Portfólio de projetos de capstone de IA aplicada, incluindo CNNs de imagem médica e pipelines de previsão de diabetes.
Explore projetos de aprendizado de máquina aplicado, CNNs de imagem médica e ética em IA.
Este repositório compila projetos de capstone aplicados em ciência de dados, aprendizado de máquina e imagem médica. É adequado para estudantes e desenvolvedores que estudam redes neurais práticas e pipelines de dados.
Ele fornece pastas de cursos estruturadas contendo notebooks Jupyter para detecção de pneumonia usando radiografias de tórax, análise exploratória de dados em conjuntos de dados de saúde e pipelines de aprendizado de máquina para previsão de diabetes. Cada pasta contém marcos numerados, explicações dos conjuntos de dados e código-fonte.
É adequado para estudantes que exploram deep learning aplicado e ciência de dados em saúde. Não é adequado para equipes que buscam microsserviços prontos para produção ou frameworks corporativos.
Uma rede neural convolucional treinada em radiografias de tórax com um relatório técnico.
Análise exploratória de dados abrangendo limpeza, exploração de features e correlação.
Um fluxo de trabalho de aprendizado de máquina de ponta a ponta que prevê o risco de diabetes a partir de dados de saúde.
Um capstone de humanidades examinando as dimensões sociais da IA aplicada.
O código é publicamente visível no GitHub, mas nenhuma licença open source é declarada nos metadados do repositório.
879 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
O repositório afirma que o trabalho é protegido para evitar cópias não autorizadas e pede aos usuários que não enviem partes dele como se fossem suas.
Os projetos dependem de Python, scikit-learn, TensorFlow/Keras e Pandas.
Veja o Zekai primeiro no Google