Portfolio von angewandten KI-Abschlussprojekten einschließlich medizinischer Bildgebungs-CNNs und Diabetes-Vorhersage-Pipelines.
Entdecken Sie angewandtes Machine Learning, medizinische Bildgebungs-CNNs und KI-Ethik-Projekte.
Dieses Repository fasst angewandte Abschlussprojekte aus den Bereichen Data Science, Machine Learning und medizinische Bildgebung zusammen. Es eignet sich für Studierende und Entwickler, die sich mit praktischen neuronalen Netzen und Daten-Pipelines beschäftigen.
Es bietet strukturierte Kursordner mit Jupyter Notebooks zur Pneumonie-Erkennung anhand von Thorax-Röntgenbildern, explorativer Datenanalyse von Gesundheitsdatensätzen sowie Machine-Learning-Pipelines zur Diabetes-Vorhersage. Jeder Ordner enthält nummerierte Meilensteine, Erklärungen zu Datensätzen und Quellcode.
Es eignet sich für Lernende, die sich mit angewandtem Deep Learning und Gesundheits-Data-Science befassen. Es ist nicht geeignet für Teams, die produktionsbereite Microservices oder Enterprise-Frameworks suchen.
Ein Convolutional Neural Network, das anhand von Thorax-Röntgenbildern trainiert wurde, inklusive technischem Bericht.
Explorative Datenanalyse zu Bereinigung, Feature-Erkundung und Korrelation.
Ein End-to-End-Machine-Learning-Workflow zur Vorhersage des Diabetesrisikos anhand von Gesundheitsdaten.
Eine geisteswissenschaftliche Abschlussarbeit zur Untersuchung der gesellschaftlichen Dimensionen angewandter KI.
Der Code ist öffentlich auf GitHub einsehbar, aber in den Repository-Metadaten ist keine Open-Source-Lizenz angegeben.
879 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Das Repository besagt, dass die Arbeit zum Schutz vor unerlaubtem Kopieren urheberrechtlich geschützt ist, und bittet Benutzer, Teile davon nicht als ihre eigenen einzureichen.
Die Projekte basieren auf Python, scikit-learn, TensorFlow/Keras und Pandas.
Zekai zuerst in Google sehen