Skip to content

gumaonelove/data-science

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

8 Commits
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

data-science

Учебные data science проекты, выполненные мной с 2022 года, в процессе обучения на различных курсах.

Контур

Тестовое задание на стажировку, выполнение его совершилось из-за моего трудоустройства в Таттелеком диджитал, но мне очень понравилось оно, вернусь к нему в будущем в качестве пет проекта

Тинькофф

В данной директории находятся мои работы по курсам Тинькофф Поколения

Machine Learning

Курс по классическому машинному обучению, в качестве лабораторной работы, выполнял проект по предсказанию цены на квартиру

Deep Learning

В данном курсе в качестве лабораторной работы, выполнял проект по распознаванию автомобильных номеров с китайским иероглифом

Deep Learning Advanced

Данный курс буду проходить в качестве вольного слушателя, тк Тинькофф образование преостановили потоки этого курса

Проекты

В данной директории находятся проекты, которые выполнял в процессе обучения на курсах Тинькофф поколения, подробнее соответствующей директории

Яндекс практикум

В данной директории находятся мои пет проекты, которые выполнянял в процессе обучения на программе "Специалист по data science плюс", подробнее в соответствующей директории, здесь и сейчас я расскажу и самых крутых (по моему мнению кейсах)

Система рекомендаций тарифов сотового оператора

Яндекс Практикум/Введение в машинное обучение/Введение в машинное обучение.ipynb

Оператор мобильной связи «Мегалайн» выяснил: многие клиенты пользуются архивными тарифами. Они хотят построить систему, способную проанализировать поведение клиентов и предложить пользователям новый тариф: «Смарт» или «Ультра».

Исследовательский анализ объявлений о продаже квартир

Яндекс Практикум/Исследовательский анализ данных/Исследовательский анализ данных.ipynb

В вашем распоряжении данные сервиса Яндекс Недвижимость — архив объявлений за несколько лет о продаже квартир в Санкт-Петербурге и соседних населённых пунктах.

Ваша задача — выполнить предобработку данных и изучить их, чтобы найти интересные особенности и зависимости, которые существуют на рынке недвижимости.

Мастерская данных "проект в сыром виде"

Яндекс Практикум/Мастерская данных/Булат_Гумеров_car_price.ipynb

Алгоритм предсказания цен на б/у автомобили, я подвис на обогощении датасета с использованем vin номера, тк устроился на работу в Таттелеком Диджитал и времени стало намного меньше

Выбор локации для скважины

Яндекс Практикум/Машинное обучение в бизнесе/Машинное обучение в бизнесе.ipynb

В данном проекте было больше EDA и анализа, чем МЛ

Предсказание оттока клиентов

Яндекс Практикум/Обучение с учителем/Проект - Отток клиентов из банка.ipynb Из «Бета-Банка» стали уходить клиенты. Каждый месяц. Немного, но заметно. Банковские маркетологи посчитали: сохранять текущих клиентов дешевле, чем привлекать новых.

Исследование зависимости кредитного рейтинга от различных факторов

Яндекс Практикум/Предобработка данных/Предобработка данных.ipynb Заказчик — кредитный отдел банка. Нужно разобраться, влияет ли семейное положение и количество детей клиента на факт погашения кредита в срок. Входные данные от банка — статистика о платёжеспособности клиентов.

Аналитика кинорынка

Яндекс Практикум/Сборный проект 1/Сборный проект 1.ipynb Заказчик этого исследования — Министерство культуры Российской Федерации.

Вам нужно изучить рынок российского кинопроката и выявить текущие тренды. Уделите внимание фильмам, которые получили государственную поддержку. Попробуйте ответить на вопрос, насколько такие фильмы интересны зрителю.

Вы будете работать с данными, опубликованными на портале открытых данных Министерства культуры. Набор данных содержит информацию о прокатных удостоверениях, сборах и государственной поддержке фильмов, а также информацию с сайта КиноПоиск.

Увеличение выручки отеля

Яндекс Практикум/Сборный проект 2/Сборный проект 2.ipynb Чтобы привлечь клиентов, эта сеть отелей добавила на свой сайт возможность забронировать номер без предоплаты. Однако если клиент отменял бронирование, то компания терпела убытки. Сотрудники отеля могли, например, закупить продукты к приезду гостя или просто не успеть найти другого клиента.

Чтобы решить эту проблему, вам нужно разработать систему, которая предсказывает отказ от брони. Если модель покажет, что бронь будет отменена, то клиенту предлагается внести депозит. Размер депозита — 80% от стоимости номера за одни сутки и затрат на разовую уборку. Деньги будут списаны со счёта клиента, если он всё же отменит бронь.

About

Учебные data science проекты

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors

Languages