{"id":54058,"date":"2019-12-17T00:00:00","date_gmt":"2019-12-16T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/14-open-source-proektov-dlya-prokachki-data-science-masterstva-easy-normal-hard"},"modified":"2020-02-18T14:02:02","modified_gmt":"2020-02-18T11:02:02","slug":"14-open-source-proektov-dlya-prokachki-data-science-masterstva-easy-normal-hard","status":"publish","type":"post","link":"https:\/\/prohoster.info\/hu\/blog\/news\/14-open-source-proektov-dlya-prokachki-data-science-masterstva-easy-normal-hard","title":{"rendered":"14 ny\u00edlt forr\u00e1sk\u00f3d\u00fa projekt a Data Science k\u00e9szs\u00e9gek fejleszt\u00e9s\u00e9hez (egyszer\u0171, norm\u00e1l, neh\u00e9z)","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Adat tudom\u00e1ny kezd\u0151knek<\/i><\/p>\n

1. \u00c9rzelem elemz\u00e9s (Sz\u00f6vegb\u0151l sz\u00e1rmaz\u00f3 \u00e9rzelem elemz\u00e9s)<\/h3>\n

\n\"14
\n
\nN\u00e9zze meg a Data Science projekt teljes megval\u00f3s\u00edt\u00e1s\u00e1t a forr\u00e1sk\u00f3d seg\u00edts\u00e9g\u00e9vel \u2014 \u00c9rzelem elemz\u00e9s projekt R-ben<\/a><\/noindex>.<\/p>\n

A Hangulat-Anal\u00edzis a szavak elemz\u00e9s\u00e9t jelenti az \u00e9rzelmek \u00e9s v\u00e9lem\u00e9nyek, amelyek lehetnek pozit\u00edvak vagy negat\u00edvak, meghat\u00e1roz\u00e1s\u00e1ra. Ez egy olyan oszt\u00e1lyoz\u00e1si t\u00edpus, ahol az oszt\u00e1lyok lehetnek bin\u00e1risak (pozit\u00edvak \u00e9s negat\u00edvak) vagy t\u00f6bbesek (boldogok, d\u00fch\u00f6sek, szomor\u00faak, undor\u00edt\u00f3ak ...). Ezt az Adattudom\u00e1nyi projektet R nyelvben val\u00f3s\u00edtjuk meg, \u00e9s a \"janeaustenR\" csomagban tal\u00e1lhat\u00f3 adatb\u00e1zist fogjuk haszn\u00e1lni. \u00c1ltal\u00e1nos c\u00e9l\u00fa sz\u00f3t\u00e1rakat, mint az AFINN, bing \u00e9s loughran fogunk alkalmazni, bels\u0151 kapcsol\u00f3d\u00e1st v\u00e9gz\u00fcnk, v\u00e9g\u00fcl pedig l\u00e9trehozunk egy sz\u00f3t\u00e1rt, hogy megjelen\u00edts\u00fck az eredm\u00e9nyt.<\/p>\n

Nyelv:<\/b> R
\nAdathalmazon\/ Csomag:<\/b> janeaustenR
\n<\/a><\/noindex><\/p>\n

\"14<\/a><\/noindex>

\nA cikket az EDISON Software t\u00e1mogat\u00e1s\u00e1val ford\u00edtott\u00e1k, amely virtu\u00e1lis pr\u00f3baf\u00fclk\u00e9ket hoz l\u00e9tre multibrand boltok sz\u00e1m\u00e1ra<\/a><\/noindex>, valamint szoftvereket tesztel<\/a><\/noindex>.<\/p><\/blockquote>\n

2. \u00c1lh\u00edrek \u00e9szlel\u00e9se<\/h3>\n

\nFejlessze tud\u00e1s\u00e1t egy \u00faj szintre a kezd\u0151knek sz\u00f3l\u00f3 Data Science projekt sor\u00e1n \u2014 \u00e1lh\u00edrek \u00e9szlel\u00e9se Python seg\u00edts\u00e9g\u00e9vel<\/a><\/noindex>.<\/p>\n

