Описание проектов, которые хранятся в репозитарии

Название проекта	Описание проекта	Используемые библиотеки
Выбор места под скважину	Предоставлены пробы нефти в трёх регионах: в каждом 10 000 месторождений, где измерили качество нефти и объём её запасов. Постройте модель машинного обучения, которая поможет определить регион, где добыча принесёт наибольшую прибыль.	pandas, sklearn.metrics, numpy.
Прогноз оттока клиентов	Научиться прогнозировать отток клиентов. Если вы обнаружите новых клиентом, которые планируют уходить, то тогда им будут предложены промокоды и специальные условия. Команда оператора собрала персональные данные о некоторых клиентах, информацию об их тарифах и договоре.	pandas, numpy, sklearn.ensemble, sklearn.model_selection, sklearn.metrics, sklearn.tree, sklearn.preprocessing.
Определить кф золота в золотосодержащей руде	Подготовить прототип модели машинного обучения для компании. Компания разрабатывает решения для эффективной работы промышленных предприятий. Модель должна предсказать коэффициент восстановления золота из золотосодержащей руды. В вашем распоряжении данные с параметрами добычи и очистки. Модель поможет оптимизировать производство, чтобы не запускать предприятие с убыточными характеристиками.	pandas, numpy, sklearn.linear_model, matplotlib.pyplot, sklearn.model_selection, sklearn.tree, sklearn.model_selection.
Определение наилучшего тарифа	Клиентам предлагают два тарифных плана: «Смарт» и «Ультра». Чтобы скорректировать рекламный бюджет, коммерческий департамент хочет понять, какой тариф приносит больше денег. Задача - сделать предварительный анализ тарифов на небольшой выборке клиентов. В моем распоряжении данные 500 пользователей: кто они, откуда, каким тарифом пользуются, сколько звонков и сообщений каждый отправил за 2018 год. Нужно проанализировать поведение клиентов и сделать вывод — какой тариф лучше. Были выдвинуты и проверены гипотезы относительно каждого тарифа	pandas, numpy, matplotlib.pyplot, scipy
Анализ продажи квартир	Исследование объявлений о продаже квартир. В моем распоряжении данные — архив объявлений о продаже квартир в Санкт-Петербурге и соседних населённых пунктов за несколько лет. Нужно научиться определять рыночную стоимость объектов недвижимости. Задача — установить параметры. Это позволит построить автоматизированную систему: она отследит аномалии и мошенническую деятельность.	pandas, matplotlib.pyplot
Приложение для определение стоимости автомобиля	Сервис по продаже автомобилей с пробегом разрабатывает приложение для привлечения новых клиентов. В нём можно быстро узнать рыночную стоимость своего автомобиля. В вашем распоряжении исторические данные: технические характеристики, комплектации и цены автомобилей. Нужно построить модель для определения стоимости.	pandas, numpy, sklearn.linear_model, sklearn.ensemble, sklearn.tree, catboost, lightgbm
Прогноз заказов такси	Компания собрала исторические данные о заказах такси в аэропортах. Чтобы привлекать больше водителей в период пиковой нагрузки, нужно спрогнозировать количество заказов такси на следующий час. Постройте модель для такого предсказания.Значение метрики RMSE на тестовой выборке должно быть не больше 48.	pandas, numpy, matplotlib.pyplot, sklearn.linear_model, statsmodels.tsa.seasonal, sklearn.model_selection
Интернет-магазин «Викишоп»	Интернет-магазин «Викишоп» запускает новый сервис. Теперь пользователи могут редактировать и дополнять описания товаров, как в вики-сообществах. То есть клиенты предлагают свои правки и комментируют изменения других. Магазину нужен инструмент, который будет искать токсичные комментарии и отправлять их на модерацию.	LinearRegression, RandomForestClassifier, LogisticRegression, GridSearchCV, WordNetLemmatizer, nltk_stopwords