25 proyectos de machine learning para todos los niveles

Emprendiendo proyectos de machine learning puedes dominar algunas de las habilidades que necesitarás para convertirte en un profesional de este nicho. Este artículo es una guía estructurada diseñada para personas con distintos niveles de experiencia, que ofrece una amplia gama de proyectos para mejorar la comprensión práctica en este campo fundamental de la ciencia de datos.

El machine learning es fundamental para resolver problemas del mundo real y desbloquear nuevos potenciales. Los proyectos que aquí se destacan han sido meticulosamente seleccionados, y abarcan aplicaciones que van desde el análisis predictivo mediante bosques aleatorios hasta el desarrollo de chatbots potenciados por IA con Transformers, proporcionando una visión de la aplicación de los conocimientos teóricos en escenarios del mundo real.

Estos proyectos son algo más que simples ejercicios; mezclan teoría y práctica, con el objetivo de proporcionar una comprensión más profunda de los algoritmos y permitir la extracción de conocimientos procesables a partir de diversos conjuntos de datos.

¿Por qué iniciar un proyecto de machine learning?

Estos proyectos, basados en aplicaciones del mundo real, ofrecen una experiencia de aprendizaje integral en diversos ámbitos y tecnologías, lo que permite a los participantes salvar eficazmente la brecha teórico-práctica. La diversidad de los proyectos garantiza un amplio espectro de aprendizaje, lo que permite a las personas perfeccionar habilidades fundamentales, desde el procesamiento de datos hasta la evaluación de modelos, y crear un sólido portafolio que muestre su competencia en machine learning. 

Las ventajas de emprender proyectos de machine learning incluyen: 

• Experiencia práctica. La realización de este tipo de proyectos ofrece experiencia práctica en la aplicación de conocimientos teóricos a problemas del mundo real, mejorando las habilidades esenciales de machine learning.
• Creación de portafolios. La realización de proyectos te permite crear un sólido portafolio, mostrando tus habilidades y conocimientos y mejorando tu empleabilidad en este campo tan competitivo.
• Resolución de problemas. Los proyectos fomentan la resolución innovadora de problemas y el pensamiento crítico, permitiendo una comprensión más profunda de las funcionalidades del machine learning.
• Aprendizaje continuo. La naturaleza diversa de los proyectos fomenta la exploración y el aprendizaje continuo dentro de varios dominios del machine learning.

Proyectos de machine learning para principiantes 

Estos proyectos de machine learning para principiantes consisten en tratar con datos estructurados y tabulares. Aplicarás las habilidades de limpieza, procesamiento y visualización de datos con fines analíticos y utilizarás el marco scikit-learn para entrenar y validar modelos de machine learning. 

Si quieres aprender primero los conceptos básicos del machine learning, tenemos un impresionante curso de comprensión del machine learning sin código. También puedes echar un vistazo a algunos de nuestros proyectos de IA si quieres mejorar tus habilidades en esa área. 

 1. Predecir las tarifas de los taxis con bosques aleatorios

En el proyecto Predecir las tarifas de los taxis, predecirás el lugar y la hora en que se ganará la tarifa más alta utilizando el conjunto de datos de taxis de Nueva York. Utilizas tidyverse para procesar y visualizar datos. Para predecir la ubicación y la hora, experimentarás con un modelo basado en árboles, como árbol de decisión y bosque aleatorio. 

El proyecto Predecir la tarifa del taxi es un proyecto guiado, pero puedes replicar el resultado en un conjunto de datos diferente, como la Demanda de bicicletas compartidas de Seúl. Trabajar con un conjunto de datos completamente nuevo te ayudará con la depuración del código y mejorará tus habilidades para resolver problemas.

2. Clasificar géneros de canciones a partir de datos de audio

En el proyecto de machine learning Clasificar géneros de canciones, utilizarás el conjunto de datos de canciones para clasificarlas en dos categorías: 'Hip-Hop' o 'Rock.' Comprobarás la correlación entre características, normalizarás los datos utilizando el StandardScaler de scikit-learn, aplicarás el ACP (Análisis de Componentes Principales) a los datos escalados y visualizarás los resultados. 