\"14
\n
\nAz \u00e1lh\u00edrek hamis inform\u00e1ci\u00f3k, amelyeket a k\u00f6z\u00f6ss\u00e9gi m\u00e9di\u00e1n \u00e9s m\u00e1s online forr\u00e1sokon kereszt\u00fcl terjesztenek politikai c\u00e9lok el\u00e9r\u00e9se \u00e9rdek\u00e9ben. Ebben a Data Science projekt \u00f6tletben Python-t fogunk haszn\u00e1lni egy olyan modell fel\u00e9p\u00edt\u00e9s\u00e9re, amely pontosan meg tudja \u00e1llap\u00edtani, hogy egy h\u00edr val\u00f3s vagy hamis. L\u00e9trehozunk egy TfidfVectorizer-t \u00e9s a PassiveAggressiveClassifier-t fogjuk haszn\u00e1lni a h\u00edrek \u2018val\u00f3s\u2019 \u00e9s \u2018hamis\u2019 besorol\u00e1s\u00e1ra. Az adathalmazunk 7796 \u00d7 4 form\u00e1tum\u00fa lesz, \u00e9s mindent Jupyter Lab-ban fogunk v\u00e9grehajtani.<\/p>\n

Nyelv:<\/b> Python<\/p>\n

Adathalmazon\/ Csomag:<\/b> news.csv<\/p>\n

3. Parkinson-k\u00f3r \u00e9szlel\u00e9se<\/h3>\n

\nHaladjon el\u0151re a Data Science Project Idea \u00f6tlet kidolgoz\u00e1s\u00e1ban \u2014 Parkinson-k\u00f3r \u00e9szlel\u00e9se XGBoost seg\u00edts\u00e9g\u00e9vel<\/a><\/noindex>.<\/p>\n

\"14
\n
\nKezdt\u00fck alkalmazni a Data Science-t az eg\u00e9szs\u00e9g\u00fcgy \u00e9s a szolg\u00e1ltat\u00e1sok jav\u00edt\u00e1s\u00e1ra \u2014 ha el\u0151re meg tudjuk j\u00f3solni a betegs\u00e9get, sz\u00e1mos el\u0151ny\u00fcnk sz\u00e1rmazik. Teh\u00e1t ebben a Data Science projekt \u00f6tletben megtanuljuk a Parkinson-k\u00f3r \u00e9szlel\u00e9s\u00e9t Python seg\u00edts\u00e9g\u00e9vel. Ez egy neurodegenerat\u00edv, progressz\u00edv k\u00f6zponti idegrendszeri betegs\u00e9g, amely a mozg\u00e1sra hat, remeg\u00e9st \u00e9s merevs\u00e9get okoz. Hat\u00e1ssal van a dopamint termel\u0151 neuronokra az agyban, \u00e9s \u00e9vente t\u00f6bb mint 1 milli\u00f3 embert \u00e9rint Indi\u00e1ban.<\/p>\n

Nyelv:<\/b> Python<\/p>\n

Adathalmazon\/ Csomag:<\/b> UCI ML Parkinsons adatb\u00e1zis<\/p>\n

K\u00f6zepes neh\u00e9zs\u00e9g\u0171 Data Science projektek<\/i><\/p>\n

4. Besz\u00e9db\u0151l sz\u00e1rmaz\u00f3 \u00e9rzelem felismer\u00e9s<\/h3>\n

\nIsmerje meg a Data Science projekt p\u00e9lda teljes megval\u00f3s\u00edt\u00e1s\u00e1t \u2014 besz\u00e9dfelismer\u00e9s a Librosa seg\u00edts\u00e9g\u00e9vel<\/a><\/noindex>.<\/p>\n

