By Aqsha Zafari, Ph.D. Sarjana dalam Pembelajaran Mesin | Pendiri di MLTUT | Solopreneur | Blogger.

1. Identifikasi Ras Anjing

Ada berbagai jenis anjing, dan kebanyakan dari mereka mirip satu sama lain. Sebagai pemula, Anda dapat membuat model identifikasi ras Anjing untuk mengidentifikasi ras anjing.

Untuk proyek ini, Anda dapat menggunakan kumpulan data ras anjing untuk mengklasifikasikan berbagai ras anjing dari sebuah gambar. Anda dapat mengunduh kumpulan data ras anjing dari Kaggle.

Saya juga menemukan tutorial lengkap ini untuk Klasifikasi Ras Anjing menggunakan Pembelajaran Mendalam oleh Kirill Panarin.

2. Deteksi Wajah

Ini juga merupakan proyek pembelajaran mendalam yang bagus untuk pemula. Dalam proyek ini, Anda harus membangun model pembelajaran mendalam yang mendeteksi wajah manusia dari gambar.

Pengenalan wajah adalah teknologi visi komputer. Dalam deteksi wajah, Anda harus menemukan dan memvisualisasikan wajah manusia dalam gambar digital apa pun.

Anda dapat membangun proyek ini dengan Python menggunakan OpenCV. Untuk tutorial lengkapnya, cek artikel ini, RPengenalan Wajah real-time dengan Python & OpenCV.

3. Deteksi Penyakit Tanaman

Dalam proyek ini, Anda harus membuat model yang memprediksi penyakit pada tanaman menggunakan gambar RGB. Untuk membangun model pendeteksian penyakit tanaman, digunakan Convolutional Neural Networks (CNN).

CNN mengambil gambar untuk mengidentifikasi penyakit dan mendeteksinya. Ada berbagai langkah dalam Convolutional Neural Network. Langkah-langkah ini adalah:

1. Operasi Konvolusi.
2. Lapisan ReLU.
3. kolam renang.
4. Perataan.
5. Koneksi Penuh.

Anda dapat mengunduh kumpulan data gambar tanaman pertanian dari Kaggle.

4. Klasifikasi Gambar dengan Dataset CIFAR-10

Klasifikasi gambar adalah proyek terbaik untuk pemula. Dalam proyek klasifikasi gambar, Anda harus mengklasifikasikan gambar ke dalam berbagai kelas.

Untuk proyek ini, Anda dapat menggunakan Dataset CIFAR-10, yang berisi 60,000 gambar berwarna. Gambar-gambar ini dikategorikan ke dalam 10 kelas, seperti mobil, burung, anjing, kuda, kapal, truk, dll.

Sumber: kumpulan data CIFAR-10.

Untuk data pelatihan, ada 50,000 gambar, dan untuk data uji, digunakan 10,000 gambar. Klasifikasi gambar adalah salah satu aplikasi deep learning yang paling banyak digunakan. Anda dapat mengunduh Dataset CIFAR-10 di sini.

5. Pengenalan Digit Tulisan Tangan

Untuk mengeksplorasi dan menguji keterampilan pembelajaran mendalam Anda, saya pikir ini adalah proyek terbaik untuk dipertimbangkan. Dalam proyek ini, Anda akan membangun sistem pengenalan yang mengenali angka tulisan tangan manusia.

Anda dapat memeriksa tutorial ini untuk Pengenalan Digit Tulisan Tangan menggunakan Python.

Tutorial ini menggunakan Dataset MNIST dan tipe khusus jaringan saraf dalam yaitu Convolutional Neural Networks.

6. Deteksi Warna

Ini adalah proyek tingkat pemula di mana Anda harus membangun aplikasi interaktif. Aplikasi ini akan mengidentifikasi warna yang dipilih dari gambar apa pun. Ada 16 juta warna berdasarkan nilai warna RGB yang berbeda, tetapi kita hanya tahu beberapa warna.

Untuk mengimplementasikan proyek ini, Anda harus memiliki kumpulan data berlabel dari semua warna yang kita ketahui, dan kemudian Anda perlu menghitung warna mana yang paling mirip dengan nilai warna yang dipilih.

Untuk mengimplementasikan proyek ini, Anda harus terbiasa dengan library Computer Vision Python OpenCV dan Pandas.

Anda dapat memeriksa semua detail mengenai proyek ini di sini.

7. Animasi Gambar Real-time

Ini adalah proyek sumber terbuka tentang visi komputer. Dalam proyek ini, Anda harus melakukan animasi gambar secara real-time menggunakan OpenCV. Saya telah mengambil gambar ini dari repositori GitHub proyek.

Sumber: GitHub.

Seperti yang Anda lihat pada gambar, model meniru ekspresi orang di depan kamera dan mengubah ekspresi gambar sesuai dengan itu.

Proyek ini berguna, terutama jika Anda berencana untuk masuk ke mode, ritel, atau industri periklanan. Anda dapat memeriksa kode proyek ini di GitHub dan Notebook Colab juga.

8. Deteksi Mengantuk Pengemudi

Kecelakaan di Jalan adalah masalah serius, dan alasan utamanya adalah pengemudi yang mengantuk. Tetapi Anda dapat mencegah masalah ini dengan membuat deteksi kantuk pengemudi sistem.

Sistem Deteksi Mengantuk Pengemudi mendeteksi kantuk pengemudi dengan terus-menerus menilai mata pengemudi dan memperingatkannya dengan alarm.

Untuk proyek ini, webcam diperlukan untuk memantau mata pengemudi. Python, OpenCV, dan Keras digunakan untuk mengingatkan pengemudi ketika ia merasa mengantuk.

Anda dapat memeriksa tutorial proyek lengkap ini di sini, Sistem Deteksi Mengantuk Pengemudi dengan OpenCV & Keras.

Original. Diposting ulang dengan izin.

Bio: Aqsha Zafari, Ph.D. sarjana dalam Data Mining meneliti "Deteksi Depresi dari Media Sosial melalui Data Mining," dan menulis tentang Ilmu Data dan pembelajaran mesin di MLTUT untuk berbagi ilmu dan pengalaman di lapangan.

Terkait:

• 10 Proyek Ilmu Data Teratas untuk Pemula
• 4 Tips untuk Kurasi Dataset untuk Proyek NLP
• 21 Proyek Pembelajaran Mesin – Termasuk Kumpulan Data