Después, utilizarás el modelo de regresión logística y árbol de decisión de scikit-learn para entrenar y validar los resultados. En este proyecto, también aprenderás algunas de las técnicas avanzadas, como el equilibrio de clases y la validación cruzada, para reducir el sesgo del modelo y el sobreajuste. 

Clasificar géneros de canciones a partir de datos de audio es un proyecto guiado. Puedes replicar el resultado en un conjunto de datos diferente, como el de Demanda de reservas de hotel. Puedes utilizarlo para predecir si un cliente cancelará la reserva o no. 

3. Predecir la aprobación de tarjetas de crédito

En el proyecto Predicción de aprobaciones de tarjetas de crédito, construirás una aplicación de aprobación automática de tarjetas de crédito utilizando la optimización de hiperparámetros y la regresión logística. 

Aplicarás la habilidad de tratar valores perdidos, procesar características categóricas, escalar características, tratar datos desequilibrados y realizar una optimización automática de hiperparámetros mediante GridCV. Este proyecto te empujará fuera de la zona de confort de manejar datos simples y limpios. 

Imagen del autor

Predecir las aprobaciones de tarjetas de crédito es un proyecto guiado. Puedes replicar el resultado en un conjunto de datos diferente, como los Datos de préstamos de LendingClub.com. Puedes utilizarlo para construir un predictor automático de aprobación de préstamos. 

4. Ventas en tienda 

Ventas en tienda es una competición de iniciación de Kaggle en la que los participantes entrenan varios modelos de series temporales para mejorar su puntuación en la tabla clasificatoria. 

En el proyecto, se te proporcionarán datos de ventas de la tienda, y limpiarás los datos, realizarás un extenso análisis de series temporales, escalado de características y entrenarás el modelo multivariante de series temporales. 

Para mejorar tu puntuación en la tabla de clasificación, puedes utilizar ensamblajes de regresión como bagging y voting. 

Imagen de Kaggle

Ventas en tienda es un proyecto basado en Kaggle en el que puedes consultar los cuadernos de otros participantes. 

Para mejorar tus conocimientos sobre la previsión de series temporales, intenta aplicar tus habilidades al conjunto de datos de la Bolsa de valores y utiliza Facebook Prophet para entrenar un modelo de previsión de series temporales univariante. 

5. Regala vida: predecir las donaciones de sangre

En el proyecto Regala vida: predecir las donaciones de sangre, predecirás si un donante donará o no sangre en una ventana de tiempo determinada. El conjunto de datos utilizado en el proyecto procede de un vehículo móvil de donación de sangre en Taiwán, y como parte de una campaña de donación de sangre, el centro de servicios de transfusión de sangre se desplaza a varias universidades para recoger la sangre. 

En este proyecto, estás procesando datos sin procesar y alimentándolos a la herramienta AutoML(Automated Machine Learning) de TPOT Python. Buscará cientos de pipelines de machine learning para encontrar el mejor para nuestro conjunto de datos. 

Luego utilizaremos la información del TPOT para crear nuestro modelo con características normalizadas y obtener una puntuación aún mejor. 

Imagen del autor

Regala vida: predecir las donaciones de sangre es un proyecto guiado. Puedes reproducir el resultado en un conjunto de datos diferente, como las Empresas unicornio. Puedes utilizar el TPOT para predecir si una empresa alcanza una valoración superior a 5000 millones. 

Aprende los fundamentos del machine learning para comprender mejor el aprendizaje supervisado y no supervisado. 

Proyectos intermedios de machine learning 

Estos proyectos intermedios de machine learning se centran en el procesamiento de datos y el entrenamiento de modelos para conjuntos de datos estructurados y no estructurados. Aprende a limpiar, procesar y aumentar el conjunto de datos utilizando diversas herramientas estadísticas. 

6. El impacto del cambio climático en las aves

En el proyecto Impacto del cambio climático en las aves, entrenarás el modelo de regresión logística sobre datos de avistamientos de aves y datos climáticos utilizando caret. Realizarás la limpieza y anidamiento de datos, prepararás los datos para el análisis espacial, crearás pseudoausencias, entrenarás modelos glmnet y visualizarás los resultados de cuatro décadas en el mapa. 