\"14
\n
\nMost tanuljunk meg k\u00fcl\u00f6nb\u00f6z\u0151 k\u00f6nyvt\u00e1rakat haszn\u00e1lni. Ez a Data Science projekt a libros\u00e1t haszn\u00e1lja a besz\u00e9dfelismer\u00e9shez. A SER egy folyamat, amely az emberi \u00e9rzelmek \u00e9s affekt\u00edv \u00e1llapotok meghat\u00e1roz\u00e1sa a besz\u00e9d alapj\u00e1n. Mivel az \u00e9rzelmeket hangz\u00e1ssal fejezz\u00fck ki, a SER relev\u00e1ns. De mivel az \u00e9rzelmek szubjekt\u00edvek, a hang annot\u00e1l\u00e1sa neh\u00e9z feladat. Az mfcc, chroma \u00e9s mel funkci\u00f3kat fogjuk haszn\u00e1lni, \u00e9s a RAVDESS adathalmazon fogjuk az \u00e9rzelmeket felismerni. MLPC oszt\u00e1lyoz\u00f3t fogunk l\u00e9trehozni ehhez a modellhez.<\/p>\n

Nyelv:<\/b> Python<\/p>\n

Adathalmazon\/ Csomag:<\/b> RAVDESS adathalmaz<\/p>\n

5. Nem \u00e9s \u00e9letkor \u00e9szlel\u00e9s (Gender and Age Detection)<\/h3>\n

\nB\u00fcszk\u00e9lkedjen a leg\u00fajabb Data Science projekttel \u2014 a nem \u00e9s \u00e9letkor meghat\u00e1roz\u00e1sa az OpenCV seg\u00edts\u00e9g\u00e9vel<\/a><\/noindex>.<\/p>\n

\"14
\n
\nEz egy \u00e9rdekes Data Science projekt Pythonban. Csak egy k\u00e9pet haszn\u00e1lva megtanulja el\u0151re jelezni egy szem\u00e9ly nem\u00e9t \u00e9s \u00e9letkor\u00e1t. Ebben megismertetj\u00fck \u00d6nt a Computer Visionnal \u00e9s annak elveivel. Fel\u00e9p\u00edt\u00fcnk egy konvol\u00faci\u00f3s neur\u00e1lis h\u00e1l\u00f3t<\/a><\/noindex> \u00e9s a Tal Hassner \u00e9s Gil Levi \u00e1ltal betan\u00edtott modelleket haszn\u00e1ljuk az Adience adathalmazon. \u00dat k\u00f6zben haszn\u00e1lni fogunk n\u00e9h\u00e1ny .pb, .pbtxt, .prototxt \u00e9s .caffemodel f\u00e1jlt.<\/p>\n

Nyelv:<\/b> Python<\/p>\n

Adathalmazon\/ Csomag:<\/b> Adience<\/p>\n

6. Uber adatelemz\u00e9s (Uber Data Analysis)<\/h3>\n

\nN\u00e9zze meg a Data Science projekt teljes megval\u00f3s\u00edt\u00e1s\u00e1t forr\u00e1sk\u00f3ddal \u2014 Uber Adatelemz\u00e9si Projekt R-ben<\/a><\/noindex>.<\/p>\n

\"14
\n
\nEz egy adatelemz\u0151 projekt a ggplot2-vel, amelyben az R-t \u00e9s annak k\u00f6nyvt\u00e1rait fogjuk haszn\u00e1lni, hogy k\u00fcl\u00f6nb\u00f6z\u0151 param\u00e9tereket elemezz\u00fcnk. A New York-i Uber Pickup adathalmazon fogunk dolgozni, \u00e9s vizualiz\u00e1ci\u00f3kat k\u00e9sz\u00edt\u00fcnk k\u00fcl\u00f6nb\u00f6z\u0151 id\u0151keretekre. Ez azt mutatja meg, hogy az id\u0151 hogyan befoly\u00e1solja az utasok utaz\u00e1sait.<\/p>\n

Nyelv:<\/b> R<\/p>\n

Adathalmazon\/ Csomag:<\/b> Uber Pickups in New York City adathalaz<\/p>\n

7. Sof\u0151r f\u00e1radts\u00e1gi \u00e9szlel\u00e9s (Driver Drowsiness detection)<\/h3>\n

\nFejlessze k\u00e9pess\u00e9geit a Top Data Science Projekten \u2014 f\u00e1radts\u00e1g\u00e9szlel\u0151 rendszer az OpenCV & Keras seg\u00edts\u00e9g\u00e9vel<\/a><\/noindex>.<\/p>\n

