Период обучения октябрь 2019 - июль 2020.

Программа курса: https://praktikum.yandex.ru/data-scientist

• Разработал методику планирования рекламной кампании для интернет-магазина игр. Для подтверждения использовал проверку гипотезы о равенстве средних
• Бурение скважин. Определил порог безубыточности методом Bootstrap используя для подтверждения гипотезы 95% доверительный интервал
• Построил модель оттока клиентов банка. Модель RandomForestClassifier, метрика f1 мера
• Построил модель предсказания коэффициента восстановления золота из золотосодержащей руды. Модель LinearRegression, метрики: sMAPE и MAE
• Реализовал защиту данных клиентов страховой компании. Использовал умножение признаков на обратимую матрицу и учил модель на них. Для подтверждения верности предсказаний использовал гипотезу о равенстве средних
• Реализовал алгоритм модели линейной регрессии методом стохастического градиентного спуска
• Разработал модель предсказания рыночной стоимости автомобиля на основе исторических данных. Модель CatBoostRegressor, метрика RMSE
• Спрогнозировал количество заказов такси на следующий час. Модель RandomForestRegressor, метрика RMSE
• Сделал анализ тональности отзывов. Подготовка признаков: TfidfVectorizer\ SnowballStemmer, модель LogisticRegression, метрика F1 мера
• Реализовал модель распознавания изображения фруктов. Нейросеть на backbone ResNet50, метрика MAE
• Спрогнозировал отток оператора связи. Модель CatBoostClassifier, метрика ROC-AUC, accuracy.

• Pandas
• Numpy
• Matplotlib
• Seaborn
• Scikit-learn
• Keras
• Catboost

• Статистический анализ данных
• Реализация регрессионных, бинарных, категориальных моделей предсказаний
• Компьютерное зрение
• NLP
• Анализ и прогнозирование временных рядов
• Кластеризация и поиск аномалий

• Предсказание оттока клиентов мобильного оператора (выпускная работа)
• Система определеяет рыночную стоимость подержанного авто
• Оптимизация работы перевозчика. Прогноз количества заказов такси на следующий час
• Определение токсичности комментариев пользователей