原文：
www.kdnuggets.com/7-ai-portfolio-projects-to-boost-the-resume
作者提供的图片
我真正相信，为了在人工智能领域找到工作，你需要拥有一个强大的作品集。这意味着你需要向招聘人员展示你能够构建解决现实问题的 AI 模型和应用程序。
1. 谷歌网络安全证书 - 快速进入网络安全职业轨道
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织的 IT
在这篇博客中，我们将回顾 7 个 AI 组合项目，这些项目将提升你的简历。这些项目附带教程、源代码和其他辅助材料，帮助你构建合适的 AI 应用程序。
项目链接： 在 5 分钟内使用 Hugging Face 和 Gradio 构建 AI 聊天机器人
项目截图
在这个项目中，你将构建一个聊天机器人应用程序，并将其部署到 Hugging Face 空间。这是一个面向初学者的 AI 项目，只需了解少量的语言模型和 Python 知识即可。首先，你将学习 Gradio Python 库的各种组件来构建聊天机器人应用程序，然后你将使用 Hugging Face 生态系统加载模型并进行部署。
就这么简单。
项目链接： DuckDB 教程：构建 AI 项目
项目截图
在这个项目中，你将学习如何使用 DuckDB 作为 RAG 应用程序的向量数据库，以及如何使用 LlamaIndex 框架作为 SQL 查询引擎。查询将接受自然语言输入，将其转换为 SQL，并以自然语言显示结果。这是一个简单直观的初学者项目，但在深入构建 AI 应用程序之前，你需要学习一些 DuckDB Python API 和 LlamaIndex 框架的基础知识。
项目链接： Cohere Command R+: 完整的逐步教程
项目中的截图
相比于 OpenAI API，Cohere API 在开发 AI 应用方面功能更强大。在这个项目中，我们将探索 Cohere API 的各种功能，并学习如何使用 LangChain 生态系统和 Command R+ 模型创建一个多步骤的 AI 代理。这个 AI 应用将接收用户的查询，使用 Tavily API 搜索网络，生成 Python 代码，使用 Python REPL 执行代码，然后返回用户请求的可视化结果。这是一个中级项目，适合具有基本知识并有兴趣使用 LangChain 框架构建高级 AI 应用的个人。
项目链接： 微调 Llama 3 并本地使用：逐步指南 | DataCamp
项目中的图片
一个受欢迎的 DataCamp 项目，将帮助你使用免费资源微调任何模型，并将模型转换为 Llama.cpp 格式，以便在没有互联网的情况下本地使用在你的笔记本电脑上。你将首先学习在医疗数据集上微调 Llama-3 模型，然后将适配器与基础模型合并，并将完整模型推送到 Hugging Face Hub。之后，将模型文件转换为 Llama.cpp GGUF 格式，对 GGUF 模型进行量化，并将文件推送到 Hugging Face Hub。最后，使用 Jan 应用在本地使用微调后的模型。
模型仓库： kingabzpro/wav2vec2-large-xls-r-300m-Urdu
代码仓库： kingabzpro/Urdu-ASR-SOTA
教程链接： 使用 🤗 Transformers 微调 XLSR-Wav2Vec2 以进行低资源 ASR
截图来自 kingabzpro/wav2vec2-large-xls-r-300m-Urdu
我最受欢迎的项目！每个月下载量接近五十万次。我在一个乌尔都语数据集上使用 Transformer 库对 Wave2Vec2 Large 模型进行了微调。在此之后，我通过集成语言模型提高了生成输出的结果。
截图来自 Urdu ASR SOTA - a Hugging Face Space by kingabzpro
在这个项目中，你将微调一个语音识别模型，并将其与语言模型集成以提高性能。之后，你将使用 Gradio 构建一个 AI 应用程序并将其部署到 Hugging Face 服务器上。微调是一项具有挑战性的任务，需要学习基础知识、清理音频和文本数据集，并优化模型训练。
项目链接： 面向初学者的 CI/CD 机器学习指南 | DataCamp
项目中的图片
另一个流行的 GitHub 项目。它涉及构建 CI/CD 管道或机器学习操作。在这个项目中，你将学习机器学习项目模板以及如何自动化模型训练、评估和部署的过程。你将了解 MakeFile、GitHub Actions、Gradio、Hugging Face、GitHub 密钥、CML 操作和各种 Git 操作。
最终，你将构建端到端的机器学习管道，当新数据被推送或代码被更新时，这些管道将自动运行。它将利用新数据重新训练模型，生成模型评估，提取训练好的模型，并将其部署到服务器上。这是一个完全自动化的系统，在每一步都会生成日志。
项目链接： 使用 DreamBooth 和 LoRA 微调 Stable Diffusion XL | DataCamp
项目中的图片
我们已经学习了如何微调大型语言模型，但现在我们将使用个人照片微调一个生成式 AI 模型。微调 Stable Diffusion XL 只需几张图片，因此你可以获得如上所示的最佳结果。
在这个项目中，你将首先了解 Stable Diffusion XL，然后使用 Hugging Face AutoTrain Advance、DreamBooth 和 LoRA 在新数据集上微调它。你可以使用 Kaggle 免费 GPU 或 Google Colab。该项目附带了一个指南，帮助你完成每一步。
博客中提到的所有项目都是由我构建的。我确保包括了指南、源代码和其他支持材料。
完成这些项目将为你提供宝贵的经验，并帮助你建立一个强大的作品集，从而增加获得理想工作的机会。我强烈建议大家在 GitHub 和 Medium 上记录他们的项目，然后在社交媒体上分享以吸引更多关注。继续工作，持续构建；这些经历也可以作为实际经验添加到你的简历中。
Abid Ali Awan (@1abidaliawan) 是一位认证的数据科学专业人士，热衷于构建机器学习模型。目前，他专注于内容创作和撰写关于机器学习和数据科学技术的技术博客。Abid 拥有技术管理硕士学位和电信工程学士学位。他的愿景是利用图神经网络为面临心理健康问题的学生打造一款 AI 产品。