Karijera u domenu veštačke inteligencije (VI) deluje izuzetno perspektivno, s obzirom na ubrzani napredak u ovoj oblasti.
Gotovo sve industrije uviđaju prednosti primene veštačke inteligencije, od IT sektora, proizvodnje i automobilske industrije, do odbrambene, finansijske i oblasti kreiranja sadržaja.
Stoga, ako želite da izgradite karijeru u VI, sada je idealno vreme za početak. S obzirom na to da je praktično iskustvo ključno za savladavanje veštine, možete se angažovati na raznovrsnim projektima kako biste stekli znanja iz VI, kao i povezane veštine kao što su programiranje i korišćenje alata i tehnologija.
Naučićete kako VI može doprineti ljudima i preduzećima u realnom vremenu, te steći uvid u ovaj sektor koji će vam pomoći da unapredite svoju karijeru. Za ovo će biti izuzetno korisno da posedujete znanje u sledećim oblastima:
- Programski jezici poput Python-a, R-a, Java-e, MATLAB-a i Perl-a
- Algoritmi mašinskog učenja kao što su linearna regresija, logistička regresija, Naive Bayes, K-means, KNN, SVM i stabla odlučivanja
- Osnove analize podataka i alati kao što je Apache Spark
- Veštačke neuronske mreže (ANN), koje oponašaju funkcije ljudskog mozga za rešavanje problema u aplikacijama za prepoznavanje rukopisa, lica i uzoraka
- Osnove konvolutivnih neuronskih mreža (CNN)
- Alatke zasnovane na Unix-u, poput Sort, AWK i regularnih izraza.
Sada, hajde da brzo istražimo neke od interesantnih VI projekata.
Osnovni VI projekti
Prepoznavanje rukom pisanih cifara
Cilj: Razviti sistem koji može prepoznati rukom pisane cifre uz pomoć veštačkih neuronskih mreža.
Problem: Cifre i simboli koje ljudi pišu razlikuju se po oblicima, veličinama, zakrivljenostima i stilovima, koji nisu identični kod dve osobe. Zbog toga je prebacivanje pisanih znakova ili cifara u digitalni format u prošlosti bio izazov za računare. Takođe, imali su poteškoća sa interpretacijom teksta na papirnim dokumentima.
Iako se digitalizacija brzo prihvata u skoro svim sektorima, u određenim oblastima i dalje je neophodna papirna dokumentacija. Stoga je neophodna tehnologija koja će računarima olakšati ovaj proces, omogućavajući im da prepoznaju ljudsko pismo na papiru.
Rešenje: Korišćenjem veštačkih neuronskih mreža moguće je izgraditi sistem za prepoznavanje rukom pisanih cifara koji će precizno interpretirati cifre koje osoba ispisuje. Za ovo se koristi konvolutivna neuronska mreža (CNN) kako bi se prepoznale cifre na papiru. Ova mreža koristi HASYv2 skup podataka koji sadrži 168.000 slika iz 369 različitih klasifikacija.
Primena: Pored papira, sistem za prepoznavanje rukom pisanih cifara može čitati matematičke simbole i stilove rukopisa sa fotografija, uređaja osetljivih na dodir i drugih izvora. Ovaj softver ima različite primene, poput autentifikacije bankovnih čekova, čitanja popunjenih obrazaca i brzih beleški.
Detekcija traka
Cilj: Izgraditi sistem koji se može koristiti u samovozećim vozilima i robotima koji prate liniju, kako bi im pomogao da u realnom vremenu detektuju linije traka na putu.
Problem: Nema sumnje da su autonomna vozila inovativna tehnologija koja koristi tehnike i algoritme dubokog učenja. Ona su stvorila nove mogućnosti u automobilskoj industriji i smanjila potrebu za ljudskim vozačem.
Međutim, ako mašina koja upravlja samovozećim automobilom nije adekvatno obučena, to može dovesti do rizika i nezgoda na putu. Tokom obuke mašine, jedan od koraka je da se sistem nauči kako da detektuje trake na putu, kako ne bi prešao u drugu traku ili se sudario sa drugim vozilima.