\"14
\n
\nA f\u00e1radt vezet\u00e9s rendk\u00edv\u00fcl vesz\u00e9lyes, \u00e9s \u00e9vente k\u00f6r\u00fclbel\u00fcl ezer baleset t\u00f6rt\u00e9nik, mivel a sof\u0151r\u00f6k elalszanak vezet\u00e9s k\u00f6zben. Ebben a Python projekteben l\u00e9trehozunk egy rendszert, amely k\u00e9pes \u00e9szlelni a f\u00e1radt sof\u0151r\u00f6ket, \u00e9s figyelmeztetni \u0151ket hangjelz\u00e9ssel.<\/p>\n

Ez a projekt a Keras \u00e9s OpenCV haszn\u00e1lat\u00e1val k\u00e9sz\u00fclt. Az OpenCV-t az arc- \u00e9s szem\u00e9szlel\u00e9shez fogjuk haszn\u00e1lni, m\u00edg a Keras seg\u00edts\u00e9g\u00e9vel az eye state (nyitott vagy z\u00e1rt) besorol\u00e1s\u00e1ra m\u00e9ly neur\u00e1lis h\u00e1l\u00f3zati m\u00f3dszereket alkalmazunk.<\/p>\n

8. Chatbot<\/h3>\n

\nHozzon l\u00e9tre chatbotot Python haszn\u00e1lat\u00e1val, \u00e9s l\u00e9pjen egyet el\u0151re a karrierj\u00e9ben \u2014 Chatbot NLTK & Keras seg\u00edts\u00e9g\u00e9vel<\/a><\/noindex>.<\/p>\n

\"14
\n
\nA chatbotok elengedhetetlen r\u00e9szei az \u00fczletnek. Sok v\u00e1llalatnak kell szolg\u00e1ltat\u00e1sokat ny\u00fajtania \u00fcgyfeleinek, amit sok munkaer\u0151re, id\u0151re \u00e9s er\u0151fesz\u00edt\u00e9sre van sz\u00fcks\u00e9g. A chatbotok automatiz\u00e1lhatj\u00e1k az \u00fcgyf\u00e9lkapcsolatok jelent\u0151s r\u00e9sz\u00e9t, v\u00e1laszolva a gyakran feltett k\u00e9rd\u00e9sek egy r\u00e9sz\u00e9re. Alapvet\u0151en k\u00e9tf\u00e9le chatbot l\u00e9tezik: domain-specifikus \u00e9s ny\u00edlt domain. A domain-specifikus chatbotot gyakran haszn\u00e1lj\u00e1k konkr\u00e9t probl\u00e9m\u00e1k megold\u00e1s\u00e1ra. Ez\u00e9rt azt hat\u00e9konyan kell testre szabni a szakter\u00fclet\u00e9n. A ny\u00edlt domain chatbotoknak b\u00e1rmilyen k\u00e9rd\u00e9st fel lehet tenni, \u00edgy ezek kik\u00e9pz\u00e9s\u00e9hez hatalmas mennyis\u00e9g\u0171 adatra van sz\u00fcks\u00e9g.<\/p>\n

Adat\u00e1llom\u00e1ny:<\/b> Intents json f\u00e1jl<\/p>\n

Nyelv:<\/b> Python<\/p>\n

Fejlett Data Science projektek<\/i><\/p>\n

9. K\u00e9p Le\u00edr\u00f3 Gener\u00e1tor<\/h3>\n

\nN\u00e9zze meg a teljes projekt megval\u00f3s\u00edt\u00e1st forr\u00e1sk\u00f3ddal \u2014 K\u00e9p Le\u00edr\u00f3 Gener\u00e1tor CNN & LSTM seg\u00edts\u00e9g\u00e9vel<\/a><\/noindex>.<\/p>\n

