Портфолио
Data Science
Здесь представлены некоторые проекты в области расширенного анализа данных и машинного обучения. Проекты выполнены в Jupyter Notebook на Python в том числе с применением технологий Pipeline и GridSearch.
| № | Название проекта | Краткое описание | Стек |
|---|---|---|---|
| 1 | Прогнозирование оттока клиентов оператора связи "ТелеДом" | Проект классификации клиентов, на расторгающих и продлевающих договор с оператором связи "ТелеДом". Это учебный проект Яндекс.Практикума. Область применения проекта: ML, маркетинг, телеком | Python, Pandas, Sklearn, Pipeline, GridSerach, CatBoost |
| 2 | Определение возраста покупателей супермаркета "Хлеб-соль" на основе их изображений | Регрессионный анализ возраста покупателей супермаркета "Хлеб-соль" на основе их изображений, построенный с использованием глубокого обучения сверточной трехслойной нейронной сети с использованием предобученного слоя ResNet50, аугментации данных и алгоритма Adam. Это учебный проект Яндекс.Практикума. Область применения проекта: сверточные нейронные сети (CNN), глубокое обучение, компьютерное зрение |
Python, TensorFlow, Keras, ResNet50 |
| 3 | Анализ заказов такси с помощью PySpark | Анализ данных о заказах такси у терминала №5 Нью-Йоркского аэропорта с помощью библиотеки PySpark и данных, загруженных из файла CSV в базу данных PostgreSQL. Это учебный проект Яндекс.Практикума. Область применения проекта: анализ данных на SQL | Python, PySpark, Pandas, Numpy, CSV |
| 4 | Анализ данных об инвестициях с помощью PostgreSQL | Анализ данных об инвестиционных фондах и стартапах, в которые они инвестировали с 2010 по 2013 годы в разных странах. Анализ произведен с помощью PostgreSQL. Это учебный проект Яндекс.Практикума. Область применения проекта: банки, стартапы, инвестиции, анализ данных на SQL | PostgreSQL, Jupyter Notebook, Markdown |
| 5 | Классификация текстов с использованием BERT для "Викишоп" | Классификация текстов твитов на позитивные и негативные с использованием технологии BERT для "Викишоп". Это учебный проект Яндекс.Практикума. Область применения проекта: NLP, ML | Python, Pandas, Sklearn, Pipeline, GridSerach, BERT |
| 6 | Классификация текстов с использованием TF-IDF для "Викишоп" | Классификация текстов твитов на позитивные и негативные с использованием технологии TF-IDF для "Викишоп". Это учебный проект Яндекс.Практикума. Область применения проекта: NLP, ML | Python, Pandas, Sklearn, Pipeline, GridSerach, NLTK, TF-IDF |
| 7 | Регрессионный анализ временных рядов для прогнозирования заказов такси | Прогнозирование количества заказов такси на основе регрессионного анализа временных рядов. Это учебный проект Яндекс.Практикума. Область применения проекта: ML, сервисы такси | Python, Pandas, Sklearn, Pipeline, GridSerach, Statsmodels |
| 8 | Регрессионный анализ на градиентном бустинге для прогнозирования стоимости автомобиля | Прогнозирование стоимости автомобиля по его характеристикам с помощью регрессионного анализа на градиентоном бустинге. Это учебный проект Яндекс.Практикума. Область применения проекта: ML, продажа автомобилей | Python, Pandas, Sklearn, Pipeline, GridSerach, LightGBM, CatBoost |
| 9 | Линейная регрессия и шифрование обратной матрицей для защиты персональных данных | Защита персональных данных клиентов с помощью обратной матрицы при передаче данных в предсказательные сервисы, построенные на основе линейной регрессии. Это учебный проект Яндекс.Практикума. Область применения проекта: ML, банки, инвестиции, телеком | Python, Pandas, Sklearn, Numpy, Markdown |
| 10 | Регрессионный анализ и бутстреп для выбора района нефтедобычи | Выбор локации нефтедобывающей скважины с учетом доходности и рисков, расчитанных с помощью бутстрепа и регрессионного анализа. Это учебный проект Яндекс.Практикума. Область применения проекта: ML, BI, микро-экономический анализ, A/B тестирование, инвестиции, нефтедобыча | Python, Pandas, Sklearn, Bootstrap, микро-экономика, A/B тест |
| 11 | Ручной подбор гиперпараметров модели классификации для прогноза оттока клиентов из банка | Прогнозирование оттока клиентов банка с ручным подбором гиперпараметров модели классификации. Это учебный проект Яндекс.Практикума. Область применения проекта: ML, банки, инвестиции, кредитование | Python, Pandas, Sklearn |
