Сертификаты о прохождении курсов
Ноутбуки .ipynb
и .py
скрипты:
- Репозиторий - Проекты Data Science
- Репозиторий - Проекты Data Analyst
- Репозиторий - Алгоритмы и структуры данных
Проекты-репозитории:
- Репозиторий - Web-приложение для определения цены автомобиля
- Репозиторий - OpenSource. Классы для отбора признаков и обработке DataFrame. PyPI проект
- Репозиторий - Модульная обработка изображений с использованием OpenCV и генераторов Python с помощью Detectron2
- Развертывание Yandex Node
Привет
Отображение некоторых элементов ограничено - рекомендую смотреть проекты через External Viewer
Для удобства, ссылки ведут сразу на данный сервис просмотра. Если нужны исходные файлы - переходи на соответствующий репозиторий
Проекты Data Science. Deep learning
Проект | Тип исследования | Статус |
---|---|---|
01. Компьютерное зрение. Регрессия | Необходимо построить модель, которая по фотографии определит приблизительный возраст человека. В нашем распоряжении набор фотографий людей с указанием возраста | Завершен |
02. Обучение нейронных сетей. DLS | Полный цикл обучения ANN, CNN на pyTorch | Завершен |
03. Компьютерное зрение. Сегментация | Реализация архитектур нейронных сетей для задач сегментации, pyTorch | Завершен |
04. Компьютерное зрение. Автоэнкодеры | Реализация архитектур нейронных сетей автокодировщиков, pyTorch | Завершен |
05. Компьютерное зрение. GAN | Реализация архитектур нейронных сетей GAN, pyTorch | Завершен |
06. Simpsons классификация. CNN | Классификация. Компьютерное зрение | Завершен |
07. Модуль детекции объектов | Детекция, сегментация на кастомном сете данных, создание приложения | Завершен |
Проекты Data Science. Deep learning и NLP
Проект | Тип исследования | Статус |
---|---|---|
01. NLP. Классификация тональности текста | Необходимо обучить модель классифицировать комментарии на позитивные и негативные | Завершен |
02. NLP. Простые эмбеддинги | реализация простых эмбеддингов, word2vec, ранжирование, pyTorch | Завершен |
03. NLP. Эмбеддинги | реализация эмбеддингов с применением SVD, word2vec, классификация, pyTorch | Завершен |
04. NLP. Классификация | реализация различных подходов к классификации текстов, RNN, CNN, pyTorch | Завершен |
05. NLP. Языковые модели | реализация различных подходов к определению POS, pyTorch | Завершен |
06. NLP. Seq2Seq with attention | реализация seq2seq модели с аттеншн | Завершен |
07. NLP. BERT | работа с трансформерами. BERT | Завершен |
08. NLP. GPT2 | работа с трансформерами. GPT2 | Завершен |
09. NLP. Summarization | работа с с архитектурами для суммаризации текста | Завершен |
10. NLP. Audio processing | работа со звуком, классификация и регрессия | Завершен |
11. NLP/CV. Image Captioning | работа с задачей Image Captioning | Завершен |
Проекты Data Science. Классический ML
Проект | Тип исследования | Статус |
---|---|---|
01. 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.Необходимо построить модель с максимально большим значением accuracy | Завершен |
02. Прогнозирование оттока клиентов банка | Необходимо спрогонозировать, уйдет ли клиент в ближайшее время или нет. | Завершен |
03. Прогнозирование прибыли от нефтяных скважин | Моделирование прогнозов (регрессия) | Завершен |
04. Предсказание коэффициента восстановления золота из золотосодержащей руды | Машинное обучение, предобработка данных, визуализация, проверка гипотез. Построение модели для промышленной компании | Завершен |
05. Аппроксимация и оптимизация | Изучение методом аппроксимации и оптимизации функций, численные методы | Завершен |
06. Защита персональных данных клиентов страховой компании | Необходимо защитить персональные данные клиентов страховой компании. Разработать такой метод преобразования данных, чтобы по ним было тяжело восстановить исходную информацию и при этом не менялось качество линейной регрессии. | Завершен |
07. Предсказания цены автомобиля | Необходимо построить и сравнить несколько моделей для определения стоимости автомобиля | Завершен |
08. SMA стратегия Forex | Работа с временными рядами, реализация торговой стратегии | Завершен |
09. Прогнозирование количества заказов такси | Работа с временными рядами, Необходимо построить модель для прогнозирования количества заказов такси. | Завершен |