Rešenje: Za rešavanje ovog problema, izradite sistem koristeći koncepte računarskog vida u Pythonu. Ovo će pomoći autonomnim vozilima da pravilno detektuju linije traka i da se kreću putem na kojem treba da budu, bez ugrožavanja drugih učesnika u saobraćaju.
Možete koristiti OpenCV biblioteku – optimizovanu biblioteku fokusiranu na primenu u realnom vremenu, poput detekcije linija traka. Biblioteka uključuje Java, Python i C++ interfejse koji podržavaju Windows, macOS, Linux, Android i iOS platforme.
Nadalje, neophodno je pronaći oznake sa obe strane trake. Možete koristiti tehnike računarskog vida u Pythonu da biste pronašli putne trake kojima samovozeći automobili treba da se kreću. Takođe, morate pronaći belu oznaku na traci i maskirati ostale objekte maskiranjem okvira i NumPy nizovima. Zatim se primenjuje transformacija linija po Hofu kako bi se konačno detektovale linije traka. Pored toga, možete koristiti druge metode računarskog vida, poput segmentacije boja, za identifikaciju linija traka.
Primena: Detekcija traka se koristi u realnom vremenu od strane autonomnih vozila kao što su automobili i roboti koji prate liniju. Takođe je korisna u industriji igara, za trkačke automobile.
Detekcija pneumonije
Cilj: Izraditi sistem veštačke inteligencije koristeći konvolutivne neuronske mreže (CNN) i Python, koji može detektovati upalu pluća na osnovu rendgenskih snimaka pacijenta.
Problem: Pneumonija i dalje predstavlja pretnju, odnoseći živote u mnogim zemljama. Problem je u tome što se rendgenski snimci koriste za otkrivanje bolesti kao što su upala pluća, rak, tumori itd., što može rezultirati slabom vidljivošću i učiniti procenu neefikasnom. Ali, uz pravilan tretman, smrtnost se može značajno smanjiti.
Štaviše, položaj, oblik i veličina upale pluća mogu se značajno razlikovati, a ciljna kontura često postaje nejasna. Ovo povećava probleme u detekciji i preciznosti. Stoga je neophodno razviti tehnologiju koja može rano identifikovati upalu pluća sa optimalnom tačnošću, kako bi se obezbedio adekvatan tretman i spasili životi.
Rešenje: Softversko rešenje će biti obučeno na velikom broju primera upale pluća ili drugih bolesti. Kada korisnici podele svoje zdravstvene probleme i simptome, softver može obraditi informacije i proveriti ih u svojoj bazi podataka radi mogućih dijagnoza povezanih sa tim detaljima. Može koristiti tehnike rudarenja podataka da obezbedi najprecizniju dijagnozu koja odgovara detaljima pacijenta.
Na ovaj način se može rano otkriti bolest pacijenta i obezbediti odgovarajući tretman. A da biste dizajnirali ovaj softver, morate analitički i komparativno odrediti najefikasniji CNN model kako biste postigli detekciju pneumonije na rendgenskim snimcima koristeći ekstrakciju karakteristika. Nakon toga je potrebno predstaviti različite modele sa njihovim klasifikatorima, kako bi se predložio najprikladniji klasifikator i izvršila procena najboljeg CNN modela, radi provere njegovog učinka.
Primena: Ovaj VI projekat je koristan u zdravstvenoj zaštiti za otkrivanje bolesti kao što su upala pluća, srčane bolesti itd., i za pružanje medicinskih konsultacija pacijentima.
Ćaskalice (Chatbotovi)
Cilj: Napraviti chatbot koristeći Python za ugradnju u web sajt ili aplikaciju.
Problem: Potrošači očekuju vrhunsku uslugu kada koriste aplikaciju ili web sajt. Ako imaju pitanje na koje ne mogu da pronađu odgovor, mogu izgubiti interesovanje za aplikaciju. Stoga, ako pravite web sajt ili aplikaciju, morate svojim korisnicima ponuditi uslugu najboljeg kvaliteta kako biste sprečili da ih izgubite i ugrozite rezultate.
Rešenje: Chatbot je aplikacija koja omogućava automatski razgovor između botova (VI) i ljudi putem teksta ili govora, poput Alexe. Dostupan je 24/7 da pomogne korisnicima u vezi sa njihovim upitima, da ih navodi, personalizuje korisničko iskustvo, poveća prodaju i pruži dublji uvid u ponašanje i potrebe kupaca, kako bi vam pomogao da oblikujete svoje proizvode i usluge.
