初心者にも優しい！楽しくて簡単に始められる AI プロジェクト 10 選 (Python ソースコード付き)

ビッグデータダイジェスト制作

出典: piprogramming

編纂者：清寧

人工知能は私たちの生活の一部になりました。映画のおすすめ、画像認識、音声認識、ウェブサイトの商品おすすめなど、私たちは日常生活の中で意図的または無意識的にそれを使用しています。

だからこそ、あなたも学び始める必要があるのです。まずは、2020 年の人工知能に関するベスト 5 冊の本をチェックすることから始めることができますが、理論を理解するだけでは十分ではありません。学生はいくつかの AI プロジェクトを完了してみる必要があります。初心者の場合、AI のトレンドを追うことから独自のプロジェクトに取り組むことまで、実際の AI プロジェクトに時間を費やすのが最善です。以下の各プロジェクトには、Python ソースコードへのリンクがあります。

初心者が Python の知識を試すために試すことができる AI プロジェクトの興味深いアイデアをいくつか紹介します。

これらのプロジェクトは、既存の知識を確認しながらスキルを伸ばすのに役立ちます。人工知能は多くの分野で活用できます。さまざまな AI プロジェクトを研究すればするほど、より多くのことを学ぶことができます。

住宅価格の予測

住宅価格は経済の健全性を左右する重要な要因であり、住宅価格の範囲は買い手と売り手の双方にとって懸念事項です。住宅価格は、住宅のさまざまな側面をカバーするいくつかの指標によって決定されます。

[[360727]]

平均価格を取得するために、過去の価格データがよく使用されます。さまざまな種類の住宅の価格に加えて、都市の犯罪率、小売以外の事業所の所在地、住民の年齢などのデータセットも使用できます。これは初心者が自分のスキルをテストするのに最適なプロジェクトです。

線形回帰を使用して住宅価格を予測するチュートリアルと Python ソースコードを以下に示します。https://www.youtube.com/watch?v=Mcs2x5-7bc0list=PLvk-72jrjBFFsb0dKG0l2SEwK95p4vM89index=3

株価予測

人工知能は長い間、株式市場の投資家を支援してきました。金融機関や投資マネージャーは最近、競争上の優位性を獲得するために、機械学習と人工知能を業務に取り入れようとしています。 AI ベースの取引プラットフォームは、ビッグデータを活用して過小評価されている株式を見つけようとするトレンドモデリングに人気があります。

そのため、初心者の最初の AI プロジェクトとしては最適な選択肢となります。株式市場は情報満載なので、きっと気に入っていただけると思います。さまざまな種類のデータセットを入手して、すぐにプロジェクトの作業を開始できます。

部外者にとって、株式市場の変化は荒波のようなものだ。株式市場の価格と活動を予測することは、非常に複雑で要求の厳しい仕事です。これには、経済動向の解釈、特定の業界のパターンの評価、金融市場内での株価の調整などが含まれます。ここで人工知能が役に立ちます。

アルゴリズム取引は世界の金融市場で大きなシェアを占めており、行われている取引の 60% 以上がアルゴリズムに基づいています。年金基金、投資信託、ヘッジファンド、保険会社、個人投資家、大手機関投資家は、株式市場での取引にアルゴリズムを使用しています。したがって、金融分野で働くことを計画している学生は、履歴書に必ず自分専用のアラジンを載せておくべきです (アラジンは、投資決定におけるリスクを管理するためのブラックロックの AI です)。株式市場のフィードバック期間も短いため、予測をサポートするのに役立ちます。

始める前に、Python とニューラルネットワークを使用して Apple の株価を予測するこのチュートリアルを確認してください。

https://medium.com/@randerson112358/株価予測-python-機械学習-e82a039ac2bb

チャットボット

[[360728]]

チャットボットは、顧客のニーズを評価し、取引、ホテルの予約、フォームの送信などの特定のタスクの実行を支援するように設計された AI 駆動型ソフトウェア (Alexa、Google アシスタントなど)、アプリケーション、Web サイト、またはその他のネットワークです。現在、チャットボットは、すべての企業が特定の顧客連絡プロセスを削減するためにチャットボットを必要とする業界で一般的に使用されています。企業がチャットボットを使用する方法には次のようなものがあります。

カスタマーサポート
情報提供

そのため、チャットボットの設定は AI ベースの最高のプロジェクトの 1 つです。人気のある Web サイトのチャットボットからインスピレーションを得て、カスタマーサービスチャットボットを構築することから始めることができます。基本的なチャットボットを開発したら、それをアップグレードして、より高度なバージョンを構築できます。

これは、私たちが大好きな有名な Siraj Raval の素晴らしいビデオです。彼は Tensorflow とリカレントニューラルネットワークを使用してチャットボットを作成しました。https://www.youtube.com/watch?v=PXJtFc8DjsE

