Проекты были выполнены в ходе обучения на курсе по Data Science в Яндекс.Практикум и Deep Learning School
| Название проекта | Задачи проекта | Навыки и инструменты |
|---|---|---|
| Классификация Симпсонов | Классификация персонажей мультсериала Симпсоны на кадрах из мультсериала | Computer Vision Torch Torchvision CNN Transfer Learning |
| Определение возраста покупателей по фотографии | Построить нейронную сеть, которая по фотографии определит приблизительный возраст человека | Computer Vision TensorFlow Keras RNN ResNet50 |
| Классификация комментариев | Разработать модель для классифиции комментариев на позитивные и негативные | NLP Pandas NumPy NLTK Spacy Scikit-learn CatBoost |
| Исследование технологического процесса очистки золота | Разработать модель, предсказывающую коэффициент восстановления золота из золотосодержащей руды на основе данных с параметрами добычи и очистки | Industry Pandas NumPy Matplotlib Seaborn Sklearn |
| Прогнозирование заказов такси | На основании исторических данных разработать модель машинного обучения для предсказания количества заказов такси на следующий час | TimeSeries Statsmodels Pandas NumPy Matplotlib Sklearn CatBoost |
| Анализ рынка компьютерных игр | Используя исторические данные о продажах компьютерных игр, оценки пользователей и экспертов, жанры и платформы, выявить закономерности, определяющие успешность игры | Gamedev Маркетинг-аналитика Statistics Pandas Scipy Seaborn Matplotlib |
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent