50 Ideas de Proyectos de Inteligencia Artificial (Con Ejemplos)
Ya sea que sea un principiante absoluto o un veterano avanzado de IA, ¡tenemos el proyecto para usted! Fortalezca su conocimiento del aprendizaje automático con nuestras ideas de proyectos. Para cada proyecto, incluiremos la dificultad, el tiempo estimado para completarlo para que pueda controlar su ritmo y un ejemplo / tutorial en línea como guía.
Proyectos
1. Proyecto Nombre: Clasificación de imágenes
Descripción: Entrenar un modelo de aprendizaje profundo para clasificar imágenes de diferentes objetos. El modelo se entrenará en un conjunto de datos de imágenes etiquetadas y será capaz de predecir la clase de las nuevas imágenes.
Tiempo estimado para completar: 2-4 semanas
Tech stack utilizado: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://www.tensorflow.org/tutorials/images/classification
Nivel de dificultad: Intermedio
2. Proyecto Nombre: Análisis de sentimientos
Descripción: Desarrollar un modelo que pueda predecir el sentimiento (positivo o negativo) de un texto dado. El modelo se entrenará en un conjunto de datos de texto etiquetado y será capaz de predecir el sentimiento de textos nuevos.
Tiempo estimado para completar: 1-2 semanas
Tech stack utilizado: Python, TensorFlow, Keras, NLTK
Ejemplo en línea: https://www.tensorflow.org/tutorials/text/word_embeddings
Nivel de dificultad: Intermedio
3. Proyecto Nombre: Automatización del hogar controlado por voz
Descripción: Crear un asistente de voz impulsado por IA que pueda controlar varios dispositivos de automatización del hogar con comandos de voz. El sistema será capaz de entender y responder a varios comandos.
Tiempo estimado para completar: 4-6 semanas
Tech stack utilizado: Python, TensorFlow, Keras, Raspberry Pi
Ejemplo en línea: https://www.tensorflow.org/lite/models/speech_commands
Nivel de dificultad: Avanzado
4. Proyecto Nombre: Chatbot
Descripción: Construir un chatbot que pueda responder preguntas y realizar tareas simples. El chatbot se entrenará en un conjunto de pares pregunta-respuesta y será capaz de entender y responder a las entradas de lenguaje natural.
Tiempo estimado para completar: 2-3 semanas
Tech stack utilizado: Python, TensorFlow, Keras, NLTK
Ejemplo en línea: https://www.tensorflow.org/tutorials/text/transformer
Nivel de dificultad: Intermedio
5. Proyecto Nombre: Simulación de automóvil autónomo
Descripción: Crear una simulación de un automóvil autónomo utilizando el aprendizaje por refuerzo. El automóvil aprenderá a navegar en un entorno virtual y evitar obstáculos.
Tiempo estimado para completar: 4-6 semanas
Tech stack utilizado: Python, TensorFlow, Keras, Unity
Ejemplo en línea: https://github.com/Unity-Technologies/ml-agents
Nivel de dificultad: Avanzado
6. Proyecto Nombre: Reconocimiento facial
Descripción: Desarrollar un modelo que pueda reconocer rostros en imágenes y videos. El modelo se entrenará en un conjunto de datos de imágenes etiquetadas y será capaz de identificar nuevos rostros.
Tiempo estimado para completar: 2-3 semanas
Tech stack utilizado: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/ageitgey/face_recognition
Nivel de dificultad: Intermedio
7. Proyecto Nombre: Traducción de idiomas
Descripción: Desarrollar un modelo que pueda traducir texto de un idioma a otro. El modelo se entrenará en un conjunto de datos de texto bilingüe y será capaz de traducir texto nuevo.
Tiempo estimado para completar: 4-6 semanas
Tech stack utilizado: Python, TensorFlow, Keras, NLTK
Ejemplo en línea: https://github.com/tensorflow/tensor2tensor
Nivel de dificultad: Avanzado
8. Proyecto Nombre: Detección de objetos
Descripción: Entrenar un modelo de aprendizaje profundo para detectar objetos en imágenes y videos. El modelo se entrenará en un conjunto de datos de imágenes etiquetadas y será capaz de identificar nuevos objetos.
Tiempo estimado para completar: 3-4 semanas
Tech stack utilizado: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/tensorflow/models/tree/master/research/object_detection
Nivel de dificultad: Intermedio
9. Proyecto Nombre: GAN para generación de imágenes
Descripción: Implementar una Red Adversaria Generativa (GAN) para generar nuevas imágenes. El modelo se entrenará en un conjunto de datos de imágenes y será capaz de generar nuevas imágenes basadas en los datos.
Tiempo estimado para completar: 4-6 semanas
Tech stack utilizado: Python, TensorFlow, Keras
Ejemplo en línea: https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/generative_examples
Nivel de dificultad: Avanzado
10. Proyecto Nombre: Reconocimiento de emociones
Descripción: Desarrollar un modelo que pueda reconocer emociones en imágenes y videos. El modelo se entrenará en un conjunto de datos de imágenes etiquetadas y será capaz de identificar emociones en nuevas imágenes.
Tiempo estimado para completar: 2-3 semanas
Tech stack utilizado: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/oarriaga/face_classification
Nivel de dificultad: Intermedio
11. Proyecto Nombre: Generación de Texto
Descripción: Implementar un modelo de lenguaje basado en redes neuronales para generar texto en un idioma específico. El modelo se entrenará en un conjunto de datos de texto y será capaz de generar nuevos textos en el idioma específico.
Tiempo estimado para completar: 4-6 semanas
Tech stack utilizado: Python, TensorFlow, Keras, NLTK
Ejemplo en línea: https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/text_generation
Nivel de dificultad: Avanzado
12. Proyecto Nombre: Clasificación de Audio
Descripción: Entrenar un modelo de aprendizaje profundo para clasificar archivos de audio en diferentes categorías. El modelo se entrenará en un conjunto de datos de archivos de audio etiquetados y será capaz de predecir la clase de nuevos archivos de audio.
Tiempo estimado para completar: 3-4 semanas
Tech stack utilizado: Python, TensorFlow, Keras, Librosa
Ejemplo en línea: https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/speech_commands
Nivel de dificultad: Intermedio
13. Proyecto Nombre: Análisis de movimiento
Descripción: Desarrollar un modelo que pueda reconocer y analizar diferentes tipos de movimientos en videos. El modelo se entrenará en un conjunto de datos de videos etiquetados y será capaz de identificar y analizar nuevos movimientos en videos.
Tiempo estimado para completar: 4-6 semanas
Tech stack utilizado: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/tensorflow/models/tree/master/research/action_recognition
Nivel de dificultad: Avanzado
14. Proyecto Nombre: Generación de música
Descripción: Implementar un modelo de aprendizaje automático para generar música en un estilo específico. El modelo se entrenará en un conjunto de datos de música y será capaz de generar nueva música en el estilo específico.
Tiempo estimado para completar: 4-6 semanas
Tech stack utilizado: Python, TensorFlow, Keras, Music21
Ejemplo en línea: https://github.com/tensorflow/magenta/tree/master/magenta/models/melody_rnn
Nivel de dificultad: Avanzado
15. Proyecto Nombre: Análisis de datos en tiempo real
Descripción: Desarrollar un sistema que pueda recopilar y analizar datos en tiempo real. El sistema será capaz de recopilar datos de diferentes fuentes, analizarlos y proporcionar informes y alertas en tiempo real.
Tiempo estimado para completar: 4-6 semanas
Tech stack utilizado: Python, TensorFlow, Keras, Apache Kafka, Apache Storm
Ejemplo en línea: https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/real_time_data_analytics
Nivel de dificultad: Avanzado
16. Nombre del proyecto: Síntesis de voz
Descripción: Desarrollar un modelo que pueda sintetizar voz a partir de texto. El modelo se entrenará en un conjunto de datos de voz y texto y podrá sintetizar nueva voz.
