Яндекс.Практикум: Data Scientist. Репозиторий проектов.

ЯП: Python, SQL | IDE: Jupyter Notebook | Certificate DS: 20212DS00733 | Cert in english

№	Проект	Задача	Инструменты
15	Проект "Телеком" > посмотреть тетрадь	Научиться прогнозировать отток клиентов на основе исторических данных. Финальный проект.	градиентный бустинг, shap, tqdm, catboost, pipeline, sklearn, seaborn, matplotlib, numpy, pandas
14	Определение возраста покупателей > посмотреть тетрадь	Построить модель, которая по фотографии определит приблизительный возраст человека.	компьютерное зрение, keras, os, matplotlib, pandas
13	Спрос на рейсы авиакомпании > посмотреть тетрадь	Произвести выгрузку и подготовку данных с помощью SQL, проанализировать спрос пассажиров на рейсы в города, где проходят крупнейшие культурные фестивали.	извлечение данных, sql, pyspark, matplotlib, pandas
12	Классификатор комментариев > посмотреть тетрадь	Ускорить модерацию комментариев в сообществе, автоматизировав оценку их токсичности. Обучить классификатор для разделения комментариев на нейтральные и негативные.	обработка естественного языка, лемматизация, nltk, simplemma, tqdm, re, pipeline, sklearn, seaborn, matplotlib, numpy, pandas
11	Прогнозирование заказов такси > посмотреть тетрадь	Научиться прогнозировать количество заказов такси на следующий час.	временные ряды, statsmodels, sklearn, seaborn, matplotlib, pandas
10	Определение стоимости автомобилей > посмотреть тетрадь	Построить модель для определения стоимости автомобиля на основе исторических данных: технических характеристик, комплектации и цены.	градиентный бустинг, lightgbm, sklearn, pandas
09	Защита персональных данных клиентов > посмотреть тетрадь	Методом преобразования данных защитить личную информацию клиентов страховой компании.	sklearn, numpy, pandas
08	Восстановление золота из руды > посмотреть тетрадь	Разработать модель, предсказывающую коэффициент восстановления золота из золотосодержащей руды.	sklearn, seaborn, matplotlib, numpy, pandas
07	Выбор локации для скважины > посмотреть тетрадь	Построить модель машинного обучения, которая поможет определить регион, где добыча принесет наибольшую прибыль с наименьшим риском убытков.	bootstrap, sklearn, seaborn, matplotlib, numpy, pandas
06	Отток клиентов > посмотреть тетрадь	Провести анализ оттока клиентов банка для выбора стратегии удержания.	pandas-profiling, imblearn, pipeline, sklearn, seaborn, matplotlib, numpy, pandas
05	Рекомендация тарифов > посмотреть тетрадь	Построить модель для задачи классификации, которая подскажет подходящий тариф.	sklearn, matplotlib, numpy, pandas
04	Исследование рынка игр > посмотреть тетрадь	Используя исторические данные о продажах компьютерных игр, оценки пользователей и экспертов, жанры и платформы, выявить закономерности, определяющие успешность игры.	проверка статистических гипотез, pandas-profiling, scipy, seaborn, matplotlib, numpy, pandas
03	Сравнение доходности тарифов мобильного оператора > посмотреть тетрадь	Проанализировать поведение клиентов оператора сотовой связи и выполнить поиск оптимального тарифа.	проверка статистических гипотез, scipy, seaborn, matplotlib, numpy, pandas
02	Исследование объявлений о продаже квартир > посмотреть тетрадь	Определить рыночную стоимость объектов недвижимости и типичные параметры квартир, используя данные за прошлый период.	math, seaborn, matplotlib, numpy, pandas
01	Исследование надёжности заёмщиков > посмотреть тетрадь	На основе статистики о платёжеспособности клиентов исследовать влияет ли семейное положение и количество детей клиента на факт возврата кредита в срок.	лемматизация, pymystem3, seaborn, matplotlib, pandas
00	Музыка больших городов > посмотреть тетрадь	Сравнить данные для Москвы и Петербурга, исследовать что и в каком режиме слушают жители этих городов.	pandas