El impacto del cambio climático en las aves es un proyecto intermedio guiado de machine learning. Puedes replicar el resultado en un conjunto de datos diferente, como el conjunto de datos de Listados de Airbnb. Puedes utilizar caret para predecir el precio de los anuncios en función de sus características y ubicación. 

Conviértete en un Científico de Machine Learning con R en 2 meses y domina varios paquetes R de visualización y machine learning. 

7. Encuentra la similitud de las películas a partir de los resúmenes argumentales

En el proyecto Encontrar similitudes entre películas a partir de los resúmenes de los argumentos, utilizarás varios NLP (Procesamiento del Lenguaje Natural) y KMeans para predecir la similitud entre películas basándote en el argumento de IMDB y Wikipedia. 

Aprenderás a combinar los datos, a realizar la tokenización y el stemming del texto, a transformarlo mediante el TfidfVectorizer, a crear clusters mediante el algoritmo KMeans y, por último, a trazar el dendrograma.

Intenta replicar el resultado en un conjunto de datos diferente, como el conjunto de datos Películas Netflix.

8. Los temas más candentes del machine learning

En el proyecto Los temas más candentes del machine learning, utilizarás el procesamiento de textos y el LDA (Análisis Discriminante Lineal) para descubrir las últimas tendencias en machine learning a partir de la gran colección de artículos de investigación del NIPS. Realizarás análisis de texto, procesarás los datos para la nube de palabras, prepararás los datos para el análisis LDA y analizarás las tendencias con LDA.

9. Abejas ingenuas: predecir especies a partir de imágenes

En el proyecto Abejas ingenuas: predecir especies a partir de imágenes, procesarás la imagen y entrenarás el modelo SVM (Support Vector Classifier) para distinguir entre una abeja melífera y un abejorro. Manipularás y procesarás las imágenes, extrayendo la característica y aplanándola en una sola fila, utilizando StandardScaler y ACP para preparar los datos para el modelo, entrenar el modelo SVM y validar los resultados. 

10. Reconocimiento de las emociones del habla con librosa

En el proyecto Reconocimiento de las emociones del habla con Librosa, procesarás archivos de sonido utilizando Librosa, sound file y sklearn para que el MLPClasificador reconozca la emoción a partir de archivos de sonido. 

Cargarás y procesarás archivos de sonido, realizarás la extracción de características y entrenarás el modelo clasificador Multi-Layer Perceptron. El proyecto te enseñará los fundamentos del procesamiento de audio para que puedas avanzar en el entrenamiento de un modelo de aprendizaje profundo para lograr una mayor precisión. 

Imagen de researchgate.net

Proyectos avanzados de machine learning 

Estos proyectos avanzados de machine learning se centran en construir y entrenar modelos de aprendizaje profundo y en procesar conjuntos de datos no estructurados. Entrenarás redes neuronales convolucionales, unidades recurrentes con compuerta, afinarás modelos de lenguaje de gran tamaño y modelos de aprendizaje por refuerzo.

11. Construye un robot Rick Sánchez con Transformers

En el proyecto Construye un robot Rick Sánchez utilizando transformadores, utilizarás DialoGPT y la biblioteca de transformadores Hugging Face para construir tu chatbot con inteligencia artificial. 

Procesarás y transformarás tus datos, construirás y pondrás a punto el Modelo de generación de respuestas preentrenado a gran escala de Microsoft (DialoGPT) sobre el conjunto de datos de diálogos de Rick y Morty. También puedes crear una sencilla aplicación Gradio para probar tu modelo en tiempo real: Rick & Morty Block Party. 

12. Reconocimiento ASL con Aprendizaje profundo

En el proyecto Reconocimiento ASL, utilizarás Keras para construir una CNN (Red Neuronal Convolucional) para la clasificación de imágenes del lenguaje de signos americano. 

Visualizarás las imágenes y analizarás los datos, procesarás los datos para la fase de modelado, compilarás, entrenarás y CNN en el conjunto de datos de imágenes, y visualizarás las predicciones erróneas. Utilizarás las predicciones erróneas para mejorar el rendimiento del modelo. 

Lee un tutorial de Aprendizaje profundo para comprender los fundamentos y las aplicaciones en el mundo real. 