Tiempo estimado para completar: 3-4 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, gTTS
Ejemplo en línea: https://github.com/pndurette/gTTS
Nivel de dificultad: Intermedio
17. Nombre del proyecto: Reconocimiento de entidad nombrada
Descripción: Desarrolle un modelo que pueda reconocer y clasificar entidades nombradas en el texto. El modelo se entrenará en un conjunto de datos de texto etiquetado y podrá reconocer nuevas entidades nombradas.
Tiempo estimado para completar: 2-3 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, NLTK
Ejemplo en línea: https://github.com/tensorflow/models/tree/master/research/language
Nivel de dificultad: Intermedio
18. Nombre del proyecto: Segmentación de imágenes
Descripción: entrene un modelo de aprendizaje profundo para segmentar imágenes en diferentes regiones. El modelo se entrenará en un conjunto de datos de imágenes etiquetadas y podrá segmentar nuevas imágenes.
Tiempo estimado para completar: 3-4 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/tensorflow/models/tree/master/research/deeplab
Nivel de dificultad: Intermedio
19. Nombre del proyecto: Reconocimiento de escritura a mano
Descripción: Desarrollar un modelo que pueda reconocer escritura a mano en imágenes. El modelo será entrenado en un conjunto de datos de imágenes etiquetadas y podrá reconocer nueva escritura a mano.
Tiempo estimado para completar: 2-3 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/githubharald/SimpleHTR
Nivel de dificultad: Intermedio
20. Nombre del proyecto: subtítulos de imágenes
Descripción: Desarrollar un modelo que pueda generar subtítulos para imágenes. El modelo se entrenará en un conjunto de datos de imágenes etiquetadas y leyendas y podrá generar leyendas para nuevas imágenes.
Tiempo estimado para completar: 4-6 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/tensorflow/models/tree/master/research/im2txt
Nivel de dificultad: Avanzado
21. Nombre del proyecto: Procesamiento del lenguaje natural (NLP)
Descripción: Desarrolle un modelo que pueda realizar tareas de procesamiento de lenguaje natural, como clasificación de texto y análisis de sentimientos. El modelo se entrenará en un conjunto de datos de texto etiquetado y podrá realizar tareas de NLP en texto nuevo.
Tiempo estimado para completar: 2-3 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, NLTK
Ejemplo en línea: https://github.com/nltk/nltk
Nivel de dificultad: Principiante
22. Nombre del proyecto: Juego Jugando AI
Descripción: Desarrollar un agente de IA que pueda jugar un juego. El agente estará capacitado para tomar decisiones y realizar acciones en el juego.
Tiempo estimado para completar: 3-4 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, OpenAI Gym
Ejemplo en línea: https://gym.openai.com/
Nivel de dificultad: Intermedio
23. Nombre del proyecto: Sistema de recomendación de libros
Descripción: desarrollar un modelo que pueda recomendar libros a los usuarios en función de sus preferencias de lectura. El modelo se entrenará en un conjunto de datos de preferencias de usuario e información de libros y podrá sugerir nuevos libros a los usuarios.
Tiempo estimado para completar: 2-3 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, Pandas
Ejemplo en línea: https://github.com/zygmuntz/goodbooks-10k
Nivel de dificultad: Principiante
24. Nombre del proyecto: Intercambio de rostros
Descripción: Desarrolla un modelo que pueda intercambiar rostros en imágenes y videos. El modelo se entrenará en un conjunto de datos de imágenes etiquetadas y podrá intercambiar caras en nuevas imágenes y videos.
Tiempo estimado para completar: 4-6 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/deepfakes/faceswap
Nivel de dificultad: Avanzado
25. Nombre del proyecto: Texto a voz
Descripción: Desarrolle un modelo que pueda convertir texto a voz. El modelo se entrenará en un conjunto de datos de voz y texto y podrá generar una nueva voz basada en nuevas entradas de texto.
Tiempo estimado para completar: 2-3 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, gTTS
Ejemplo en línea: https://github.com/pndurette/gTTS
Nivel de dificultad: Intermedio
26. Nombre del proyecto: Mantenimiento predictivo
Descripción: Desarrolle un modelo que pueda predecir cuándo es probable que una máquina falle. El modelo se entrenará en un conjunto de datos de sensores de máquinas y podrá predecir cuándo es probable que una máquina falle.
Tiempo estimado para completar: 3-4 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, Pandas
Ejemplo en línea: https://github.com/Azure/MachineLearningNotebooks/tree/master/how-to-use-azureml/machine-learning-with-python/predictive-maintenance-modeling
Nivel de dificultad: Intermedio
27. Nombre del proyecto: Imagen en pintura
Descripción: Desarrolle un modelo que pueda completar las partes faltantes de una imagen. El modelo se entrenará en un conjunto de datos de imágenes y podrá completar las partes faltantes de las nuevas imágenes.
Tiempo estimado para completar: 4-6 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/NVIDIA/partialconv-pytorch
Nivel de dificultad: Avanzado
28. Nombre del proyecto: seguimiento de objetos
Descripción: Desarrolle un modelo que pueda rastrear objetos en imágenes y videos. El modelo se entrenará en un conjunto de datos de imágenes etiquetadas y podrá rastrear nuevos objetos en nuevas imágenes y videos.
Tiempo estimado para completar: 3-4 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/jwyang/faster-rcnn.pytorch
Nivel de dificultad: Intermedio
29. Nombre del proyecto: Eliminación de ruido de imagen
Descripción: Desarrollar un modelo que pueda eliminar el ruido de las imágenes. El modelo se entrenará en un conjunto de datos de imágenes ruidosas y podrá eliminar el ruido de las nuevas imágenes.
Tiempo estimado para completar: 3-4 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/SaoYan/DnCNN-PyTorch
Nivel de dificultad: Intermedio
30. Nombre del proyecto: Predicción del precio de las acciones
Descripción: Desarrolle un modelo que pueda predecir los precios futuros de las acciones. El modelo se entrenará en un conjunto de datos de acciones históricas y podrá predecir los precios futuros de las acciones.
Tiempo estimado para completar: 2-3 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, Pandas
Ejemplo en línea: https://github.com/llSourcell/How-to-Predict-Stock-Prices-Easily-Demo
Nivel de dificultad: Principiante
31. Nombre del proyecto: Imagen de superresolución
Descripción: Desarrollar un modelo que pueda aumentar la resolución de las imágenes. El modelo se entrenará en un conjunto de datos de imágenes y podrá aumentar la resolución de nuevas imágenes.
Tiempo estimado para completar: 4-6 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/twtygqyy/pytorch-SRResNet
Nivel de dificultad: Avanzado
32. Nombre del proyecto: Reconocimiento de la actividad humana
Descripción: Desarrollar un modelo que pueda reconocer actividades humanas en imágenes y videos. El modelo se entrenará en un conjunto de datos de imágenes y videos etiquetados y podrá reconocer nuevas actividades.
Tiempo estimado para completar: 3-4 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/guillaume-chevalier/LSTM-Human-Activity-Recognition
Nivel de dificultad: Intermedio
33. Nombre del proyecto: reconocimiento de emociones del habla
Descripción: Desarrollar un modelo que pueda reconocer emociones en el habla. El modelo se entrenará en un conjunto de datos de habla etiquetada y podrá reconocer emociones en un nuevo habla.
Tiempo estimado para completar: 2-3 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, SpeechRecognition
Ejemplo en línea: https://github.com/happynoom/Speech-Emotion-Recognition
Nivel de dificultad: Intermedio
34. Nombre del proyecto: Compresión de imágenes
Descripción: Desarrollar un modelo que pueda comprimir imágenes. El modelo se entrenará en un conjunto de datos de imágenes y podrá comprimir nuevas imágenes.
Tiempo estimado para completar: 3-4 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/tensorflow/models/tree/master/research/compression
Nivel de dificultad: Intermedio
35. Nombre del proyecto: Detección de anomalías
Descripción: Desarrolle un modelo que pueda detectar anomalías en los datos. El modelo se entrenará en un conjunto de datos normales y podrá detectar anomalías en datos nuevos.
