Ежедневный информационный бюллетень - 22 декабря 2020 г.
Использование ИИ для борьбы с деменцией, анализ настроений в Твиттере и 5 лучших книг по аналитике данных в сегодняшнем выпуске Data Science Daily 📰
Mindset4Dementia: использование искусственного интеллекта для борьбы с деменцией
Mindset4Dementia - это инициатива сообщества в области искусственного интеллекта, которая дает вам возможность присоединиться к борьбе с деменцией. Опасность и страдания, связанные с жизнью без диагноза деменции, реальна для 31 миллиона человек и их семей.
В приложении есть увлекательные познавательные задачи, предназначенные для широкомасштабного сбора данных. Выполнение этих задач учит ИИ, как работает мозг. Затем данные могут быть использованы будущим ИИ для удаленного оказания помощи изолированным и страдающим деменцией. Независимо от вашего возраста или состояния здоровья, ваш вклад имеет большое значение.
Веб-сайт: https://www.mindset4dementia.com
Магазин приложений: https://apps.apple.com/us/app/id1530813748
Мобильное приложение, которое всесторонне проверяет наличие деменции, помогая пользователю пройти клинически подтвержденные диагностические тесты. В соответствии с рекомендациями Национального института здравоохранения и повышения квалификации система Mindset проверяет неврологические аномалии и использует искусственный интеллект для точной маркировки клинически значимых результатов. Например, обычным признаком деменции является отсутствие вертикального движения глаз, которое практически оценивается, если пациент следует за пальцем врача. Mindset оживляет объект, который пациент должен отслеживать, и использует технологию Apple ARKit для количественной оценки движения глаз пользователя, имитируя надежный клинический анализ.
Анализировать
Независимо от возраста, когда вы используете мышление и выполняете увлекательные задания, вы получаете много клинически полезных данных.
Строить
Эти данные учит ИИ, как работает мозг, помогая ему лучше замечать, когда что-то не так.
Забота
Затем ИИ можно использовать для точной проверки и ухода за теми, кто в настоящее время изолирован и уязвим.
Анализ настроений в Twitter - классический подход против глубокого обучения
Цель этого проекта - изучить мир обработки естественного языка (НЛП) путем построения так называемой модели анализа настроений. Модель анализа настроений - это модель, которая анализирует данный фрагмент текста и предсказывает, выражает ли этот фрагмент текста положительные или отрицательные настроения.
В проекте используется набор данных sentiment140, содержащий данные, собранные из Twitter. Впечатляющая особенность этого набора данных заключается в том, что он идеально сбалансирован (т. Е. Количество примеров в каждом классе одинаково).
После серии очистки и обработки данных, а также после визуализации данных в облаке слов, следующие шаги включают построение наивной байезианской модели. Цель этой модели - правильно классифицировать положительные и отрицательные твиты с точки зрения настроения. Затем они предлагают гораздо более продвинутое решение с использованием модели глубокого обучения: LSTM. Этот процесс потребует другой очистки и обработки данных.
Подробнее читайте здесь: https://github.com/JosephAssaker/Twitter-Sentiment-Analysis-Classical-Approach-VS-Deep-Learning
5 лучших книг по данным для инженеров-аналитиков и аналитиков данных
- Дуглас В. Хаббард "Как измерить что угодно"
- Визуальное отображение количественной информации Эдварда Тафте
- Набор инструментов хранилища данных, Ральф Кимбалл и Марджи Росс
- Статистика сделана неверно, Алекс Рейнхарт
- Исследовательский анализ данных Джона Тьюки
Для более подробного анализа и ссылок на соответствующие книги посетите - https://medium.com/holistics-software/top-5-timeless-data-books-to-read-for-analytic-engineers-and- data-analysts-b0e5458fba6c
Связаться с нами
Напишите нам по адресу [email protected], чтобы получить здесь информацию. Изучите науку о данных и машинное обучение с бесплатными практическими курсами по науке о данных на Jovian.
Подпишитесь на нас в Twitter, LinkedIn и YouTube, чтобы оставаться в курсе.