Za ovaj projekat veštačke inteligencije možete koristiti jednostavnu verziju chat bota koja se može pronaći na mnogim web sajtovima. Identifikujte njihovu osnovnu strukturu kako biste započeli sa izgradnjom slične. Nakon što završite sa jednostavnim chatbotom, možete preći na napredne verzije.
Za izradu chatbota se koriste koncepti veštačke inteligencije poput obrade prirodnog jezika (NLP) kako bi se algoritmima i računarima omogućilo da razumeju ljudske interakcije na različitim jezicima i da obrade te podatke. On analizira audio signale i ljudski tekst, a zatim analizira i pretvara podatke u mašinski razumljiv jezik. Takođe, biće vam potrebni različiti unapred obučeni alati, paketi i alati za prepoznavanje govora kako biste kreirali inteligentnog i brzog chatbota.
Primena: Chatbotovi su izuzetno korisni u korporativnom sektoru za korisničku podršku, IT pomoć, prodaju, marketing i ljudske resurse. Industrija e-trgovine, Edtech-a i nekretnina, pa do finansija i turizma, koriste chatbotove. Vodeći brendovi poput Amazona (Alexa), Spotify-a, Marriott International, Pizza Hut, Mastercard i drugi, koriste chatbotove.
Sistem preporuka
Cilj: Izraditi sistem preporuka za kupce, za proizvode, video i streaming muzike, kao i druge slične sadržaje, uz pomoć ANN-a, rudarenja podataka, mašinskog učenja i programiranja.
Problem: Konkurencija je velika u svim oblastima, bilo da je reč o e-trgovini ili zabavi. Da biste se istakli, potrebno je ići korak dalje. Ako nudite nešto što vaš ciljni kupac traži, ali nemate način da ih dovedete do vaše prodavnice ili preporučite vaše ponude, propuštate brojne prilike.
Rešenje: Korišćenje sistema preporuka može efikasno privući više posetilaca na vaš web sajt ili aplikaciju. Možda ste primetili da platforme za e-trgovinu poput Amazona nude preporuke proizvoda koje ste tražili negde na internetu. Kada otvorite svoj Facebook ili Instagram, vidite slične proizvode. Tako funkcioniše sistem preporuka.
Da biste izgradili ovaj sistem, potrebna vam je istorija pretraživanja, ponašanje korisnika i implicitni podaci. Veštine rudarenja podataka i mašinskog učenja su neophodne kako bi se dale najprikladnije preporuke proizvoda, na osnovu interesovanja kupaca. Takođe ćete morati da programirate u R-u, Java-i ili Python-u, i koristite veštačke neuronske mreže.
Primena: Sistemi za preporuke nalaze ogromnu primenu u prodavnicama e-trgovine poput Amazona i eBaya, servisima za streaming video zapisa kao što su Netflix i YouTube, servisima za streaming muzike poput Spotify-a, i u mnogim drugim oblastima. Pomaže u povećanju dometa proizvoda, broja potencijalnih klijenata i kupaca, vidljivosti na različitim kanalima i ukupnoj profitabilnosti.
Srednji VI projekti
Detekcija požara
Cilj: Izraditi sistem za detekciju požara pomoću CNN-a za zadatke koji se odnose na računarski vid i klasifikaciju slika.
Problem: Požari u stambenim i poslovnim zgradama su opasni. Ako se požar ne otkrije na vreme, može dovesti do ogromnih gubitaka života i imovine. Šumski požari su sve češći; stoga je potrebno redovno praćenje radi očuvanja divljih životinja i prirodnih resursa.
Rešenje: Izgradnja sistema koji može da otkrije požar u zatvorenom i na otvorenom prostoru, u ranoj fazi i sa preciznom lokacijom, može pomoći da se on ugasi pre nego što izazove veću štetu. Sistem za detekciju požara poboljšan je upotrebom video nadzornih kamera.
Za ovo se koriste tehnike veštačke inteligencije, poput CNN-a i računarskog vida, kao i alati poput OpenCV-a. Neophodna je sofisticirana obrada slika i računanje u oblaku. Sistem se može podesiti tako da analizira slike sa video kamera na vidljivoj svetlosti i infracrvenoj vezi. Takođe, mora da identifikuje dim, razlikuje ga od magle, i brzo upozori ljude.
Primena: Detekcija požara uz pomoć veštačke inteligencije može se koristiti za otkrivanje šumskih požara, radi očuvanja prirodnih resursa, flore i faune, kao i u domovima i poslovnim zgradama.
Virtuelni asistent zasnovan na glasu
Cilj: Napraviti aplikaciju sa glasovnim mogućnostima, radi pružanja pomoći korisnicima.
Problem: Internet je ogroman, sa mnoštvom proizvoda i usluga, pa se klijenti mogu osećati preplavljenim. Pored toga, ljudi su zauzeti i potrebna im je pomoć u različitim oblastima, čak i za obavljanje svakodnevnih zadataka.
Rešenje: Danas su virtuelni asistenti zasnovani na glasu traženi, jer pojednostavljuju živote korisnika. Ljudi mogu koristiti ove aplikacije poput Alexe i Siri za zabavu, pretraživanje proizvoda i usluga na internetu i obavljanje svakodnevnih zadataka radi bolje produktivnosti.
Za izgradnju ovog sistema koristi se NLP kako bi se razumeo ljudski jezik. Sistem će čuti glas, prevesti ga u mašinski jezik i sačuvati komande u svojoj bazi podataka. Takođe će identifikovati nameru korisnika da izvrši zadatak u skladu sa tim, i može koristiti alate za pretvaranje teksta u govor ili govora u tekst.
Primena: Virtuelni asistenti zasnovani na glasu koriste se za pronalaženje relevantnih stavki na internetu, puštanje muzike, filmova i video zapisa za zabavu, postavljanje podsetnika, pisanje brzih beleški, aktiviranje i deaktiviranje kućnih aparata, i mnoge druge zadatke.
Provera plagijata
Cilj: Razviti sistem koji može da proveri da li u dokumentu postoji plagijat ili dupliranje, koristeći VI.
Problem: Dupliranje sadržaja je problem koji se mora pratiti i iskoreniti. Za preduzeća, ovo dovodi do narušavanja reputacije i lošeg rangiranja na pretraživačima. Takođe, ljudi mogu biti kažnjeni za plagijat zbog kršenja autorskih prava. Stoga je neophodno identifikovati plagirani sadržaj za preduzeća i obrazovne institucije.
Rešenje: Koncepti VI se koriste za izradu alata za proveru plagijata, kako bi se detektovalo dupliranje u dokumentu. U ovom projektu, Python Flask ili rudarenje teksta mogu se koristiti za detektovanje plagijata pomoću vektorske baze podataka pod nazivom Pinecone. Takođe, može se prikazati procenat plagijata.
Primena: Provera plagijata ima mnoge prednosti za kreatore sadržaja, blogere, urednike, izdavače, pisce, slobodnjake i edukatore. Oni ga mogu koristiti da provere da li je neko ukrao njihov rad i koristi ga, dok urednici mogu analizirati tekst koji je pisac poslao i utvrditi da li je jedinstven ili kopiran.
Detekcija emocija na licu
Cilj: Izraditi aplikaciju koja može da predvidi ili identifikuje ljudske emocije na osnovu crta lica, koristeći veštačku inteligenciju.
Problem: Razumevanje ljudskih emocija je izazovno. Decenijama je sprovedeno mnogo istraživanja kako bi se shvatile emocije na licu. Pre pojave VI, rezultati su bili različiti.
Rešenje: VI može pomoći u analizi ljudskih emocija na osnovu lica, koristeći koncepte kao što su duboko učenje i CNN. Duboko učenje se može koristiti za izradu softvera koji će identifikovati izraze lica i interpretirati ih, detektujući osnovne emocije kod ljudi u realnom vremenu, kao što su sreća, tuga, strah, bes, iznenađenje, gađenje, neutralnost itd.
Sistem će biti sposoban da izdvoji crte lica i klasifikuje izraze. CNN to može da uradi i takođe će razlikovati loše i dobre emocije kako bi se otkrile navike i obrasci razmišljanja pojedinca.
Primena: Botovi mogu koristiti sisteme za detekciju emocija na licu, kako bi poboljšali interakciju sa ljudima i pružili odgovarajuću pomoć korisnicima. Takođe, može pomoći deci sa autizmom, slepim osobama, nadzirati znakove pažnje radi bezbednosti vozača i još mnogo toga.
Aplikacija za prevođenje
Cilj: Izraditi aplikaciju za prevođenje koristeći veštačku inteligenciju.
Problem: U svetu se govori hiljade jezika. Iako je engleski globalni jezik, ne razumeju ga svi u svakom delu sveta. A ako želite da poslujete sa nekim iz drugih zemalja, koji govore jezik koji ne razumete, to je problematično. Slično tome, ako putujete u druge zemlje, možete se suočiti sa sličnim problemima.
Rešenje: Ako možete da prevedete ono što drugi govore ili su napisali, to će vam pomoći da se dublje povežete sa njima. Za ovo možete koristiti prevodioce kao što je Google Translate. Međutim, možete da napravite sopstvenu aplikaciju, ispočetka, koristeći VI.
Za ovo možete koristiti NLP i modele transformatora. Transformator će izdvojiti karakteristike iz rečenice, kako bi se odredila svaka reč i njen značaj, i kako bi se postigao puni smisao rečenice. On će kodirati i dekodirati reči od početka do kraja. Da biste to uradili, pomoći će vam učitavanje unapred obučenog modela transformatora zasnovanog na Pythonu. Takođe, možete koristiti GluonNLP biblioteku i potom učitati i testirati skupove podataka.
Primena: Aplikacija za prevođenje se koristi za prevođenje različitih jezika u svrhe kao što su posao, putovanja, blogovanje i mnogo toga drugog.
Napredni VI projekti
Analizator biografija (Resumes parser)
Cilj: Razviti softver koji može da prođe kroz veliki broj biografija i da pomogne korisnicima da izaberu idealnog kandidata.
Problem: U procesu zapošljavanja, profesionalci provode mnogo vremena pregledajući veliki broj biografija, jednu po jednu, kako bi pronašli odgovarajuće kandidate za posao. To je dugotrajan i neefikasan proces. Iako se može automatizovati pomoću podudaranja ključnih reči, ima mnogo nedostataka. Kandidati koji su svesni ove procedure, dodajuće mnogo više ključnih reči kako bi ušli u uži izbor, dok će drugi biti odbijeni, čak i ako poseduju potrebne veštine.
Rešenje: Pregled velikog broja biografija i pronalaženje odgovarajućeg kandidata za posao, može se automatizovati pomoću analizatora biografija. Ovo će vam pomoći da to uradite efikasno, štedeći vreme i trud, dok istovremeno omogućava odabir kandidata sa neophodnim veštinama.
VI i ML vam mogu pomoći da napravite aplikaciju koja će odabrati odgovarajućeg kandidata, dok će ostale filtrirati. Za ovo možete koristiti skup podataka biografija na Kaggleu, sa dve kolone – informacijama o biografiji i nazivom radnog mesta. Takođe, možete koristiti NLTK – biblioteku zasnovanu na Pythonu – za pravljenje algoritama za grupisanje koji odgovaraju veštinama.
Primena: Analizator biografija se koristi u procesu zapošljavanja, a mogu ga koristiti preduzeća i obrazovne institucije.
Aplikacija za prepoznavanje lica
Cilj: Napraviti aplikaciju sa mogućnošću prepoznavanja lica, koristeći ANN, CNN, ML i duboko učenje.
Problem: Problemi sa krađom identiteta su ozbiljni, sa sve većim rizicima sajber bezbednosti, koji mogu da se infiltriraju u sisteme i podatke. Ovo može izazvati probleme sa privatnošću, curenje podataka i oštetiti reputaciju ljudi i preduzeća.
Rešenje: Biometrijske karakteristike, poput crta lica, su jedinstvene, tako da ih organizacije i pojedinci mogu koristiti da zaštite svoje sisteme i podatke. Sistemi za prepoznavanje lica mogu pomoći u verifikaciji korisnika, obezbeđujući da samo ovlašćeni i autentifikovani korisnici mogu pristupiti sistemu, mreži, objektu ili podacima.