10. Аналитика в авиакомпании | Понять предпочтения пользователей, покупающих билеты на рейсы в города, где проходят крупнейшие фестивали | Завершен |
11. OOП в линейных моделях | ООП в линейных моделях | Завершен |
12. Исследование оттока клиентов телеком компании | Дипломный проект. Дисбаланс классов, классификация бинарная | Завершен |
13. Web-приложение - Предсказание цены автомобиля | Приложение с API. Flask, html, css, python | Завершен |
14. Предсказание дефолта клиентов банка | Предсказание дефолта с помощью инструментов МЛ, pipiline обработки для продакшн | Завершен |
15. Предсказание температуры и углерода в процессе продувки | Предсказание двух целевых переменных в задаче регрессии с помощью инструментов МЛ, pipiline обработки для продакшн, борьба с различным распределением целевой переменной | Завершен |
16. Прогнозирование востребования банковской гарантии | Построить аппликационную модель оценки вероятности предъявления по гарантии, чтобы минимизировать потери от кредитного риска | Завершен |
17. Решение задачи регрессии SparkML | Построить пайплайн обработки данных с помощью средств SparkML | Завершен |
Проекты Data Analyst
Проект | Тип исследования | Статус |
---|---|---|
01. Исследование объявлений о продаже квартир | Исследовательский анализ данных Необходимо определить параметры, оказывающие наибольшее влияние на оценку стоимости недвижимости. | Завершен |
02. Определение перспективного тарифа для телеком компании | Статистический анализ данных Необходимо проанализировать активность клиентов в разрезе тарифов, и определить более перспективный тариф для маркетинговой кампании. | Завершен |
03. Исследование надёжности заёмщиков | Предобработка и очистка данных. Кредитный отдел банка запросил исследовать, какие факторы влияют на надёжность заёмщика. Необходимо предоставить портрет надёжного заемщика. | Завершен |
04. Прогноз продаж в интернет-магазине | Исследовательский и статистический анализ Необходимо выявить определяющие успешность игры закономерности и для каждого из трех регионов (NA, Europe, JP) выбрать игры для рекламных кампаний. | Завершен |
05. Исследование продаж авиабилетов | Понять предпочтения пользователей, покупающих билеты на рейсы в города, где проходят крупнейшие фестивали | Завершен |
06. Анализ бизнес показателей сервиса Афиша | Выявить убыточные источника траффика. Когортный анализ | Завершен |
07. Принятие решений в бизнесе на основе данных | Приоритизировать гипотезы, А/В тестирование | Завершен |
08. Рынок заведений общественного питания Москвы | Исследовать различные форматы точек общественного питания | Завершен |
09. Исследование поведения пользователей приложения | Изучить воронку продаж. Проанализировать результаты ААВ теста | Завершен |
10. Автоматизация и подготовка dashboards | автоматизировать загрузку данных в БД, построить dashboard | Завершен |
11. Прогнозирование оттока клиентов фитнес-центра | Кластеризация, машинное обучение | Завершен |
12. Телеком. Поиск клиента с неоптимальными тарифами | Исследовательский анализ данных. Статистический анализ данных. Поиск закономерностей и разработка методов оптимизации | Завершен |
Проекты Kaggle
Проект | Тип исследования | Статус |
---|---|---|
01. Titanic competition | Машинное обучение. Задача классификации и оптимизации | Завершен |
02. Montecarlo | Визуализация ЦПТ и закона больших чисел | Завершен |
03. Heart attack analysis and prediction | Построение модели, предсказывающий сердечный приступ у пациента | Завершен |
04. Video games EDA | Исследовательский анализ продаж игр на различных платформах | Завершен |
05. Client churn from bank | Машинное обучение. Построение модели машинного обучения. Задача классификации | Завершен |
06. Video games with score | Исследовательский анализ продаж игр на различных платформах и рейтинга | Завершен |
07. Cleaned Toxic Comments | NLP, построение модели машинного обучения для предсказаания токсичности текстов | Завершен |
08. ML Contest | Наработки за время прохождения соревнований 30days of ML. Baseline | Завершен |
09. Digits recognation | Распознавание цифр. MNIST, Keras CNN, Tensorflow | Завершен |
10. LastFM recommendation system | Простая рекомендательная система | Завершен |
11. Telco Customer Churn | Предсказать отток клиентов | Завершен |
Course completion certificates