Tiempo estimado para completar: 2-3 semanas
Techstack utilizado: Python, TensorFlow, Keras, Pandas
Ejemplo en línea: https://github.com/yzhao062/anomaly-detection
Nivel de dificultad: Principiante
36. Nombre del Proyecto: Análisis de Sentimiento en Redes Sociales
Descripción: Desarrolle un modelo que pueda analizar el sentimiento de los tweets sobre un tema específico. El modelo se entrenará en un conjunto de datos de tweets etiquetados y podrá analizar el sentimiento de los nuevos tweets.
Tiempo estimado para completar: 2-3 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, NLTK, Tweepy
Ejemplo en línea: https://github.com/vprusso/youtube_tutorials/tree/master/twitter_python
Nivel de dificultad: Intermedio
37. Nombre del proyecto: subtítulos de imágenes inclusivos
Descripción: Desarrolle un modelo que pueda generar leyendas de imágenes inclusivas y diversas. El modelo se entrenará en un conjunto de datos de imágenes y subtítulos etiquetados y podrá generar nuevos subtítulos que sean inclusivos y diversos.
Tiempo estimado para completar: 4-6 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/google-research/image-captioning
Nivel de dificultad: Intermedio
38. Nombre del proyecto: Detección de fraude en finanzas Descripción: Desarrollar un modelo que pueda detectar transacciones fraudulentas en datos financieros. El modelo se entrenará en un conjunto de datos de datos financieros etiquetados y podrá detectar fraudes en nuevas transacciones.
Tiempo estimado para completar: 2-3 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, Pandas
Ejemplo en línea: https://github.com/nsethi31/Kaggle-Fraud-Detection
Nivel de dificultad: Intermedio
39. Nombre del proyecto: Mantenimiento predictivo en el cuidado de la salud
Descripción: Desarrolle un modelo que pueda predecir cuándo es probable que falle un equipo médico. El modelo se entrenará en un conjunto de datos de sensores de equipos médicos y podrá predecir cuándo el equipo necesita mantenimiento.
Tiempo estimado para completar: 3-4 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, Pandas
Ejemplo en línea: https://github.com/Azure/MachineLearningNotebooks/tree/master/how-to-use-azureml/machine-learning-with-python/predictive-maintenance-modeling
Nivel de dificultad: Intermedio
40. Nombre del proyecto: Recomendación de producto en Retail
Descripción: Desarrolle un modelo que pueda recomendar productos a los clientes en función de su historial de compras. El modelo se entrenará en un conjunto de datos de compra de clientes y podrá sugerir nuevos productos a los clientes.
Tiempo estimado para completar: 2-3 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, Pandas
Ejemplo en línea: https://github.com/zygmuntz/goodbooks-10k
Nivel de dificultad: Principiante
41. Nombre del proyecto: Sugerencia de itinerario de viaje
Descripción: Desarrollar un modelo que pueda sugerir itinerarios de viaje basados en las preferencias de un usuario. El modelo se entrenará en un conjunto de datos de información de viajes y preferencias de los usuarios y podrá sugerir nuevos itinerarios a los usuarios.
Tiempo estimado para completar: 3-4 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, Pandas
Ejemplo en línea: https://github.com/llSourcell/Travel_Itinerary_Generation
Nivel de dificultad: Intermedio
42. Nombre del Proyecto: Segmentación de Clientes en el Negocio Descripción: Desarrollar un modelo que pueda segmentar a los clientes en diferentes grupos en función de sus características y comportamiento. El modelo se entrenará en un conjunto de datos de clientes y podrá segmentar nuevos clientes.
Tiempo estimado para completar: 2-3 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, Pandas
Ejemplo en línea: https://github.com/nsethi31/Kaggle-Customer-Segmentation
Nivel de dificultad: Intermedio
43. Nombre del proyecto: Precios predictivos en el comercio minorista
Descripción: Desarrolle un modelo que pueda predecir el precio óptimo de un producto. El modelo se entrenará en un conjunto de datos de precios y podrá predecir el precio óptimo para nuevos productos.
