Данные проекты были выполнены в ходе обучения в Яндекс.Практикуме профессии "Специалист по Data Science".
| № проекта | Название проекта | Описание | Тематика | Используемые библиотеки |
|---|---|---|---|---|
| 1 | Исследование данных сервиса “Яндекс.Музыка” | Проверка данных и сравнение поведения и предпочтений пользователей Яндекс.Музыки из Москвы и Санкт-Петербурга. | Базовый Python | pandas |
| 2 | Исследование надёжности заёмщиков — анализ банковских данных | По данным статистики о платежеспособности клиентов банка определение зависимости факта погашения кредита в срок от таких факторов: наличие детей, семейное положение, уровень дохода, цель кредита. | Предобработка данных | collections json numpy pandas pymystem3 seaborn |
| 3 | Исследование объявлений о продаже квартир — анализ рынка недвижимости | Определение рыночной стоимости объектов недвижимости и типичные параметры квартир по данным сервиса Яндекс.Недвижимость. | Исследовательский анализ данных | matplotlib pandas seaborn |
| 4 | Исследование тарифных планов — анализ телеком компании | Анализ поведения клиентов и поиск оптимального тарифа на основе данных клиентов оператора сотовой связи. | Статистический анализ данных | collections matplotlib numpy pandas pymystem3 scipy |
| 5 | Исследование рынка компьютерных игр | Выявление закономерностей, определяющих успешность игры на основе исторических данных о продажах игр из открытых источников | СБОРНЫЙ ПРОЕКТ: Предобработка данных, Исследовательский и статистический анализ данных | collections matplotlib numpy pandas pymystem3 random scipy seaborn |
| 6 | Рекомендация тарифов для телеком компании | Разработка системы рекомендации нового тарифа на основании данных о клиентах оператора связи. | Введение в машинное обучение | matplotlib numpy pandas random scipy seaborn sklearn |
| 7 | Прогнозирование оттока клиентов банка | Прогнозирование, уйдёт клиент из банка в ближайшее время или нет, на основе исторических данных о поведении клиентов и расторжении договоров с банком. | Обучение с учителем | matplotlib numpy pandas scipy seaborn sklearn |
| 8 | Выбор локации для скважины | Определение наиболее выгодного (прибыльного) региона для разработки скважин на основе данных геологоразведки. | Машинное обучение в бизнесе | matplotlib numpy pandas scipy seaborn sklearn |
| 9 | Исследование технологического процесса очистки золота | Прогнозирование концентрации золота при проведении процесса очистки золота. | Машинное обучение в промышленности | matplotlib numpy pandas scipy seaborn sklearn |
| 10 | Защита персональных данных клиентов страховой компании | Разработка модели анонимизации персональных данных клиентов страховой компании. | Линейная алгебра | matplotlib numpy pandas seaborn sklearn |
| 11 | Определение стоимости автомобилей | Разработка системы рекомендации стоимости автомобиля на основе его описания. | Численные методы | itertools lightgbm matplotlib numpy pandas seaborn sklearn time |
| 12 | Прогнозирование количества заказов такси | Чтобы привлекать больше водителей в период пиковой нагрузки, нужно спрогнозировать количество заказов такси на следующий час. | Временные ряды | itertools lightgbm matplotlib numpy pandas scipy seaborn sklearn statsmodels time |
| 13 | Классификация комментариев | Определение токсичности комментариев. | Машинное обучение для текстов | lightgbm matplotlib nltk numpy pandas re sklearn spacy time |
| 14 | Определение возраста покупателей | Определение возраста по фотографии. | Компьютерное зрение | matplotlib numpy pandas PIL seaborn tensorflow time |
| 15 | Прогнозирование оттока клиентов телеком компании | Прогнозирование оттока клиентов на основе исторических данных оператора связи. | Машинное обучение для телеком компании | lightgbm matplotlib numpy pandas seaborn sklearn time |