В репозитории представлены учебные проекты, реализованные в рамках профессиональной переподготовки по программе "Специалист по Data Science" от Яндекс.Практикум.
Описаны только проекты, демонстрирующие знания и умения в сфере Machine Learning.
| Наименование (ссылка на файл .ipynb) | Краткое описание | Задача проекта; метрика | Инструменты |
|---|---|---|---|
| NLP | Разработка модели для классифицикации комментариев на позитивные и негативные | Бинарная классификация; F-мера |
Python, Pandas, Scikit-learn, Pipeline, NLTK, TF-IDF, BERT, SpaCy |
| Применение ML (регрессия) в E-Commerce | Разработка системы рекомендации стоимости автомобиля на основе его описания | Регрессия; RMSE |
Python, Pandas, statsmodels, Scikit-learn, LightGBM, RandomizedSearchCV, Pipeline |
| Применение ML в сфере услуг такси | Разработка модели для предсказания количество заказов такси на следующий час | Прогнозирование временных рядов; RMSE |
Python, Pandas, statsmodels, Scikit-learn, CatBoost, GridSearchCV, Pipeline |
| Применение ML в нефтянной промышленности | Разработка модели для предсказания региона, где добыча нефти принесет наибольшую прибыль | Регрессия; RMSE |
Python, Pandas, Scikit-learn, bootstrap |
| Применение ML в HR | Моделирование коэффициента удовлетворённости работников и прогнозирование оттока работников | Бинарная классификация; ROC-AUC |
Python, Pandas, Matplotlib, Scikit-learn, shap, feature importance |
| Применение ML (классификация) в E-Commerce | Разработка моделей машинного обучения для прогнозирования и повышения покупательской активности постоянных клиентов интернет-магазина | Бинарная классификация; ROC-AUC |
Python, Pandas, Matplotlib, Scikit-learn, shap, feature importance |
| Применение ML в фермерском хозяйстве | Разработка моделей машинного обучения для принятия решений о приобретении коров по заказу молочного хозяйства | Бинарная классификация; F-мера |
Python, Pandas, Matplotlib, Scikit-learn |