Tiempo estimado para completar: 3-4 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, Pandas
Ejemplo en línea: https://github.com/nsethi31/Kaggle-Predictive-Pricing
Nivel de dificultad: Intermedio
44. Nombre del proyecto: Diagnóstico de enfermedades en el cuidado de la salud
Descripción: Desarrollar un modelo que pueda diagnosticar enfermedades en función de los síntomas del paciente y los resultados de las pruebas médicas. El modelo se entrenará en un conjunto de datos de pacientes y podrá diagnosticar nuevos pacientes.
Tiempo estimado para completar: 4-6 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, Pandas
Ejemplo en línea: https://github.com/nsethi31/Kaggle-Disease-Diagnosis
Nivel de dificultad: Avanzado
45. Nombre del proyecto: Mantenimiento predictivo en la fabricación
Descripción: Desarrolle un modelo que pueda predecir cuándo es probable que falle el equipo de fabricación. El modelo se entrenará en un conjunto de datos de sensores de equipos de fabricación y podrá predecir cuándo el equipo necesita mantenimiento.
Tiempo estimado para completar: 3-4 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, Pandas
Ejemplo en línea: https://github.com/Azure/MachineLearningNotebooks/tree/master/how-to-use-azureml/machine-learning-with-python/predictive-maintenance-modeling
Nivel de dificultad: Intermedio
46. Nombre del proyecto: Chatbot para atención al cliente en empresas
Descripción: Desarrolle un modelo que pueda simular una conversación similar a la humana para el servicio al cliente. El modelo se entrenará en un conjunto de datos de interacciones de servicio al cliente etiquetadas y podrá ayudar a nuevos clientes.
Tiempo estimado para completar: 4-6 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, NLTK
Ejemplo en línea: https://github.com/gunthercox/ChatterBot
Nivel de dificultad: Intermedio
47. Nombre del proyecto: pronóstico de ventas en el comercio minorista
Descripción: Desarrolle un modelo que pueda predecir las ventas futuras de un negocio minorista. El modelo se entrenará en un conjunto de datos de ventas históricas y podrá predecir las ventas futuras.
Tiempo estimado para completar: 2-3 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, Pandas Ejemplo en línea: https://github.com/nsethi31/Kaggle-Sales-Forecasting
Nivel de dificultad: Principiante
48. Nombre del proyecto: Análisis de imágenes para imágenes médicas en el cuidado de la salud Descripción: Desarrollar un modelo que pueda analizar imágenes médicas con fines de diagnóstico. El modelo se entrenará en un conjunto de datos de imágenes médicas etiquetadas y podrá analizar nuevas imágenes para el diagnóstico.
Tiempo estimado para completar: 4-6 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, OpenCV
Ejemplo en línea: https://github.com/nsethi31/Kaggle-Medical-Imaging
Nivel de dificultad: Avanzado
49. Nombre del proyecto: Detección de sesgos de género en PNL
Descripción: desarrollar un modelo que pueda detectar el sesgo de género en los modelos de procesamiento del lenguaje natural (NLP). El modelo se entrenará en un conjunto de datos de texto etiquetado y podrá detectar sesgos de género en nuevos datos de texto.
Tiempo estimado para completar: 2-3 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, NLTK
Ejemplo en línea: https://github.com/tolga-b/debiaswe
Nivel de dificultad: Intermedio
50. Nombre del proyecto: Equidad en el aprendizaje automático
Descripción: Desarrolle un modelo que pueda detectar y mitigar el sesgo en los modelos de aprendizaje automático. El modelo se entrenará en un conjunto de datos etiquetados y podrá detectar y mitigar el sesgo en los datos nuevos.
Tiempo estimado para completar: 4-6 semanas
Pila tecnológica utilizada: Python, TensorFlow, Keras, Pandas
Ejemplo en línea: https://github.com/IBM/AIF360
Nivel de dificultad: Avanzado
Si estas ideas le resultaron útiles, asegúrese de suscribirse a nuestro blog.