\"14
\n
\nAmi a k\u00e9pen l\u00e1that\u00f3, az k\u00f6nny\u0171 feladat az emberek sz\u00e1m\u00e1ra, de a sz\u00e1m\u00edt\u00f3g\u00e9pek sz\u00e1m\u00e1ra a k\u00e9p egyszer\u0171en egy sz\u00e1mgy\u0171jtem\u00e9ny, amely a sz\u00edn\u00e9rt\u00e9kek minden pixelhez tartoz\u00f3 \u00e9rt\u00e9k\u00e9t k\u00e9pviseli. Ez egy neh\u00e9z feladat a sz\u00e1m\u00edt\u00f3g\u00e9pek sz\u00e1m\u00e1ra. Meg\u00e9rteni, mi tal\u00e1lhat\u00f3 a k\u00e9pen, majd term\u00e9szetes nyelven (p\u00e9ld\u00e1ul angolul) le\u00edr\u00e1st k\u00e9sz\u00edteni, m\u00e1sik neh\u00e9z feladat. Ez a projekt m\u00e9lytanul\u00e1si m\u00f3dszereket alkalmaz, amelyekben egy Konvol\u00faci\u00f3s Neur\u00e1lis H\u00e1l\u00f3zatot (CNN) val\u00f3s\u00edtunk meg egy Rekurrens Neur\u00e1lis H\u00e1l\u00f3zattal (LSTM) a k\u00e9p le\u00edr\u00f3 gener\u00e1tor l\u00e9trehoz\u00e1s\u00e1hoz.<\/p>\n

Adat\u00e1llom\u00e1ny:<\/b> Flickr 8K<\/p>\n

Nyelv:<\/b> Python<\/p>\n

Keretrendszer:<\/b> , amely t\u00f6bb interf\u00e9szv\u00e1ltozatot biztos\u00edt a modellek fel\u00e9p\u00edt\u00e9s\u00e9hez (Szekvenci\u00e1lis, Funkcion\u00e1lis, Aloszt\u00e1lyoz\u00e1s), lehet\u0151v\u00e9 t\u00e9ve azok<\/p>\n

10. Hitelk\u00e1rtya Csal\u00e1s Felismer\u00e9se<\/h3>\n

\nTegyen meg mindent az adat tudom\u00e1nyos projekt \u00f6tlet\u00e9n dolgozva \u2014 hitelk\u00e1rtya-csal\u00e1s \u00e9szlel\u00e9se g\u00e9pi tanul\u00e1ssal<\/a><\/noindex>.<\/p>\n

\"14
\n
\nEddig m\u00e1r kezdte meg\u00e9rteni a m\u00f3dszereket \u00e9s a koncepci\u00f3kat. N\u00e9zz\u00fcnk \u00e1t n\u00e9h\u00e1ny fejlettebb projektet a data science ter\u00fclet\u00e9n. Ebben a projektben az R nyelvet fogjuk haszn\u00e1lni olyan algoritmusokkal, mint a d\u00f6nt\u00e9si f\u00e1k<\/a><\/noindex>, logisztikai regresszi\u00f3, mesters\u00e9ges neur\u00e1lis h\u00e1l\u00f3zatok \u00e9s gradiensemel\u00e9si klasszifik\u00e1tor. K\u00e1rtya tranzakci\u00f3k adathalmazt fogunk haszn\u00e1lni a hitelk\u00e1rty\u00e1s tranzakci\u00f3k csal\u00e1sk\u00e9nt \u00e9s val\u00f3sk\u00e9nt val\u00f3 oszt\u00e1lyoz\u00e1s\u00e1hoz. K\u00fcl\u00f6nb\u00f6z\u0151 modelleket fogunk alkalmazni \u00e9s teljes\u00edtm\u00e9nyg\u00f6rb\u00e9ket \u00e9p\u00edt\u00fcnk.<\/p>\n

Nyelv:<\/b> R<\/p>\n

Adathalmazon\/ Csomag:<\/b> K\u00e1rtya tranzakci\u00f3k adathalmaza<\/p>\n

11. Filmaj\u00e1nl\u00f3 Rendszer<\/h3>\n

\nFedezze fel a legjobb Data Science projekt megval\u00f3s\u00edt\u00e1s\u00e1t a forr\u00e1sk\u00f3ddal \u2014 Filmaj\u00e1nl\u00f3 Rendszer R nyelven<\/a><\/noindex><\/p>\n

