Репозиторий с моими проектами программы курсов Яндекс.Практикум по направлению Data Science.
| No | Проект | Описание | Инструменты |
|---|---|---|---|
| 01 | Яндекс Музыка | Исследование поведения пользователей Яндекс Музыки двух столиц. | pandas |
| 02 | Исследование надёжности заёмщиков | Проанализировать статистику о платёжеспособности клиентов кредитного отдела банка. | pandas, seaborn, plotly.express |
| 03 | Исследование объявлений о продаже квартир | На основании данных сервиса Яндекс.Недвижимость определить рыночную стоимость объектов недвижимости и установить параметры, которые помогут отследить аномалии и мошенническую деятельность. | pandas, numpy, seaborn, matplotlib |
| 04 | Исследование данных о российском кинопрокате | Изучить рынок российского кинопроката и выявить текущие тренды. Обратить внимание на фильмы, которые получили государственную поддержку. Изучить, насколько такие фильмы интересны зрителю. | pandas , numpy, seaborn, matplotlib, missingno |
| 05 | Статистический анализ | Статистический анализ данных для определения перспективного тарифа телеком-компании, проект делался в тренажёре. | pandas, numpy, seaborn, matplotlib.pyplot, scipy |
| 06 | Рекомендация тарифов | Построение модели для задачи классификации, которая способна проанализировать поведение клиентов и предложить пользователям новый тариф. | pandas, numpy, sklearn, seaborn, matplotlib |
| 07 | Отток клиентов | Построение модели прогноза оттока клиентов из банка. | pandas, matplotlib, sklearn |
| 08 | Выбор локации для скважины | Построение модели машинного обучения, которая поможет определить регион, где добыча принесёт наибольшую прибыль. Анализ возможной прибыль и риски техникой Bootstrap. | pandas, numpy, matplotlib, sklearn |
| 09 | Прогнозирование оттока клиентов в сети отелей | Выявление потенциальных постояльцев отеля которые с большой долей вероятности отменят бронирование гостиничного номера. Данное исследование призвано улучшить планирование расходов бизнеса и минимизировать финансовые издержки для отеля. | pandas, numpy, seaborn, sklearn |
| 10 | Предсказание стоимости жилья | На основе данных нужно предсказать медианную стоимость дома в жилом массиве. | pandas, numpy, seaborn, pyspark |
| 11 | Защита персональных данных клиентов | Защита данных клиентов страховой компании. Разработка метода преобразования данных, чтобы по ним было сложно восстановить персональную информацию | pandas, numpy, seaborn, scipy, sklearn, matplotlib |
| 12 | Определение стоимости автомобилей | В нашем распоряжении исторические данные: технические характеристики, комплектации и цены автомобилей. Цель проекта построить модель для определения стоимости автомобиля по имеющимся данным. | pandas, numpy, seaborn, sklearn, catboost, lightgbm |
| 13 | SQL-запросы в Jupyter Notebook | Подключение к базе с помощью SQLAlchemy и зарные SQL запросы. | pandas, matplotlib, seaborn, sqlalchemy |
| 14 | Прогнозирование температуры звёзды. | Прогнозирование температуры на поверхности обнаруженных звёзд при помощи нескольких методов и применении нейросети как инструмента решения задачи. | pandas, matplotlib, numpy , seaborn, math, sklearn, torch |
| 15 | Оценка риска ДТП. | Создатние системы, которая могла бы оценить риск ДТП по выбранному маршруту движения. | pandas, matplotlib, numpy , seaborn, scipy.stats, sklearn, sqlalchemy, multiprocessing |
| 16 | Прогнозирование заказов такси. | Чтобы привлекать больше водителей в период пиковой нагрузки, нужно спрогнозировать количество заказов такси на следующий час. Строим модель для такого предсказания. | pandas, matplotlib, numpy , seaborn, catboost, sklearn, lightgbm, statsmodels |
| 17 | Проект для интернет-магазина. | Создание инструмента, который будет искать токсичные комментарии и отправлять их на модерацию. | pandas, numpy , catboost, sklearn, lightgbm, tqdm, nltk |
| 18 | Определение возраста покупателей по фотографии. | Задача посторения модели определяющей возраст человека по фотографии с коэффецентом MAE не более 8-ми. | pandas, tensorflow, matplotlib |
| 19 | Поиск изображения по запросу. | Обучение модели, которая получит векторное представление изображения, векторное представление текста, а на выходе — покажет, насколько текст и картинка подходят друг другу. | pandas, numpy , tensorflow, matplotlib, PIL, torch, sklearn, catboost, ydata_profiling |
| 20 | Прогнозирование отока клиентов телекоммуникационной компании. | Строим модель, которая будет предсказывать, разорвёт ли абонент договор или нет. | pandas, numpy , seaborne, matplotlib, sqlalchemy, torch, sklearn, catboost, phik |
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent