放荡的人生|老照片修复、寻找系外行星……这里有8个超赞的机器学习项目经典有趣的机器学习项目

经典有趣的机器学习项目，了解一下？
这8个项目的主题包括情绪分析、自动摘要生成、情绪检测、老照片修复以及深度学习生成音乐等。
基于社交媒体的抑郁情绪分析
这是一个非常敏感的话题，以至于被认为是一个迫切需要解决的问题。全球有超过2.64亿人正在遭受抑郁症的折磨。抑郁症是全球致残的主要原因之一，也是全球疾病负担中极为重要的一部分。每年有80万人自杀而死。自杀是15到29岁人群的第二大致死因素。遗憾的是，抑郁症的治疗往往延迟、不准确甚至完全不起作用。
基于互联网的生活为改变早期抑郁症治疗服务提供了机会，尤其是在年轻人群中。
正如Pew研究中心（PewResearchCenter）指出的那样，有72%的人使用互联网。社交网络上发布的数据集对许多领域都非常重要，例如人文科学和大脑研究。但是，仅依赖专业领域的支持还远远不够，并且显式方法论也并不奏效。
所以，通过分析社交媒体帖子中的一些标志性语言，我们可以创建一种新的深度学习模型。这种模型可以较传统方法更早地使人深入了解自身心理状态。
借助神经网络生成体育比赛视频的文本摘要
该项目的想法主要是基于从体育比赛视频中提取出准确的摘要。一些体育网站能够给出比赛的亮点。关于提取式文本摘要任务，已经出现了各种各样的模型，其中以神经网络的性能最佳。通常，摘要生成指的是简要介绍文章的信息，着重传达事实类信息，同时突出文章重点。
自动创建游戏视频的轮廓带来了一项挑战，即找出游戏中精彩的环节和亮点。因此，人们可以使用三维卷积网络（3D-CNN）、递归神经网络（RNN）和长短期记忆网络（LSTM）等深度学习方法，同时也可以先通过机器学习算法将视频分成几个片段然后应用支持向量机（SVM）、神经网络（NN）、k-means算法等。
使用CNN的手写方程式求解器
在所有问题中，手写数学表达式识别是计算机视觉研究领域令人困惑的问题之一。借助于图像处理技术加持的卷积神经网络（CNN），我们可以通过手写数字（handwrittendigit）和数学符号来训练手写方程式求解器。开发这样的系统需要用数据训练机器，使其熟练学习并做出所需的预测。
使用NLP生成商务会议摘要