人工智能的横向性及其处理具有挑战性的问题的能力使人工智能技术几乎渗透到经济和社会的所有部门。其模拟智能的能力提供了广泛的解决方案，例如支持决策制定、诊断生成、客户细分、预测不良情况等。
由于其在当今行业的突出地位，提供基于人工智能的解决方案被评为本世纪最性感的工作。据福布斯报道，2024 年全球机器学习市场预计将达到 $20.83B。但是，在人工智能领域，满足大量需求的优秀人才严重短缺。在本专题中，我们将讨论一些具有竞争力且有趣的人工智能 (AI) 项目，它们可以提高您的 AI 技能。
- 测量医疗实体之间的距离：DrugBank
- 面向时间序列的通用神经网络编码器
- 在线营销活动的 Web 模式导航分析
- 积极的 Twitter 消息对股票流动性有影响吗？
1. 测量医疗实体之间的距离：DrugBank
处理医疗数据对于医疗保健行业来说是一项艰巨的工作。他们在测量医疗实体方面面临很多困难——例如疾病、身体部位、药物、症状等。这个基于人工智能的项目提出了一种基于人工智能的解决方案，根据相似的名称、相似的描述、相似的目标和相似的化学成分来测量药物之间的距离。
为了根据上述特性识别距离，我们必须在向量空间模型中表示药物，然后我们应该分析文本相似性、语义相似性和化学相似性。
文本相似度旨在确定两个文本之间的相似程度。在这里，诸如描述、适应症和药效学等文本字段被连接起来以执行自然语言处理。 NLP 过程包括移除停用词、转换为小写以及识别频率逆文档频率 (tf-idf) 等方法。然后我们使用潜在语义索引（LSI）来降低向量空间模型的维数。最后，使用欧几里得距离计算距离矩阵。
接下来，我们通过使用知识库来测量语义空间内的语义相似度。在这里，我们使用 WordNet计算相应同义词集之间的距离。然后我们使用 Leacock 和 Chodorow 度量计算最短路径和最大分类深度。
最后，我们确定化学相似性，其中我们使用指纹向量以 2D 形式表示分子并计算相似性。这里使用的两个指纹向量是MACCS 和 ECFPS ， 并且向量的系数使用谷本系数计算。
您可以查看发布者的版本以获取更多信息。
2. 面向时间序列的通用神经网络编码器
时间序列分析因其定量和定性预测结果而备受关注。然而，大多数与时间序列分类相关的方法都集中在长度一致的时间序列数据、一维数据和未标记数据上。但是，在实时情况下，由于各种场景，可能会出现不等的时间序列数据，这就强调了处理可变长度数据的必要性。并且在某些情况下，例如需求预测和财务预测，需要将全局模式与本地校准相结合，而不是依赖于一维数据。最重要的是，确定时间序列数据的可解释特征而不是提供未标记的数据非常重要。
在这个人工智能项目中，我们使用通用神经网络编码器来解决与可变长度、高维数和一些标记数据相关的已识别挑战。我们考虑的编码器是一个标准的卷积网络；在这里，卷积解决了与高维数据相关的挑战。该卷积网络与时间方向的注意力机制相结合，以克服与可变长度数据表示相关的挑战。对于标记数据，我们使用了一个经过各种数据集训练的通用网络。最后，处理时间序列分类使用COTE和HIVE-COTE算法。
您可以查看发布者的版本以获取更多信息
3. 用于在线营销活动的 Web 模式导航分析
在当今的数字时代，大多数人在不使用互联网的情况下进行日常活动是不可能的。这种互联网使用为产品推广和提供服务开辟了许多可能性。但是，由于有数十亿人上网，因此为您的产品促销定位合适的客户或根据他们的需求提供解决方案非常重要。了解用户行为的最佳策略是分析他们的在线导航模式。使用 Web 挖掘技术，您可以提取与用户的兴趣和需求相关的质量信息。
这个基于人工智能的项目旨在通过网络模式导航分析提供高质量的数据，以定制高效的在线营销活动。在这里，我们根据访问的域的连续有序序列来考虑不同的导航配置文件，而不是考虑一袋网站。它检查某些社会人口特征，例如地区、年龄、社会阶层和家中亲属的数量，并确定频繁的连续序列。
本项目中使用的数据代表西班牙互联网用户，归Kantar Worldpanel 所有。对于数据处理， M3 算法用于根据给定样本中的访问者识别所有不同的网站序列。该算法在提取特定用户段的标准网站序列方面是有效的。然后使用 Bonferroni 校正和错误发现率校正来校正提取的数据。因此，您可以针对特定用户群定制有效的营销活动。
您可以查看发布者的版本以获取更多信息。
4. 积极的 Twitter 消息对股票流动性有影响吗？
准确的库存预测模型在业务规划中起着关键作用，但同时也是一项具有挑战性的任务。通过使用基于知识的系统和机器学习分析历史价格，您可以分析股市周期。然而，最近的研究表明，社交媒体可以对股票流动性产生影响。
在过去的几年里，社交媒体改变了人们相互交流的方式。这些平台提供的微博服务促进了信息在全球的快速传播。在这个基于人工智能的项目中，我们分析了 Twitter 消息如何影响股东的情绪和行为。
波动性在股市中起着重要作用。衡量股票市场的波动性，需要考虑股票的流动性。由于流动性直接取决于公司的功能，因此在社交媒体上发布的公司相关信息对推特的情绪影响巨大。
在这里，我们考虑用于股票预测的两个数据集。一个数据集包含与某一时期证券交易所的股票价格或交易量相关的信息。这个数据集是必要的，因为速度和价格是与流动性相关的两个重要特征。它在贸易决策中发挥着重要作用。第二个数据集包含从Twitter 档案中提取的信息。通过使用这两个数据集，您可以确定不同变量和问题部分之间的相关性和伤亡。为了分析有关流动性的数据，您应该使用Amihuds度量来计算它。并且为了分析相关性，将每天的平均情绪极性与非流动性率一起考虑。最后，使用Pearson 相关系数确定线性相关性。
您可以查看发布者的版本以获取更多信息。
概括
人工智能被认为是新兴的突破性技术，对当今的经济部门和社会来说是不可或缺的。据介绍，市场对人工智能人才需求巨大，目前人工智能解决方案白热化。在此功能中，我们讨论了可提高您的 AI 技能的前 4 个高级项目创意。通过致力于这些项目创意，您可以成为提供优质 AI 解决方案的聪明人之一。让我们用 Geoffrey Hinton 的话来结束吧，
“I have always been convinced that the only way to get artificial intelligence to work is to do the computation in a way similar to the human brain. That is the goal I have been pursuing. We are making progress, though we still have lots to learn about how the brain actually works.” – Geoffrey Hinton, Famous AI Scientist.