スパム識別子

私たちは毎日何百ものメールを受信しますが、そのほとんどはスパムです。ちなみに、このフレーズは 1970 年のモンティ・パイソンの寸劇「フライング・サーカス」から来ており、そのレストランのメニューはすべてスパムでした。スパムの検出は自然言語処理 (NLP) の一般的なトピックなので、電子メールの内容に基づいてスパムか非スパムかを識別できる AI を作成してみてください。

Python ソースを使用して独自のスパム検出器を作成できるこのビデオチュートリアルをご覧ください。

https://www.youtube.com/watch?v=cNLPt02RwF0

手書き数字認識

人間が手書きする数字は、大きさや形が大きく異なります。人間が手書きした数字を認識できるアルゴリズムを作成することは、AI の旅を始めるのに最適な方法です。初心者にもとても優しく、5分で挑戦する人もいます。

ソースコードと、Python コードが実際に何を行うかについての詳細な説明については、このビデオをご覧ください: https://www.youtube.com/watch?v=Zi4i7Q0zrBs

Google 恐竜ロボット

Dino は、インターネット接続なしでプレイできる人気の Google Chrome ゲームです。強化学習を実装する必要があります。ゲームはシンプルなので、どのように機能するかを理解するのも簡単です。間違いをしながら学習する AI を構築できます。

CodeBullet はこれを実行します。以下のリンクでビデオを視聴し、GitHub で Python ソースコードを見つけることができます: https://www.youtube.com/watch?v=sB_IGstiWlc https://github.com/Code-Bullet/Google-Chrome-Dino-Game-AI

次の単語予測

[[360729]]

メッセージを入力すると、携帯電話は次に使用したい単語を自動的に予測し、あなたはそれを知らないうちに毎日使っています。しかし、携帯電話のソフトウェアはどのようにして次に何を入力するかを知るのでしょうか? それは自然言語処理 (NLP) です。次に入力される可能性が最も高い単語を予測する AI モデルを作成できます。これは NLP における主要なタスクの 1 つであり、多くの用途があります。

ここに、Python コードも含まれており、ステップごとに説明されている非常に優れた記事があります。

https://medium.com/m/global-identity?redirectUrl=https%3A%2F%2Ftowardsdatascience.com%2Fexploring-the-next-word-predictor-5e22aeb85d8f

Twitter 感情分析

感情分析 (感情マイニングまたは感情 AI とも呼ばれる) は、文章が肯定的か、否定的か、中立的かを判断するために使用される方法です。このテクノロジーを使用する典型的なシナリオは、特定のトピックについて一般の人々がどのように感じているかを知ることです。 Twitter などのメディアプラットフォームはビッグデータの広大な海であるため、そのようなデータをマイニングすることで、さまざまな方法でユーザーの考えや意見を理解することができます。いくつかの問題に関するこの感覚を計算できれば、それがどのようなものになるかについての良いアイデアが得られます。これは株価の予測など、さまざまな目的に使用できます。

私は個人的にこのチュートリアルがとても気に入っています。コードはどの本よりもチュートリアルでわかりやすく説明されています。

https://www.youtube.com/watch?v=ujId4ipkBio

医療データを活用してがんを発見する

人工知能は、ビッグデータの傾向を特定し、ビッグデータ間の特徴を区別し、人間の脳が認識できないデータ特性を発見することに力を入れています。深部神経病理学スキャンにおける転移癌の自動検出は、臨床応用の有望な分野です。

[[360730]]

AI をがん治療に統合することで、診断の質と精度が向上し、臨床上の意思決定が支援され、患者の転帰が改善される可能性があります。特に低所得の環境での臨床ケアにおける AI は、健康格差を悪化させる可能性があります。

Python のソースコードとわかりやすい説明は、もちろんビデオも含めて、こちらの記事でご覧いただけます: https://medium.com/@randerson112358/breast-cancer-detection-using-machine-learning-38820fe98982

顔の感情認識と検出

21 世紀に入り、顔検出技術は不可欠なものとなりました。感情を検出し解釈するためのディープラーニングシステムは、人間の表情を認識して解釈するように設計されています。悲しみ、幸福、怒り、中立、嫌悪、恐怖、驚きといった人間の核心的な感情を検知することができます。顔の感情検出および認識システムの主な特徴は、感情を評価し、良い感情と悪い感情を区別し、正しく分類できることです。また、タグ付けされた感情情報を使用して、人の思考や行動パターンを識別することもできます。

これは現在最も人気のある人工知能プロジェクトの 1 つです。表情認識は古くから研究対象となってきましたが、これまでに具体的な成果は出てきていませんでした。