学生提出现实世界的数据科学项目

周四,5月21日,学生先生。英镑的数据科学的独立研究班提出了他们的 现实世界的数据科学项目 到三十人参加。 

全班学生共享他们的项目与家长,教师,校友,以及特邀嘉宾来自高科技产业。阿伦·斯特贝格,天气地下和导师的创始人许多学生,在这个创新过程的设计和教学中发挥了重要作用。

 

分类垃圾桶

杰西卡乐'21和布鲁诺coehlo '20

杰西卡和布鲁诺使用的机器学习模型,以可回收材料在下议院进行分类。该项目的目的是减少错放项和交叉污染的量。该溶液包括分类项放入适当容器和显示图像到该指示的正确回收站计算机监视器屏幕。用于训练模型的数据是主图像和库图像的组合。模型结果如上所示。

 

天气预报

托马斯UPIN '21和ZAC歌手'21

托马斯和ZAC开发卷积和残余神经网络预测雷达沉淀。他们使用谷歌的UNET纸(//arxiv.org/pdf/1912.12132.pdf)作为起始点并实现了一个极其精确的解决方案。目前,气象预报依赖于数学模型和人类经验的组合。利用机器学习算法来预测天气有可能彻底预测和可能挽救许多生命全世界的潜力。这是一种通常由大型开发团队承担一个突破性的项目。

 

分析足球视频

石磊吴'20和Gavin托布'20

石磊和Gavin使用机器学习模型进行分类球员,裁判和对象上的足球场和团队使用这些数据来成功集群的球员。他们使用Facebook的的detectron 2库来训练模型,然后施加k均值聚类,如下所示。如下图图中的主色的对手球员。其目的是利用这些数据来生产占有,并通过完成统计。