13. Abejas ingenuas: aprendizaje profundo con imágenes

En el proyecto Abejas ingenuas, construirás y entrenarás un modelo de aprendizaje profundo para distinguir entre imágenes de abejas melíferas y abejorros. Empezarás con el tratamiento de datos de imágenes y etiquetas. 

A continuación, normalizarás la imagen y dividirás el conjunto de datos en prueba y evaluación. Después, construirás y compilarás redes neuronales convolucionales profundas utilizando Keras y, por último, entrenarás y evaluarás los resultados.  

14. Análisis y previsión bursátil mediante aprendizaje profundo

En el proyecto Análisis y previsión bursátil, utilizarás GRUs (Gated Recurrent Unit) para construir modelos de previsión de aprendizaje profundo para predecir los precios de las acciones de Amazon, IBM y Microsoft. 

En la primera parte, profundizarás en el análisis de series temporales para conocer las tendencias y la estacionalidad del precio de las acciones, y luego utilizarás esta información para procesar tus datos y construir un modelo GRU utilizando PyTorch. Para orientarte, puedes consultar el código fuente en GitHub. 

Imagen de Soham Nandi

15. Aprendizaje por refuerzo para Connect X

Connect X es un concurso de simulación de iniciación de Kaggle. Construye un agente RL (Aprendizaje por refuerzo) para competir contra otros participantes del concurso Kaggle. 

Primero aprenderás cómo funciona el juego y crearás un agente funcional ficticio como referencia. Después, empezarás a experimentar con diversos algoritmos de RL y arquitecturas de modelos. Puedes probar a construir un modelo con el algoritmo Deep Q-learning o Proximal Policy Optimization.

Gif de Connect X | Kaggle

Comienza tu andadura profesional en machine learning cursando el programa de carrera Científico de Machine Learning con Python. 

Proyectos de machine learning para estudiantes de último curso

El proyecto de fin de carrera requiere que dediques cierto tiempo a elaborar una solución única. Investigarás la arquitectura de múltiples modelos, utilizarás varios marcos de machine learning para normalizar y aumentar los conjuntos de datos, comprenderás las matemáticas que hay detrás del proceso y escribirás una tesis basada en tus resultados. 

16. ASR multilingüe con transformadores 

En el modelo ASR multilingüe, pondrás a punto el modelo Wave2Vec XLS-R utilizando audio y transcripción turcos para construir un sistema de reconocimiento automático del habla. 

En primer lugar, comprenderás los archivos de audio y el conjunto de datos de texto, luego utilizarás un tokenizador de texto, extraerás características y procesarás los archivos de audio. Después, crearás un entrenador, una función WER, cargarás modelos preentrenados, afinarás los hiperparámetros y entrenarás y evaluarás el modelo. 

Puedes utilizar la plataforma Hugging Face para almacenar los pesos del modelo y publicar aplicaciones web para transcribir el habla en tiempo real: Streaming Urdu Asr.

Imagen de huggingface.co

17. Estilización de rostros en una toma

En el proyecto Estilización de rostros en una toma, puedes modificar el modelo para mejorar los resultados o afinar JoJoGAN en un nuevo conjunto de datos para crear tu aplicación de estilización. 

Utilizará la imagen original para generar una nueva imagen mediante la inversión de GAN y el elegante ajuste de un StyleGAN preentrenado. Comprenderás varios network architect generativos rivales. Después, empezarás a recopilar un conjunto de datos emparejados para crear un estilo a tu elección. 

A continuación, con la ayuda de una solución de ejemplo de la versión anterior de StyleGAN, experimentarás con el nuevo arquitecto para producir arte realista. 

Imagen creada con JoJoGAN

18. Recomendaciones de moda personalizadas de H&M

En el proyecto Recomendaciones de moda personalizadas de H&M, crearás recomendaciones de productos basadas en transacciones anteriores, datos de clientes y metadatos de productos. 

El proyecto pondrá a prueba tus habilidades en PNL, CV (Computer Vision) y aprendizaje profundo. En las primeras semanas, comprenderás los datos y cómo puedes utilizar diversas funciones para obtener una línea de base. 

