Skip to content

VSXV/VSXV

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

26 Commits
 
 

Repository files navigation

Привет!

Я product manager, углубленно изучающий область Data Science с целью применения моих навыков и знаний для решения сложных бизнес-задач. Мой аккаунт GitHub отражает мою деятельность и прогресс в изучении анализа данных, машинного обучения, предсказательного моделирования и визуализации данных.

Я тщательно документирую свои проекты, чтобы упростить понимание моих методов и решений. Здесь вы найдете различные проекты и наборы данных, которые я использовал для обучения и исследований.

Всегда открыт для обсуждения новых идей, возможностей для совместной работы и способов применения Data Science для решения реальных проблем. С радостью присоединюсь к сообществу специалистов по данным и с нетерпением жду своего первого профессионального опыта в этой области. Давайте делиться знаниями и вместе двигаться вперед!


Мои профили:

vsxvmk1 vsxv

Языки и инструменты:

docker mariadb opencv pandas postgresql python pytorch scikit_learn seaborn tensorflow

Соревнования Kaggle

Проект Описание исследования Библиотеки
1. Home credit bank Цель этого соревнования - определить, насколько вероятно, что клиент не выплатит долг по выданному кредиту. Kaggle competition code. LightGBM, Numpy, Pandas, Polars, Sklearn


Pet-проекты

Проект Описание исследования Библиотеки
1. Предсказание стоимости объекта недвижимости Предсказание стоимости объекта недвижимости на торговой площадке и на рынке. Поиск самых маржинальных объектов для инвестирования. CatBoost, FastAPI, Pandas, Docker, Parsing


Проекты Data Science

Проект Описание исследования Библиотеки
01. Музыкальное приложение Сравнение Москвы и Петербурга окружено мифами. Например: Москва — мегаполис, подчинённый жёсткому ритму рабочей недели; Петербург — культурная столица, со своими вкусами. На данных музыкального приложения мы сравниваем поведение пользователей двух столиц. Pandas
02. Исследование надежности заемщиков В данном исследовании мы не оценивали влияние на срок возврата кредита сводных данных. То есть мы не оценивали, какой процент задолженнсоти у людей имеющие одновременно определенное количество детей, семейное положение, уровень дохода и цель займа. Pandas
03. Исследование объявлений о продаже квартир Наша задача — выполнить предобработку данных и изучить их, чтобы найти интересные особенности и зависимости, которые существуют на рынке недвижимости. Matplotlib, Numpy, Pandas, Seaborn
04. Исследование данных о российском кинопрокате Нам нужно изучить рынок российского кинопроката и выявить текущие тренды. Уделим внимание фильмам, которые получили государственную поддержку. Попробуем ответить на вопрос, насколько такие фильмы интересны зрителю. Matplotlib, Numpy, Pandas, Seaborn
05. Статистика тарифов мобильной связи Нам предстоит сделать предварительный анализ тарифов на небольшой выборке клиентов. Matplotlib, Numpy, Pandas, Seaborn, Scipy
06. Рекомендация тарифов В нашем распоряжении данные о поведении клиентов, которые уже перешли на эти тарифы. Нужно построить модель для задачи классификации, которая выберет подходящий тариф. Numpy, Pandas, Sklearn
07. Отток клиентов банка Нужно спрогнозировать, уйдёт клиент из банка в ближайшее время или нет. Нам предоставлены исторические данные о поведении клиентов и расторжении договоров с банком. Matplotlib, Numpy, Pandas, Seaborn, Sklearn
08. Выбор локации для нефтяной скважины Построим модель машинного обучения, которая поможет определить регион, где добыча принесёт наибольшую прибыль. Проанализируем возможную прибыль и риски техникой Bootstrap. Matplotlib, Numpy, Pandas, Seaborn, Scipy, Sklearn, Bootstap
09. Прогнозирование оттока клиентов в сети отелей Чтобы решить эту проблему, нам нужно разработать систему, которая предсказывает отказ от брони. Если модель покажет, что бронь будет отменена, то клиенту предлагается внести депозит. Matplotlib, Numpy, Pandas, Seaborn, Sklearn
10. Классификация жанров музыки Музыкальный сервис расширяет работу с новыми артистами и музыкантами, в связи с чем возникла задача - правильно классифицировать новые музыкальные треки, чтобы улучшить работу рекомендательной системы. Kaggle competition code. Matplotlib, Numpy, Pandas, Seaborn, Sklearn, Phik, Catboost, Feauture engine, Imblearn
11. Прогнозирование стоимости автомобиля Сервис по продаже автомобилей с пробегом разрабатывает приложение, чтобы привлечь новых клиентов. В нём можно будет узнать рыночную стоимость своего автомобиля. Нужно создать модель, которая умеет её определять. CatBoost, LightGBM, Matplotlib, Numpy, Pandas, Scikit learn, Scipy
12. Подбор похожих товаров Разработать алгоритм, который для всех товаров предложит несколько вариантов наиболее похожих. CatBoost, Faiss, Matplotlib, Numpy, Pandas, Scikit learn, Phik
13. Прогнозирование температуры звезды Придумать, как с помощью нейросети определять температуру на поверхности обнаруженных звёзд. Matplotlib, Numpy, Pandas, Scikit learn, Torch
14. Оценка риска ДТП Нужно создать систему, которая могла бы оценить риск ДТП по выбранному маршруту движения. Под риском понимается вероятность ДТП с любым повреждением транспортного средства. CatBoost, Matplotlib, Numpy, Pandas, Seaborn, Shap, Scikit learn, Feature engine, SQL
15. Прогнозирование количества заказов такси Чтобы привлекать больше водителей в период пиковой нагрузки, нужно спрогнозировать количество заказов такси на следующий час. CatBoost, Matplotlib, Numpy, Pandas, Math, Scikit learn, Statsmodels
16. Модерация токсичных комментариев Магазину нужен инструмент, который будет искать токсичные комментарии и отправлять их на модерацию. nltk, Pandas, Scikit learn
17. Набор CV задач Набор CV задач. Matplotlib, Numpy, Pandas, Tensorflow
18. Поиск фото по описанию Получить векторное представление изображения, векторное представление текста, а на выходе число от 0 до 1 — которое покажет, насколько текст и картинка подходят друг другу. Matplotlib, Numpy, Pandas, Seaborn, Spacy, Torch, Scikit learn
19. Прогнозирование температуры сплава Заказчик решил уменьшить потребление электроэнергии на этапе обработки стали. Для этого комбинату нужно контролировать температуру сплава. Задача — построить модель, которая будет её предсказывать. CatBoost, Matplotlib, Numpy, Pandas, Scikit learn, Seaborn, SQL


About

My personal repository

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published