Una gran parte del aprendizaje automático es la extracción y transformación de datos, en lugar de simplemente analizarlos. Por lo tanto, propongo un proyecto con el objetivo de resolver un problema de datos faltantes en OpenStreetMap, que encontré durante mi trabajo en mi tesis de maestría. Trabajé en la red de carreteras de Dinamarca, pero supongo que el problema se puede encontrar en la red de carreteras de cualquier país.
OpenStreetMap es un mapa del mundo de origen público y, como resultado, muchos segmentos de carreteras carecen de un límite de velocidad en el mapa. En caso de que falte el límite de velocidad, OpenStreetMap proporciona límites de velocidad predeterminados según la categoría del segmento de carretera y si está dentro de una ciudad o no.
Por lo tanto, te propongo que
- ¿Cuáles son los temas candentes del aprendizaje profundo para el análisis de imágenes médicas en 2017?
- ¿Qué es el modelado de mezclas gaussianas?
- Un perceptrón multicapa tiene parámetros como el tamaño de un lote, épocas, neuronas, velocidad de aprendizaje, etc. ¿Cuáles son algunas experiencias prácticas de sintonización?
- He realizado el curso de aprendizaje automático de Andrew Ng pero no lo he programado. ¿Debo decir que tengo los conocimientos básicos?
- ¿Cuál es una buena manera de entender esta optimización mediante el uso de un multiplicador lagrangiano?
- Extraiga un segmento de OpenStreetMap en el que desee trabajar en un archivo o base de datos
- Cargue la red de carreteras en un programa de Python
- Derive o construya características adecuadas para predecir el límite de velocidad
- Entrenar un modelo de predicción para asignar límites de velocidad a segmentos de carretera
- Compare la precisión de su modelo con los límites de velocidad predeterminados proporcionados por OpenStreetMap
Si su modelo funciona lo suficientemente bien, ¡puede contribuir al proyecto OpenStreetMap!