Después, crea un modelo sencillo que sólo tome el texto y las características categóricas para predecir las recomendaciones. Después, pasa a combinar PNL y CV para mejorar tu puntuación en la tabla de clasificación. También puedes mejorar tu comprensión del problema revisando los debates y el código de la comunidad. 

Imagen de H&M EDA FIRST LOOK

19. Agente de aprendizaje por refuerzo para Atari 2600

En el proyecto MuZero para Atari 2600, construirás, entrenarás y validarás el agente de aprendizaje por refuerzo que utiliza el algoritmo MuZero para los juegos de Atari 2600. Lee el tutorial para obtener más información sobre el algoritmo MuZero.  

El objetivo es construir una arquitectura nueva o modificar la existente para mejorar la puntuación en una tabla de clasificación global. Tardarás más de tres meses en comprender cómo funciona el algoritmo en el aprendizaje por refuerzo. 

Este proyecto es muy matemático y requiere que tengas conocimientos de Python. Puedes encontrar propuestas de solución, pero para alcanzar el primer puesto en el mundo, tienes que construir tu solución.

Gif de Autor | Hugging Face

20. MLOps End-To-End Machine learning (Aprendizaje automático de extremo a extremo)

El proyecto MLOps End-To-End de machine learning es necesario para que te contraten las mejores empresas. Hoy en día, los reclutadores buscan ingenieros de ML que puedan crear sistemas integrales utilizando herramientas de MLOps, orquestación de datos y computación en la nube. 

En este proyecto, construirás y desplegarás un clasificador de imágenes de localización utilizando TensorFlow, Streamlit, Docker, Kubernetes, cloudbuild, GitHub y Google Cloud. El objetivo principal es automatizar la creación y el despliegue de modelos de machine learning en producción mediante CI/CD. Para orientarte, lee el tutorial Machine Learning, canalizaciones, despliegue y MLOps. 

Imagen de Senthil E

Proyectos de machine learning para la creación de portafolios

Para construir tu portafolio de machine learning, necesitas proyectos que destaquen. Demuestra al director de recursos humanos o al reclutador que puedes escribir código en varios lenguajes, comprender varios marcos de machine learning, resolver problemas únicos utilizando machine learning y comprender el ecosistema de machine learning de extremo a extremo. 

21. Clasificador de texto BERT en Unidad de Procesamiento Tensorial 

En el proyecto Clasificador de Texto BERT, utilizarás el modelo de lenguaje de gran tamaño y lo afinarás en el lenguaje Arabizi utilizando TPU (Unidad de Procesamiento de Tensores). Aprenderás a procesar datos de texto utilizando TensorFlow, a modificar la arquitectura del modelo para obtener mejores resultados y a entrenarlo utilizando las TPU de Google. Reducirá tu tiempo de entrenamiento 10 veces en comparación con las GPU. 

Imagen de Hugging Face

22. Clasificación de imágenes con Julia

En el proyecto Clasificación de imágenes mediante FastAI.jl, utilizarás Julia, que está diseñada para tareas de machine learning de alto rendimiento, para crear una sencilla clasificación de imágenes. Aprenderás un nuevo lenguaje y un marco de machine learning llamado FastAI. 

También aprenderás a utilizar la API FastAI para procesar y visualizar los conjuntos de datos imagenette2-160, cargar el modelo preentrenado ResNet18 y entrenarlo utilizando la GPU. Este proyecto te abrirá un nuevo mundo para explorar y desarrollar soluciones de aprendizaje profundo utilizando Julia. 

Imagen del autor

23. Generador de pies de foto

En el proyecto Generador de pies de foto, utilizarás Pytorch para construir modelos CNN y LSTM para crear generadores de pies de foto. Aprenderás a procesar datos de texto e imágenes, a construir un codificador CNN y un decodificador RNN, y a entrenarlo con hiperparámetros sintonizados. 

Para construir el mejor generador de subtítulos, necesitas aprender sobre arquitectura codificador-decodificador, PNL, CNN, LSTM, y experiencia en la creación de funciones de entrenamiento y validación utilizando Pytorch. 