Notebooks .ipynb
and .py
scripts:
- Repository - Data Science projects
- Repository - Data Analyst projects
- Repository - Algorithms and data structures
Modules:
- Repository - Web application for determining the price of a car
- Repository - OpenSource. Classes for feature selection and DataFrame processing. PyPI project
- Repository - Modular image processing using OpenCV and Python generators with Detectron2
- Yandex Node Deployment
Hey
The display of some elements is limited - I recommend watching projects through External Viewer For convenience, links lead directly to this viewing service. If you need source files, go to the appropriate repository
Data Science projects. Deep learning
Project | Type of research | Status |
---|---|---|
01. Computer vision. Regression | It is necessary to build a model that will determine the approximate age of a person from a photograph. We have at our disposal a set of photographs of people with the indication of age | Completed |
02. Training of neural networks. DLS | Full training ANN, CNN on pyTorch | Completed |
03. Computer vision. Segmentation | Implementing neural network architectures for segmentation tasks, pyTorch | Completed |
04. Computer vision. Autoencoders | Implementing autoencoder neural network architectures, pyTorch | Completed |
05. Computer vision. GAN | Implementing neural network architectures GAN, pyTorch | Completed |
06. Simpsons classification. CNN | Classification. Computer Vision | Completed |
07. Object detection module | Detection, segmentation on custom data network, application creation | Completed |
Data Science projects. Deep learning and NLP
Project | Type of research | Status |
---|---|---|
01. NLP. Classification of the sentiment of the text | It is necessary to train the model to classify comments into positive and negative | Completed |
02. NLP. Simple embeddings | implementation of simple embeddings, word2vec, ranking, pyTorch | Completed |
03. NLP. Embeddings | implementation of embeddings with SVD, word2vec, classification, pyTorch | Completed |
04. NLP. Classification | implementation of different attempts for text classification, RNN, CNN, pyTorch | Completed |
05. NLP. Language models | POS-tagging | Completed |
06. NLP. Seq2Seq with attention | seq2seq model, LSTM, torch | Completed |
07. NLP. BERT | Transformers. BERT | Completed |
08. NLP. GPT | Transformers. GPT2 | Completed |
09. NLP. Summarization | Summarunner | Completed |
10. NLP. Audio processing | audio classification | Completed |
11. NLP/CV. Image Captioning | Image Captioning | Completed |
Data Science projects. Classic ML
Project | Type of research | Status |
---|---|---|
01. Tariff recommendation | We have at our disposal data on the behavior of customers who have already switched to these tariffs. It is necessary to build a model for the classification problem, which will select a suitable tariff. It is necessary to build a model with the highest possible accuracy | Completed |
02. Forecasting the churn of bank customers | It is necessary to predict whether the client will leave in the near future or not | Completed |
03. Forecasting profit from oil wells | Modeling Forecasts (Regression) | Completed |
04. Predicting the recovery rate of gold from gold ore | Machine learning, data preprocessing, visualization, hypothesis testing. Building a model for an industrial company | Completed |
05. Approximation and Optimization | Studying by the method of approximation and optimization of functions, numerical methods | Completed |
06. Protection of personal data of clients of the insurance company | It is necessary to protect the personal data of the clients of the insurance company. To develop such a method of data transformation so that it would be difficult to restore the original information based on them and at the same time did not change the quality of linear regression. | Completed |
07. Car price predictions | Multiple Models To Be Build And Compare To Determine The Value Of A Car | Completed |
08. SMA strategy Forex | Working with Time Series, Implementing a Trading Strategy | Completed |
09. Forecasting the number of taxi orders | Working with time series, It is necessary to build a model to predict the number of taxi orders. | Completed |