| 12 | Комплексный маркетинговый анализ игровой индустрии | Комплексный маркетинговый анализ игровой индустрии. Выявление закономерностей развития рынка. Проверка статистических гипотез. Это учебный проект Яндекс.Практикума. Область применения проекта: BI, статистика, маркетинговый анализ, продуктовый анализ, игровая индустрия | Python, Pandas, Numpy, Scipy, Math, Matplotlib |
| 13 | Рекомендация тарифов клиентам "Мегалайн" на основе их классификации | Предсказание оптимального тарифа для клиентов телекоммуникационной компании оператора сотовой связи "Мегалайн", использующих устаревшие тарифы. Для предсказания тарифов использованы модели логистической регрессии, решающих деревьев и случайного леса. Это учебный проект Яндекс.Практикума. Область применения проекта: ML, маркетинговый анализ, продуктовый анализ, телекоммуникации | Python, Pandas, Sklearn |
| 14 | Статистический анализ данных сервиса аренды самокатов GoFast | Статистический анализ данных сервиса аренды индивидуальных средств мобильности (самокаты). Это учебный проект Яндекс.Практикума. Область применения проекта: BI, статистика, маркетинговый анализ, продуктовый анализ, сервисы аренды индивидуальных средств мобильности | Python, Pandas, Numpy, Scipy, Math, Matplotlib |
Продуктовый анализ
В этом разделе представлены проекты в области продуктового анализа, выпоненные с помощью PostgreSQL и Tableau.
| № | Название проекта | Краткое описание | Стек |
|---|---|---|---|
| 1 | A/B тест выделения игровых ноутбуков в отдельную категорию маркетплейса "Всё.техника" | Проект A/B теста выделения игровых ноутбуков в отдельную категорию «Всё.техника» с использованием сторитейлинга на дашбордах в Tableau и получение данных из PostgreSQL. Это учебный проект Яндекс.Практикума. Область применения проекта: маркетплейсы, A/B тестирование, продуктовый анализ | A/B тестирование, продуктовый анализ, PostgreSQL, Tableau |
| 2 | Исследование точек роста сервиса "Всё.из.кафе" | Проект исследования точек роста сервиса Всё.из.кафе с использованием данных из PostgreSQL и дашбордов в Tableau. Это учебный проект Яндекс.Практикума. Область применения проекта: онлайн-сервисы заказа еды, когортный анализ, продуктовый анализ | Продуктовый анализ, когортный анализ, PostgreSQL, Tableau |
| 3 | Анализ юнит-экономики сервиса "Всё.из.кафе" | Проект юнит-экономики сервиса Всё.из.кафе с использованием продуктовых метрик и дашборда в Tableau. Это учебный проект Яндекс.Практикума. Область применения проекта: онлайн-сервисы заказа еды, юнит-экономика, продуктовый анализ | Продуктовый анализ, юнит-экономика, Tableau |
| 4 | Анализ активности пользователей онлайн-кинотеатра "Всё.Кино" | Проект анализа активности пользователей онлайн-кинотеатра с расчетом продуктовых метрик в PostgreSQL и их визуализацией в дашборде в Tableau. Это учебный проект Яндекс.Практикума. Область применения проекта: онлайн кинотеатры, продуктовый анализ | Продуктовый анализ, PostgreSQL, Tableau |
WEB-сервисы и программы
В этом разделе представлены проекты различных веб-сервисов и программ.
| № | Название проекта | Краткое описание | Стек |
|---|---|---|---|
| 1 | ARTPROGRAM | В рамках проекта 12345Design.ru создаются сервисы для художественного творчества под общим брендом ARTPROGRAM. Уже созданы сервисы для зарисовок SCETCH и раскраска PAINT. Сервисы обладают функцией мгновенного взаимодействия с помощью рисунков (это лучше самому увидеть, чем сто раз об этом от кого-то услышать). Область применения проекта: изобразительное искусство, дизайн, образование, веб-сервисы, SaaS | HTML, JavaScript, Canvas, SVG |
| 2 | Навык Алисы "Как научиться рисовать" | Навык Алисы «Как научиться рисовать» помогает освоить азы рисунка, живописи и композиции, а также узнать как рисовать интерьер, человека и пейзаж. Область применения проекта: изобразительное искусство, дизайн, образование, веб-сервисы, SaaS | Chat-bot, Алиса, Aimylogic, Google Sheets |
| 3 | Калькулятор "mysimplecalculator" | Калькулятор вдохновленный книгой Бьярне Страуструпа по принципам программирования на C++. Калькулятор выполнен в формате файла exe для командной строки Windows. Способен производить расчеты разной степени сложности. Область применения проекта: математика, командная строка | C++, cmd, Windows |