Imagen de Subtitulado automático de imágenes mediante aprendizaje profundo

24. Generar música utilizando redes neuronales

En el proyecto Generar música, utilizarás Music21 y Keras para construir el modelo LSTM para generar música. Aprenderás sobre archivos MIDI, Notas y Acordes y entrenarás el modelo LSTM utilizando archivos MIDI. 

También aprenderás a crear arquitectura de modelos, puntos de control y funciones de pérdida, y aprenderás a predecir notas utilizando entradas aleatorias. El objetivo principal es utilizar archivos MIDI para entrenar redes neuronales, extraer los resultados del modelo y convertirlos en un archivo de música MP3. 

Imagen de Sigurður Skúli | Música generada por la red LSTM

25. Despliegue de la aplicación de machine learning a la producción

El proyecto Despliegue de la aplicación de machine learning a la producción es muy recomendable para los profesionales del machine learning que busquen mejores oportunidades en este campo. 

En este proyecto, desplegarás aplicaciones de machine learning en la nube utilizando Plotly, Transformers, MLFlow, Streamlit, DVC, GIT, DagsHub y Amazon EC2. Es una forma perfecta de mostrar tus habilidades MLOps. 

Imagen de Zoumana Keita

¿Cómo iniciar un proyecto de machine learning?

Imagen del autor

No hay pasos estándar en un proyecto típico de machine learning. Por tanto, puede ser sólo recogida de datos, preparación de datos y entrenamiento del modelo. En esta sección, conoceremos los pasos necesarios para construir el proyecto de machine learning listo para la producción. 

Definición del problema

Tienes que comprender el problema empresarial y tener una idea aproximada de cómo vas a utilizar el machine learning para resolverlo. Busca trabajos de investigación, proyectos de código abierto, tutoriales y aplicaciones similares utilizadas por otras empresas. Asegúrate de que tu solución es realista y de que los datos están fácilmente disponibles. 

Recogida de datos

Recogerás datos de diversas fuentes, los limpiarás y etiquetarás, y crearás secuencias de comandos para la validación de datos. Asegúrate de que tus datos no son tendenciosos ni contienen información sensible. 

Preparación de datos 

Rellena los valores que faltan, limpia y procesa los datos para su análisis. Utiliza herramientas de visualización para comprender la distribución de los datos y cómo puedes utilizar las características para mejorar el rendimiento del modelo. El escalado de rasgos y el aumento de datos se utilizan para transformar los datos para un modelo de machine learning.

Modelo de entrenamiento 

seleccionar redes neuronales o algoritmos de machine learning que se utilicen habitualmente para problemas concretos. Modelo de entrenamiento mediante validación cruzada y utilizando diversas técnicas de optimización de hiperparámetros para obtener resultados óptimos. 

Evaluación del modelo 

Evaluar el modelo en el conjunto de datos de prueba. Asegúrate de que utilizas la métrica de evaluación de modelos correcta para problemas concretos. La precisión no es una métrica válida para todo tipo de problemas. Comprueba la puntuación F1 o AUC para la clasificación o el RMSE para la regresión. Visualiza la importancia de las características del modelo para descartar las que no sean importantes. Evalúa las métricas de rendimiento, como el entrenamiento del modelo y el tiempo de inferencia. 

Asegúrate de que el modelo ha superado la línea de base humana. Si no, vuelve a recopilar más datos de calidad y comienza de nuevo el proceso. Es un proceso iterativo en el que seguirás entrenándote con diversas técnicas de ingeniería de características, arquitectos de modos y marcos de machine learning para mejorar el rendimiento. 

Producción 

Una vez obtenidos los resultados más avanzados, ha llegado el momento de desplegar tu modelo de machine learning en producción/nube utilizando herramientas MLOps. Supervisa el modelo con datos en tiempo real. La mayoría de los modelos fallan en producción, por lo que es una buena idea desplegarlos para un pequeño subconjunto de usuarios. 

Reentrenar 

Si el modelo no consigue resultados, volverás a la mesa de dibujo e idearás una solución mejor. Aunque consigas grandes resultados, el modelo puede degradarse con el tiempo debido a la deriva de los datos y del concepto. Reentrenar nuevos datos también hace que tu modelo se adapte a los cambios en tiempo real.