проект включает модель на базе Keras.
• Распознавание изображений CIFAR-10 (Часть III – Увеличение объема данных). Проект включает модель базе Keras.
• Распознавание дорожных знаков. Обнаружение дорожных знаков и принятие решений при автономном вождении. Модель построена на базе Keras и набора данных GTSRB.
• Механизм рекомендаций к фильмам. Используется алгоритм KNN и набор данных MovieLens.
• Линейная регрессия. На примере прогнозирования прибыли в зависимости от численности населения и прибыли разных городов.
• Многомерная линейная регрессия. На примере прогнозирования цены дома в зависимости от площади помещений дома и количества спален в доме.
• Анализ настроений в рецензиях на фильмы. Разработчики использовали наивный байесовский классификатор.
• Прогнозирование качества вина. Используется модель множественной линейной регрессии. 
• Неконтролируемое обучение. Анализ данных рыночной корзины, уменьшение размерности и кластеризация.
• Автоэнкодеры с использованием набора данных Fashion MNIST. Проект включает модель базе Keras.
• Нечеткое сравнение строк. Определение степени сходства строк.
• Классификация спама в электронной почте.
• Прогнозирование оттока клиентов. Анализ отказов от подписки или отмены их обслуживания. Корреляционный анализ.
• Прогнозирование одобрения кредитных карт. Используется модель логистической регрессии, построенной с нуля.. 

Перечисленные примеры проектов машинного обучения вполне могут пригодиться студентам, разработчикам и просто интересующимся.

Ниже см. пример описания одного из проектов — Нечеткое сравнение строк: 

[iframe src=”https://notebooks.githubusercontent.com/view/ipynb?browser=chrome&bypass_fastly=true&color_mode=auto&commit=c79a0ce17337b81fdd93eb51cf85e6e779e50742&device=unknown_device&docs_host=https%3A%2F%2Fdocs.github.com&enc_url=68747470733a2f2f7261772e67697468756275736572636f6e74656e742e636f6d2f636868617961632f4d616368696e652d4c6561726e696e672d4e6f7465626f6f6b732f633739613063653137333337623831666464393365623531636638356536653737396535303734322f66757a7a7977757a7a792e6970796e62&logged_in=false&nwo=chhayac%2FMachine-Learning-Notebooks&path=fuzzywuzzy.ipynb&platform=linux&repository_id=114438844&repository_type=Repository&version=129#71e651a4-d264-494d-a5f6-cdf5f68f0e5d” width=”100%” height=”500″]