Los 5 proyectos de TensorFlow más populares para principiantes [2022]

A medida que Machine Learning continúa fortaleciendo su dominio sobre la industria y el mundo que nos rodea, surge una nueva tendencia: el auge de TensorFlow. Desarrollado por el equipo de Google Brain, TensorFlow es uno de los marcos de ML y aprendizaje profundo más populares en este momento.

TensorFlow es una biblioteca de código abierto basada en Python diseñada para cálculos numéricos y aprendizaje automático. Incorpora la variedad más selecta de algoritmos y modelos de Machine Learning y Deep Learning.

TensorFlow facilita los procesos de adquisición de datos, entrenamiento de modelos y entrega de predicciones, al mismo tiempo que ajusta los resultados futuros. Utiliza Python para crear una API de front-end conveniente para crear aplicaciones mientras ejecuta esas aplicaciones en C++ de alto rendimiento.

Dado que TensorFlow acelera la incorporación de funciones de IA y ML, incluida la visión por computadora, el reconocimiento de voz, NLP, etc., en las aplicaciones, un número cada vez mayor de empresas están adoptando el marco para ML. Las historias de éxito de algunos de los grandes nombres de la industria como SnapChat, AirBnB, Dropbox, Airbus y Uber al aprovechar TensorFlow están impulsando a otros a seguir sus pasos. TensorFlow es una de las principales bibliotecas de Python para Machine Learning.

La creciente popularidad de TensorFlow está impulsando a los entusiastas de la ciencia de datos a familiarizarse con el marco y crear modelos de TensorFlow para aplicaciones del mundo real.

Proyectos de TensorFlow más interesantes

1. Ojo Salvaje

Se estima que el mercado de comercio ilícito de vida silvestre y plantas tiene un valor de $ 70-213 mil millones al año. Estas actividades comerciales ilegales no solo dañan el equilibrio del ecosistema, sino que también afectan negativamente los negocios y el turismo de países de todo el mundo. El proyecto WildEye fue creado para mantener bajo control el tráfico de vida silvestre y los conflictos entre humanos y vida silvestre.

Este proyecto basado en TensorFlow aprovecha las últimas tecnologías en aprendizaje profundo e Internet de las cosas (IoT) para detectar y enviar una alarma cada vez que se detecta una actividad ilegal de este tipo. El sistema WildEye se implementa en varias partes de las zonas protegidas de vida silvestre en Kenia para monitorear y recopilar datos sobre las especies que prosperan allí, sus poblaciones, sus actividades y su paradero.

Si bien esto pintará una imagen completa de la vida silvestre y las especies de plantas allí, las cámaras trampa en red, capaces de analizar imágenes en el borde de las áreas protegidas casi en tiempo real, son una herramienta eficaz en la lucha contra la caza furtiva.

2. Farmmaid: robot de detección de enfermedades de las plantas

Fuente

¡Sí, oíste bien! Farmmaid es un robot ML basado en TensorFlow que puede conducir de forma autónoma dentro de un invernadero e identificar las enfermedades de las plantas. El proyecto se inspiró en el trabajo de plantvillage.psu.edu e iita.org, y la idea era diseñar un robot autónomo que pueda moverse en un entorno agrícola sin dañar las plantas o el suelo e identificar cultivos o plantas enfermas mediante la detección de objetos. técnica.

En el enfoque convencional, los agricultores humanos tienen que identificar y marcar las plantaciones enfermas manualmente, lo que requiere mucho tiempo y mano de obra. Si bien hay teléfonos que pueden ayudar con esto, no siempre tienen todas las funciones para una detección eficiente. Esto es algo que Farmmaid puede resolver.

3. Monitor de limpieza del medidor

John Naulty lanzó Meter Maid Monitor en TechCrunch Disrupt Hackathon en septiembre de 2016. Meter Maid Monitor combina la clasificación de imágenes TensorFlow con detección de movimiento y medición de velocidad de Raspberry Pi. El objetivo era crear algo que pudiera ayudar a las personas a evitar multas de estacionamiento.

Según John, con Meter Maid Monitor "uno puede estacionar su automóvil, sabiendo que llegará una notificación a través de un mensaje de texto que les notifica que pasa un Meter Maid". La alerta daría comienzo al límite de tiempo de estacionamiento de dos horas que se les ha asignado en el área de estacionamiento. El monitor Meter Maid utiliza Raspberry Pi con un módulo de cámara y OpenCV como detector de movimiento.

La cámara monitorea el tráfico y captura imágenes, luego las carga en AWS, donde una instancia EC2 que se ejecuta en TensorFlow realiza el reconocimiento de imágenes. El sistema está capacitado para reconocer vehículos Meter Maid, y cada vez que la imagen resulta ser una coincidencia de Meter Maid, envía un mensaje a través de Twilio con un enlace a la imagen.

4. VISTA

Fuente

SIGHT es un par de gafas inteligentes para ciegos que les permite dar sentido a lo que sucede a su alrededor. Desarrollado por TensorFlow y Google Android Things), SIGHT tiene tres componentes principales: una Raspberry Pi 3 (respaldada por Android Things), una cámara y un botón. Cuando una persona ciega presiona el botón en el dispositivo SIGHT, captura una imagen de la escena que tiene delante. Luego, esta imagen se analiza con TensorFlow, que detecta los objetos en la imagen y ayuda a la persona con el entorno a través del asistente de voz SIGHT.

Limpio, ¿verdad?

5. Robot solucionador de Sudoku

Para aquellos que no saben qué es Sudoku, es un rompecabezas digital que las computadoras pueden resolver ya que se adhieren a reglas matemáticas simples.

Fuente

Como sugiere el nombre, el Sudoku Solver Bot puede resolver y llenar cuadrículas de Sudoku. La idea detrás de la creación de este bot fue construir un sistema autónomo que pueda analizar las cuadrículas de Sudoku, descubrir las piezas faltantes del rompecabezas y llenar la cuadrícula.

Fuente

El hardware del Sudoku Solver Bot consta de Raspberry Pi 3 y una cámara. La cámara toma la foto de la cuadrícula a resolver. Luego, la imagen se procesa previamente con el procesamiento de imágenes TensorFlow. Cada cuadrícula se segmenta para extraer cajas individuales que luego se analizan mediante el reconocimiento de imágenes utilizando una red neuronal.

Al final del proceso, el bot entrega una representación numérica de la cuadrícula que se puede usar para llenar los vacíos. Ahora, la Raspberry Pi entra en funcionamiento: controla los motores del bot y lo ayuda a llenar la cuadrícula de Sudoku.

Conclusión

El factor de facilidad de uso de TensorFlow y la incorporación perfecta de funciones de IA y ML lo hacen adecuado para experimentar con la creación de modelos. Si bien hemos nombrado solo cinco proyectos basados ​​en TensorFlow, existen muchos otros proyectos que son tan emocionantes como estos. Los entusiastas de la ciencia de datos de todo el mundo están contribuyendo activamente a crear proyectos tan fantásticos que pueden tener un impacto significativo en un escenario del mundo real.

Si tiene curiosidad por aprender TensorFlow y dominar el aprendizaje automático y la IA, impulse su carrera con un curso avanzado de aprendizaje automático e IA con IIIT-B y la Universidad John Moores de Liverpool.

Únase al curso de aprendizaje automático de las mejores universidades del mundo. Obtenga programas de maestría, PGP ejecutivo o certificado avanzado para acelerar su carrera.