پست 🤖 ۲۰ پروژه یادگیری ماشین و هوش مصنوعی

🤖 ۲۰ پروژه یادگیری ماشین و هوش مصنوعی 🥲 از سطح مبتدی تا پروداکشن 👩🏻‍💻 اگه می‌خوای تو مهندسی هوش مصنوعی پیشرفت کنی و حرفه‌ای بشی، باید بعد از دیدن آموزش‌ها، دست‌به‌کار بشی و سیستم AI خودتو بسازی! ⭕️ از یادگیری ماشین کلاسیک شروع کن، بعد برو سراغ یادگیری عمیق، پردازش زبان طبیعی، بینایی ماشین، بازیابی اطلاعات، ایجنت‌ها و فاین‌تیون مدل‌ها؛ در نهایت هم یاد بگیر چطور مدل‌هات رو دیپلوی کنی و به مرحله‌ی اجرا برسونی. 🕐 مقدماتی | ساخت اولین مدل‌های یادگیری ماشین 1⃣ ساخت سیستم طبقه‌بندی متن 📄 یادگیری تبدیل متن به ویژگی‌های عددی و آموزش مدل برای دسته‌بندی متن‌ها. 2⃣ طبقه‌بندی داده‌های ساختاریافته 📄 ساخت مدل طبقه‌بندی با داده‌های جدولی و شبکه عصبی در Keras. 3⃣ طبقه‌بندی تصویر با یادگیری انتقالی 📄 استفاده از مدل ازپیش‌آموزش‌دیده برای ساخت یک مدل طبقه‌بندی تصویر. 4⃣ ساخت مدل تحلیل احساسات 📄 استفاده از مدل‌های ترنسفورمر برای تشخیص احساسات در متن. 5⃣ ساخت سیستم پیش‌بینی سری زمانی 📄 پیش‌بینی مقادیر آینده با استفاده از داده‌های تاریخی و TensorFlow. ➖ ➖ ➖ ➖ ➖ 🕒 متوسط | حل مسائل کاربردی با یادگیری ماشین 6⃣ تشخیص تقلب در تراکنش‌ها 📄 ساخت مدل برای شناسایی تراکنش‌های مشکوک در دیتاست‌های نامتوازن. 7⃣ ساخت موتور پیشنهاددهنده فیلم 📄 یادگیری بازیابی و پیشنهاد فیلم‌های متناسب با علایق کاربران. 8⃣ ساخت سیستم تشخیص موجودیت‌های نام‌دار (NER) 📄 شناسایی نام افراد، سازمان‌ها، مکان‌ها و سایر موجودیت‌ها در متن. 9⃣ ساخت سیستم بخش‌بندی تصویر (Image Segmentation) 📄 تشخیص ناحیه‌های مختلف تصویر و اختصاص برچسب به پیکسل‌ها. 🔟 آموزش مدل تشخیص اشیا 📄 آموزش مدل YOLO روی تصاویر اختصاصی برای شناسایی اشیا. ➖ ➖ ➖ ➖ ➖ 🕤 پیشرفته | مدل‌های زبانی، پردازش گفتار و جست‌وجوی معنایی 1⃣ ساخت سیستم تبدیل گفتار به متن 📄 آشنایی با مدل‌های تشخیص گفتار مثل Wav2Vec2. 1⃣ ساخت مدل پاسخ‌گویی به سؤال 📄 استخراج پاسخ از متن و ساخت سیستم‌های پرسش‌وپاسخ. 1⃣ ساخت خلاصه‌ساز اسناد 📄 استفاده از مدل‌های زبانی برای خلاصه‌سازی متن‌های طولانی. 1⃣ ساخت سیستم ترجمه ماشینی 📄 استفاده از مدل‌های ترنسفورمری برای ترجمه متن بین زبان‌ها. 1⃣ ساخت موتور جست‌وجوی معنایی 📄 پیدا کردن متن‌های مرتبط بر اساس معنا، نه صرفاً تطبیق کلمات. ➖ ➖ ➖ ➖ ➖ 🕧 حرفه‌ای | ساخت ایجنت‌ها، فاین‌تیون و دیپلوی مدل‌ها 1⃣ ساخت ایجنت پرسش‌وپاسخ مبتنی بر RAG 📄 بازیابی اطلاعات از اسناد و استفاده از اون‌ها برای تولید پاسخ مستند. 1⃣ ساخت ایجنت مجهز به ابزار (Tool-Using Agent) 📄 ساخت ایجنتی که تصمیم می‌گیره چه زمانی از ابزارها استفاده کنه و چطور از نتایج اون‌ها برای ادامه کار کمک بگیره. 1⃣ ساخت ایجنت تبدیل زبان طبیعی به SQL 📄 پرسیدن سؤال به زبان طبیعی و تولید و اجرای کوئری برای دریافت پاسخ از دیتابیس. 1⃣ فاین‌تیون مدل زبانی با LoRA 📄 سازگار کردن یک مدل زبانی با داده‌های اختصاصی، بدون نیاز به آموزش مجدد تمام پارامترهای مدل. 2⃣ استقرار مدل AI با API 📄 ارائه مدل به‌صورت یک سرویس قابل فراخوانی از طریق API با استفاده از MLflow. ➖ ➖ ➖ ➖ ➖ ❕ لازم نیست هر ۲۰ پروژه رو پشت سر هم انجام بدی. یکی رو انتخاب کن، معماریش رو درک کن، از ابتدا تا انتها بسازش، خطاهاش رو برطرف کن و در صورت نیاز توسعه‌اش بده. بعد از هر پروژه هم می‌تونی یک نسخه متفاوت با دیتاست یا مسئله خودت بسازی. 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa