{"id":30685151,"url":"https://github.com/alansteinbarth/irysy","last_synced_at":"2025-10-17T13:21:13.497Z","repository":{"id":301038157,"uuid":"1007969222","full_name":"AlanSteinbarth/Irysy","owner":"AlanSteinbarth","description":"🪻 Irysy 🌼 eksploracyjna analiza danych – wizualizacje, ML, transparentny kod i autorskie grafiki. Projekt łączący AI, estetykę i praktyczne umiejętności!","archived":false,"fork":false,"pushed_at":"2025-06-25T10:04:55.000Z","size":9519,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":0,"default_branch":"main","last_synced_at":"2025-09-01T21:21:22.314Z","etag":null,"topics":["ai","classification","clean-code","data-science","exploratory-data-analysis","feature-engineering","github-pages","iris-dataset","jupyter-notebook","machine-learning","matplotlib","modern-ui","numpy","open-source","pandas","portfolio-project","python","reproducible-research","seaborn","visualization"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"mit","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/AlanSteinbarth.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null,"notice":null,"maintainers":null,"copyright":null,"agents":null,"dco":null,"cla":null}},"created_at":"2025-06-24T20:20:16.000Z","updated_at":"2025-06-25T10:04:58.000Z","dependencies_parsed_at":null,"dependency_job_id":"f3957e42-1dba-4ac2-898d-b8f35e622c5e","html_url":"https://github.com/AlanSteinbarth/Irysy","commit_stats":null,"previous_names":["alansteinbarth/irysy"],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/AlanSteinbarth/Irysy","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/AlanSteinbarth%2FIrysy","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/AlanSteinbarth%2FIrysy/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/AlanSteinbarth%2FIrysy/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/AlanSteinbarth%2FIrysy/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/AlanSteinbarth","download_url":"https://codeload.github.com/AlanSteinbarth/Irysy/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/AlanSteinbarth%2FIrysy/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":279351728,"owners_count":26154068,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","status":"online","status_checked_at":"2025-10-17T02:00:07.504Z","response_time":56,"last_error":null,"robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":true,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["ai","classification","clean-code","data-science","exploratory-data-analysis","feature-engineering","github-pages","iris-dataset","jupyter-notebook","machine-learning","matplotlib","modern-ui","numpy","open-source","pandas","portfolio-project","python","reproducible-research","seaborn","visualization"],"created_at":"2025-09-01T21:07:10.011Z","updated_at":"2025-10-17T13:21:13.479Z","avatar_url":"https://github.com/AlanSteinbarth.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"![Okładka projektu](Foto/cover.png)\n\n# 🪻 Irysy 🌼 - Eksploracyjna Analiza Danych (EDA)\n\nTen projekt zawiera kompletną eksploracyjną analizę danych (EDA) na klasycznym zbiorze danych Irysy .\n\n## Zawartość\nRepozytorium zawiera:\n- Notebook `Irysy.ipynb` z kompletną eksploracyjną analizą danych (EDA), wizualizacjami i modelami ML\n- Plik `iris.csv` z danymi źródłowymi\n- Folder `results/` z przykładowymi wykresami wygenerowanymi podczas analizy (histogramy, heatmapa, macierz pomyłek i inne)\n- Folder `Foto/` z okładką projektu oraz zdjęciami trzech gatunków irysów\n- Plik `requirements.txt` z wersjami wymaganych bibliotek (pandas, numpy, matplotlib, seaborn, scikit-learn)\n- Plik `.gitignore` ignorujący pliki tymczasowe i środowiskowe\n- Plik `LICENSE` (MIT License)\n- Rozbudowane `README.md` z instrukcją uruchomienia, badge, sekcją demo (Colab), kontaktami, przykładowymi wynikami i checklistą EDA\n\nKażdy z tych elementów wspiera czytelność, powtarzalność i prezentację projektu w portfolio.\n\n## Jak uruchomić\n1. Zainstaluj wymagane biblioteki:\n   ```bash\n   pip install -r requirements.txt\n   ```\n2. Otwórz notebook `Irysy.ipynb` w Jupyter Notebook lub VS Code.\n3. Przejdź przez kolejne komórki, aby zobaczyć analizę i wizualizacje.\n\n## Jak uruchomić demo\n\nChcesz szybko uruchomić analizę bez instalacji? Skorzystaj z Google Colab:\n\n[![Uruchom w Google Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/AlanSteinbarth/Irysy/blob/main/Irysy.ipynb)\n\nMożesz też pobrać repozytorium i uruchomić notebook lokalnie zgodnie z instrukcją powyżej.\n\n## Wymagane biblioteki\n- pandas\n- numpy\n- matplotlib\n- seaborn\n- scikit-learn\n\n## Kontakt\n\n[![GitHub](https://img.shields.io/badge/GitHub-AlanSteinbarth-181717?logo=github\u0026style=flat-square)](https://github.com/AlanSteinbarth)\n[![LinkedIn](https://img.shields.io/badge/LinkedIn-Obserwuj-blue?logo=linkedin\u0026style=flat-square)](https://www.linkedin.com/in/alansteinbarth)\n[![Email](https://img.shields.io/badge/E--mail-alan.steinbarth@gmail.com-red?logo=gmail\u0026style=flat-square)](mailto:alan.steinbarth@gmail.com)\n\nChętnie odpowiem na pytania dotyczące projektu lub współpracy!\n\n---\n\n## Badge\n\n![MIT License](https://img.shields.io/badge/license-MIT-green.svg)\n![Python](https://img.shields.io/badge/python-3.10%2B-blue.svg)\n[![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/AlanSteinbarth/Irysy/blob/main/Irysy.ipynb)\n\n---\n\n## Podsumowanie projektu\n\nProjekt prezentuje pełny cykl eksploracyjnej analizy danych (EDA) na klasycznym zbiorze Irysów. Zawiera:\n- Wczytanie i przygotowanie danych\n- Analizę braków i duplikatów\n- Wizualizacje i statystyki opisowe\n- Analizę relacji między cechami\n- Identyfikację wartości odstających\n- Porównanie modeli ML (drzewo decyzyjne, kNN, regresja logistyczna)\n- Wizualizacje PCA i t-SNE\n\nProjekt pokazuje praktyczne umiejętności analityczne, znajomość narzędzi Python (pandas, seaborn, scikit-learn) oraz dbałość o czytelność i dokumentację.\n\n## Przykładowe zdjęcia badanych gatunków Irysów \n\nPoniżej przedstawiono przykładowe zdjęcia trzech gatunków Irysów analizowanych w projekcie:\n\n| Iris-setosa | Iris-virginica | Iris-versicolor |\n|:-----------:|:--------------:|:---------------:|\n| ![Iris-setosa](Foto/Iris-setosa.jpg) | ![Iris-virginica](Foto/Iris-virginica.jpg) | ![Iris-versicolor](Foto/Iris-versicolor.jpg) |\n\nKażdy z tych gatunków posiada charakterystyczne cechy morfologiczne, które są analizowane w notebooku.\n\n**Źródło zdjęć:** Wszystkie zdjęcia irysów pochodzą z Wikipedii (https://pl.wikipedia.org/wiki/Irys_(ro%C5%9Blina)). Wykorzystane zgodnie z licencją Wikimedia Commons. Jeśli wykorzystujesz ten projekt, pamiętaj o zachowaniu informacji o autorach i licencji zdjęć.\n\n## Przykładowe wyniki i wykresy\n\nW folderze `results/` znajdziesz przykładowe wykresy wygenerowane podczas analizy:\n\n- Histogramy cech morfologicznych irysów\n- Pairplot cech z podziałem na gatunek\n- Heatmapa korelacji\n- Macierz pomyłek (Decision Tree)\n- Wizualizacja PCA i t-SNE\n\nPrzykład:\n\n| Histogram cech | Heatmapa korelacji | Macierz pomyłek |\n|:--------------:|:------------------:|:---------------:|\n| ![Histogram](results/histogram.png) | ![Heatmapa](results/heatmap.png) | ![Macierz](results/confusion_matrix.png) |\n\nWszystkie wykresy możesz wygenerować samodzielnie uruchamiając notebook lub skorzystać z gotowych plików w `results/`.\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Falansteinbarth%2Firysy","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Falansteinbarth%2Firysy","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Falansteinbarth%2Firysy/lists"}