10.Analytics in the air company | Understand the preferences of users who buy tickets for flights to cities where major festivals take place | Completed |
11. OOP in linear models | OOP in linear models | Completed |
12. Research of the churn of clients of a telecom company | Graduation project. Class imbalance, binary classification | Completed |
13. Web Application - Car Price Prediction | Application with API. Flask, html, css, python | Completed |
14. Predicting default of bank clients | Default prediction using ML tools, pipiline processing for production | Completed |
15. Predicting temperature and carbon during purging | Predicting two target variables in a regression problem using ML tools, pipiline processing for production, dealing with different target variable distributions | Completed |
16. Forecasting the demand for a bank guarantee | Build an application model for assessing the probability of presentation under a guarantee in order to minimize losses from credit risk | Completed |
17. Regression task with SparkML | Build pipeline of prediction and validation with SparkML | Completed |
Data Analyst projects
Project | Type of research | Status |
---|---|---|
01. Research of apartments for sale | Exploratory data analysis It is necessary to identify the parameters that have the greatest impact on the valuation of real estate. | Completed |
02. Determination of a promising tariff for a telecom company | Statistical analysis of data It is necessary to analyze the activity of customers in the context of tariffs, and determine a more promising tariff for a marketing campaign. | Completed |
03. Borrower Reliability Study | Data preprocessing and cleaning. The credit department of the bank requested to investigate what factors affect the reliability of the borrower. It is necessary to provide a portrait of a reliable borrower. | Completed |
04. Online store sales forecast | Research and statistical analysis It is necessary to identify the regularities that determine the success of the game and select games for advertising campaigns for each of the three regions (NA, Europe, JP). | Completed |
05. Air ticket sales research | Understand the preferences of users who buy tickets for flights to cities where major festivals take place | Completed |
06.Analysis of business indicators of the Afisha service | Identify unprofitable traffic sources. Cohort Analysis | Completed |
07. Data-Driven Business Decision Making | Prioritize hypotheses, A / B testing | Completed |
08. Moscow catering establishments market | Explore different formats of food service outlets | Completed |
09. Researching the behavior of users of the application | Explore the sales funnel. Analyze AAV test results | Completed |
10. Automation and provisioning dashboards | automate data loading into the database, build a dashboard | Completed |
11. Fitness center customer churn forecasting | Clustering, Machine Learning | Completed |
12. Telecom. Finding a client with suboptimal rates | Exploratory data analysis. Statistical data analysis. Finding patterns and developing optimization methods | Completed |
Проекты Kaggle
Project | Type of research | Status |
---|---|---|
01. Titanic competition | Machine learning. Classification and Optimization Problem | Completed |
02. Montecarlo | Visualization of the CLT and the law of large numbers | Completed |
03. Heart attack analysis and prediction | Building a Model Predicting a Patient's Heart Attack | Completed |
04. Video games EDA | Research Analysis of Game Sales on Various Platforms | Completed |
05. Client churn from bank | Machine learning. Building a machine learning model. Classification Task | Completed |
06. Video games with score | Research Analysis of Game Sales on Various Platforms and Rankings | Completed |
07. Cleaned Toxic Comments | NLP, Building a Machine Learning Model to Predict Text Toxicity | Completed |
08. ML Contest | Operating time during the competition 30days of ML. Baseline | Completed |
09. Digits recognation | Recognition of numbers. MNIST, Keras CNN, Tensorflow | Completed |
10. LastFM recommendation system | Simple recommendation system | Completed |
11. Telco Customer Churn | Predict Customer Churn | Completed |