Описание проектов

Deep Learning

Object Detection

Задача: Реализация архитектуры для детекции объектов (игральных карт) на изображениях.
Детали: Написание архитектуры с нуля, использование аугментаций, применение предобученных моделей (ResNet50).
Библиотеки: PyTorch, Albumentations, Torchvision.

Face Verification & Siamese Networks (networks_and_images)

Задача: Бинарная классификация пар изображений, Triplet Loss.
Библиотеки: PyTorch, Scikit-learn.

Fully Connected Networks

Задача: Предсказание года выпуска песни по аудио-признакам.
Детали: Обучение полносвязной нейронной сети на табличных данных, работа с DataLoader, кастомные циклы обучения.
Библиотеки: PyTorch, Pandas, NumPy.

Machine Learning

Decision Trees & Random Forest

Задача: Классификация и регрессия с помощью деревьев.
Детали: Реализация с нуля алгоритма построения решающего дерева (функция find_best_split, критерии Джини и дисперсии).

Gradient Boosting (boosting_and_clustering)

Задача: Предсказание зарплаты Data Scientist'ов.
Детали: Анализ факторов, влияющих на зарплату, применение градиентного бустинга для регрессии.
Библиотеки: Scikit-learn, Pandas, Matplotlib.

kNN & Linear Regression

Задача: Классификация пингвинов (Palmer Penguins) и регрессионный анализ.
Детали: Визуализация решающих поверхностей kNN, использование регуляризации (Lasso, Ridge) в линейных моделях.
Библиотеки: Scikit-learn, Seaborn.

Text Classification

Задача: Анализ тональности твитов о коронавирусе.
Библиотеки: Scikit-learn, Pandas.

Exploratory Data Analysis (EDA)

Задача: Анализ датасета физической активности.
Детали: Визуализация распределений признаков, предобработка временных рядов.
Библиотеки: Pandas, Seaborn, Matplotlib.