\"14
\n
\nEbben a Data Science projektben az R-t fogjuk haszn\u00e1lni a filmes aj\u00e1nl\u00e1sok g\u00e9pi tanul\u00e1s r\u00e9v\u00e9n t\u00f6rt\u00e9n\u0151 v\u00e9grehajt\u00e1s\u00e1ra. Az aj\u00e1nl\u00f3 rendszer javaslatokat k\u00fcld a felhaszn\u00e1l\u00f3knak, egy olyan sz\u0171r\u00e9si folyamat keretein bel\u00fcl, amely m\u00e1s felhaszn\u00e1l\u00f3k preferenci\u00e1in \u00e9s n\u00e9z\u00e9si t\u00f6rt\u00e9net\u00e9n alapul. Ha A \u00e9s B szereti a Reszkessetek, bet\u00f6r\u0151k, \u00e9s B szereti a Mean Girls-t, akkor A-nak aj\u00e1nlhat\u00f3, hogy \u0151 is kedvelheti. Ez lehet\u0151v\u00e9 teszi a felhaszn\u00e1l\u00f3k sz\u00e1m\u00e1ra, hogy interakci\u00f3ba l\u00e9pjenek a platformmal.<\/p>\n

Nyelv:<\/b> R<\/p>\n

Adathalmazon\/ Csomag:<\/b> MovieLens adathalmoz<\/p>\n

12. V\u00e1s\u00e1rl\u00f3i szegment\u00e1ci\u00f3<\/h3>\n

\nHagyjon benyom\u00e1st a munkaad\u00f3kra egy Data Science projekttel (forr\u00e1sk\u00f3ddal egy\u00fctt) \u2014 V\u00e1s\u00e1rl\u00f3i szegment\u00e1ci\u00f3 g\u00e9pi tanul\u00e1ssal<\/a><\/noindex>.<\/p>\n

\"14
\n
\nA v\u00e1s\u00e1rl\u00f3k szegment\u00e1l\u00e1sa egy n\u00e9pszer\u0171 alkalmaz\u00e1s fel\u00fcgyelet n\u00e9lk\u00fcli tanul\u00e1s<\/a><\/noindex>. A klaszterez\u00e9s alkalmaz\u00e1s\u00e1val a c\u00e9gek \u00fcgyf\u00e9lcsoportokat hat\u00e1roznak meg a potenci\u00e1lis felhaszn\u00e1l\u00f3i b\u00e1zissal val\u00f3 munk\u00e1ra. Az \u00fcgyfeleket olyan k\u00f6z\u00f6s jellemz\u0151k szerint csoportos\u00edtj\u00e1k, mint a nem, \u00e9letkor, \u00e9rdekl\u0151d\u00e9s \u00e9s k\u00f6lt\u00e9si szok\u00e1sok, hogy hat\u00e9konyan \u00e9rt\u00e9kes\u00edthess\u00e9k term\u00e9keiket minden csoportnak. Mi a K-means klaszterez\u00e9st<\/a><\/noindex>, valamint a nemek \u00e9s \u00e9letkorok eloszl\u00e1s\u00e1nak vizualiz\u00e1l\u00e1s\u00e1t fogjuk alkalmazni. Ezut\u00e1n elemezz\u00fck az \u00e9ves j\u00f6vedelmeiket \u00e9s kiad\u00e1si szintj\u00fcket.<\/p>\n

Nyelv:<\/b> R<\/p>\n

Adathalmazon\/ Csomag:<\/b> Mall_Customers adathalmaz<\/p>\n

13. Mellr\u00e1k oszt\u00e1lyoz\u00e1s<\/h3>\n

\nN\u00e9zze meg a Data Science projekt teljes megval\u00f3s\u00edt\u00e1s\u00e1t Pythonban \u2014 Mellr\u00e1k oszt\u00e1lyoz\u00e1s m\u00e9lytanul\u00e1ssal<\/a><\/noindex>.<\/p>\n