Za razvoj ovog rešenja, potrebni su vam napredni ML algoritmi, matematičke funkcije i tehnike obrade i prepoznavanja 3D slika.
Primena: Koristi se u pametnim telefonima i drugim uređajima kao sigurnosna brava, kao i u organizacionim objektima i sistemima za obezbeđivanje privatnosti i bezbednosti podataka. Takođe je koriste provajderi upravljanja identitetom i pristupom (IAM), odbrambeni sektor i mnogi drugi.
Igre
Cilj: Kreirati video igre koristeći koncepte veštačke inteligencije.
Problem: Industrija video igara se širi, a igrači postaju sve zahtevniji. Stoga, postoji konstantna potreba za razvojem i pružanjem zanimljivih igara koje se ističu, kako bi se nastavilo sa povećanjem prodaje.
Rešenje: Koncepti VI se koriste za kreiranje različitih aplikacija za igre, poput šaha, igara sa zmijama, trkačkih automobila, proceduralnih igara i mnogih drugih. Može da koristi mnoge veštine, poput chat-botova, prepoznavanja govora, NLP-a, obrade slika, rudarenja podataka, CNN-a, mašinskog učenja i mnogih drugih, kako bi se stvorila realistična video igra.
Primena: VI se koristi za kreiranje raznih video igara, poput AlphaGo, Deep Blue, FEAR, Halo i mnogih drugih.
Prediktor prodaje
Cilj: Razviti softver koji može da predvidi prodaju za preduzeća.
Problem: Preduzeća koja se bave velikim brojem proizvoda suočavaju se sa poteškoćama u upravljanju i vođenju evidencije o prodaji svakog proizvoda. Takođe, imaju problema sa praćenjem zaliha i obnavljanjem rasprodatih proizvoda. Kao rezultat toga, možda neće uspeti da isporuče proizvode pravim kupcima, što negativno utiče na korisničko iskustvo.
Rešenje: Izrada alata za predviđanje prodaje može vam pomoći da predvidite prosečan broj prodaja na dnevnom, nedeljnom ili mesečnom nivou. Na ovaj način možete razumeti kako vaši proizvodi funkcionišu i na vreme skladištiti više artikala, kako biste ispunili zahteve kupaca.
Da biste to uradili, možete koristiti veštine kao što su algoritmi mašinskog učenja, analiza podataka, veliki podaci i mnoge druge, kako biste omogućili softveru da precizno predvidi prodaju.
Primena: Koriste ga prodavnice e-trgovine, maloprodavci, distributeri i druga preduzeća koja se bave velikim brojem proizvoda.
Sistem automatizacije
Cilj: Razviti softversko rešenje koje može da automatizuje određene zadatke radi povećanja produktivnosti.
Problem: Ponavljajući, manuelni rad oduzima mnogo vremena. Ovo nije samo dosadno, već i smanjuje produktivnost. Stoga je potrebno izraditi sistem koji može da automatizuje različite zadatke kao što su zakazivanje poziva, evidencija prisustva, automatska korekcija, obrada transakcija i mnogo toga drugog.
Rešenje: Korišćenje veštačke inteligencije omogućava vam da napravite softver koji može da automatizuje takve zadatke, kako bi se poboljšala produktivnost korisnika i posvetilo vreme kritičnijim zadacima. Takođe, može se podesiti da dostavlja obaveštenja na vreme, kako biste mogli da obavljate zadatke u roku. Za izgradnju ovog sistema potrebne su vam veštine poput NLP-a, prepoznavanja lica, računarskog vida i mnoge druge.
Primena: Automatizacija pomoću veštačke inteligencije se široko koristi za izradu alata za produktivnost za preduzeća svih veličina i u različitim sektorima, od bankarstva, finansija, zdravstva, obrazovanja do proizvodnje.
Zaključak
Nadam se da će vam ovi VI projekti biti interesantni za rad i da će proširiti vaše znanje o veštačkoj inteligenciji i drugim srodnim konceptima, poput nauke o podacima, mašinskog učenja, NLP-a itd. Takođe, pomoći će vam da usavršite svoje veštine u programiranju i korišćenju alata i tehnologija u projektima.
Evo nekih od najboljih online kurseva veštačke inteligencije i traženih veština za profesionalce u ovoj oblasti.