¿Cuáles son algunos proyectos que implementan Machine Learning e Ingeniería Eléctrica?

Aquí hay una idea para un proyecto:

Considere un sistema de control con múltiples señales de salida, tanto analógicas como digitales. Implemente un sistema de detección de anomalías para obtener alarmas cuando el sistema entre en un estado defectuoso. Aún mejor, apunte al mantenimiento predictivo. Idealmente, desea saber que el sistema se va a romper antes de que se rompa, que es prácticamente el santo grial del mantenimiento.

Ha habido una investigación muy prometedora últimamente sobre el uso de redes neuronales de memoria a largo plazo (LSTM) para detectar anomalías en series de tiempo multivariadas (ver enlaces a continuación). Probablemente desee transformar las señales en el dominio de frecuencia utilizando transformadas de Fourier.

Este proyecto implica un poco de ingeniería de control y algo de procesamiento de señal digital (DSP) y, por supuesto, aprendizaje automático. Debería ser bastante fácil lograr que sea aceptado como un proyecto de último año en EE. Puede usar un sistema de control real o datos simulados.

Aquí hay algunos enlaces útiles para comenzar:

  • Un artículo reciente que describe la idea general.
  • Una tesis de maestría muy interesante que lleva esas ideas un poco más allá.

Además, asegúrese de revisar esta charla reciente de un científico jefe de datos de IBM Watson:

Aunque puede que no sea lo que está buscando, la mayor intersección entre EE y ML que he encontrado está en el Reconocimiento automático de voz (ASR). Si está trabajando desde cero, se trata de un 50% de procesamiento de señal en el front-end y un 50% de ML en el clasificador que elija. Me he divertido mucho trabajando en un proyecto de reconocimiento de voz, pero desearía tener más experiencia en el procesamiento de señales. Debería aprender algunas técnicas de aprendizaje automático que no se enseñan en el curso Coursera (a menudo Modelos de Markov ocultos) para hacer la clasificación. También hay todo tipo de trabajo que podría hacer con el reconocimiento de voz en una Raspberry Pi o similar si está buscando ir por esa ruta.

CMU Sphinx es un excelente lugar para comenzar. Proporcionan un reconocedor completo escrito en Java puro, así como PocketSphinx, que es una biblioteca C más liviana para usar en dispositivos más pequeños.

Primero y principal: no seas demasiado ambicioso. Tengo cierta experiencia en la selección de proyectos de trabajo con estudiantes, y casi todos y sus primos subestiman el trabajo involucrado. Machine Lerning es un campo complejo, y un proyecto de aprendizaje automático tomará mucho tiempo.

En segundo lugar, elija un proyecto que tenga datos de buena calidad disponibles. Saldrá del proyecto si tiene que entrenar su algoritmo con datos de baja calidad. El conjunto de datos debe ser lo suficientemente grande pero no demasiado grande, y debe estar disponible cuando comience el proyecto.

Tercero, no seas demasiado ambicioso. Su proyecto debe resolver un problema clásico ya resuelto. El resultado será más lento y menos preciso que las soluciones de vanguardia. Esta bien. Toma el proyecto como una experiencia de aprendizaje.

Intente elegir un tema que le resulte interesante tal como está. Por ejemplo, me interesa la psicología cognitiva y cómo funciona nuestra visión. Probablemente elegiría algo relacionado con el reconocimiento de patrones y las redes neuronales.

Buena suerte con el proyecto. ¡Estoy seguro de que te divertirás mucho con él!

Gladiador de aprendizaje automático

Jugar dinero bola

Predecir precios de acciones

Enseñe a una red neuronal a leer la escritura

Investigar Enron

Escribir algoritmos ML desde cero

Google es tu amigo. 🙂

Una idea simple es usar una red neuronal de un solo nodo para aprender a equilibrar un polo (péndulo invertido) en una pista. Incluso puede hacer esto en software para probar la idea. Es mucho más impresionante cuando colocas un auto de juguete en una pista y dejas que balancee el poste mientras la gente intenta derribarlo.

Le sugiero que consulte el blog IEEE Spectrum para tener ideas adecuadas para implementar en ambos o que puedan beneficiar la electricidad con el aprendizaje automático.