\"14
\n
\nVisszat\u00e9rve az adatutal\u00e1s orvosi hozz\u00e1j\u00e1rul\u00e1s\u00e1hoz, tanuljuk meg a mellr\u00e1k \u00e9szlel\u00e9s\u00e9t Python seg\u00edts\u00e9g\u00e9vel. Az IDC_regular adatb\u00e1zist fogjuk haszn\u00e1lni invaz\u00edv ductalis karcin\u00f3ma azonos\u00edt\u00e1s\u00e1ra, amely a leggyakoribb mellr\u00e1k forma. Ez a tejcsatorn\u00e1kban alakul ki, behatolva a tejmirigy rostos vagy zs\u00edrsz\u00f6vet\u00e9be a cs\u0151b\u0151l kifel\u00e9. Ebben az adathal\u00e1szati tudom\u00e1nyos projekt\u00f6tletben haszn\u00e1lni fogjuk Deep Learning<\/a><\/noindex> \u00e9s a Keras k\u00f6nyvt\u00e1rat az oszt\u00e1lyoz\u00e1shoz.<\/p>\n

Nyelv:<\/b> Python<\/p>\n

Adathalmazon\/ Csomag:<\/b> IDC_regular<\/p>\n

14. K\u00f6zleked\u00e9si t\u00e1bl\u00e1k felismer\u00e9se<\/h3>\n

\nA g\u00e9pj\u00e1rm\u0171 \u00f6n\u00e1ll\u00f3 vezet\u00e9s\u00e9nek pontoss\u00e1g\u00e1nak el\u00e9r\u00e9se egy Data Science projekten kereszt\u00fcl a k\u00f6zleked\u00e9si t\u00e1bl\u00e1k CNN haszn\u00e1lat\u00e1val t\u00f6rt\u00e9n\u0151 felismertet\u00e9s\u00e9vel<\/a><\/noindex> ny\u00edlt forr\u00e1sk\u00f3d\u00fa.<\/p>\n

\"14
\n
\nA k\u00f6zleked\u00e9si t\u00e1bl\u00e1k \u00e9s a k\u00f6zleked\u00e9si szab\u00e1lyok rendk\u00edv\u00fcl fontosak minden vezet\u0151 sz\u00e1m\u00e1ra, hogy elker\u00fclhess\u00e9k a baleseteket. A szab\u00e1ly betart\u00e1s\u00e1hoz el\u0151sz\u00f6r is meg kell \u00e9rten\u00fcnk, hogyan n\u00e9z ki egy k\u00f6zleked\u00e9si t\u00e1bl\u00e1zat. Az embernek meg kell tanulnia minden k\u00f6zleked\u00e9si t\u00e1bl\u00e1t, miel\u0151tt jogos\u00edtv\u00e1nyt kap a j\u00e1rm\u0171vek vezet\u00e9s\u00e9re. De ma m\u00e1r n\u00f6vekszik az auton\u00f3m j\u00e1rm\u0171vek sz\u00e1ma, \u00e9s a k\u00f6zelj\u00f6v\u0151ben az emberek m\u00e1r nem fognak egyed\u00fcl aut\u00f3t vezetni. A \"K\u00f6zleked\u00e9si t\u00e1bl\u00e1k felismer\u00e9se\" projektben megtudhatja, hogyan ismerheti fel egy program a k\u00f6zleked\u00e9si t\u00e1bl\u00e1k t\u00edpus\u00e1t, ha egy k\u00e9pet adunk bemenetk\u00e9nt. A n\u00e9met k\u00f6zleked\u00e9si t\u00e1bl\u00e1k adatb\u00e1zis\u00e1t (GTSRB) haszn\u00e1ljuk m\u00e9ly neur\u00e1lis h\u00e1l\u00f3zat ki\u00e9p\u00edt\u00e9s\u00e9hez a k\u00f6zleked\u00e9si t\u00e1bla oszt\u00e1ly\u00e1nak azonos\u00edt\u00e1s\u00e1ra. Emellett egyszer\u0171 grafikus felhaszn\u00e1l\u00f3i fel\u00fcletet is k\u00e9sz\u00edt\u00fcnk az alkalmaz\u00e1ssal val\u00f3 interakci\u00f3hoz.<\/p>\n

Nyelv:<\/b> Python<\/p>\n

Adat\u00e1llom\u00e1ny:<\/b> GTSRB (N\u00e9met K\u00f6zleked\u00e9si T\u00e1bla Felismer\u00e9si Benchmark)<\/p>\n

Tov\u00e1bbi olvas\u00e1s<\/h3>\n

<\/p>\n