{"id":15132697,"url":"https://github.com/tnel7/data-science-yandex-practicum","last_synced_at":"2026-01-19T04:32:57.022Z","repository":{"id":255745226,"uuid":"853022541","full_name":"tnel7/Data-Science-Yandex-practicum","owner":"tnel7","description":"Проекты из Яндекс Практикума \"Специалист по Data Science\"","archived":false,"fork":false,"pushed_at":"2024-11-12T09:32:39.000Z","size":7276,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-04-05T21:44:56.899Z","etag":null,"topics":["data-science","machine-learning","nlp-machine-learning","numpy","pandas","seaborn","sklearn"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/tnel7.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"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}},"created_at":"2024-09-05T21:00:06.000Z","updated_at":"2024-11-12T09:32:43.000Z","dependencies_parsed_at":null,"dependency_job_id":"ace36531-55a5-46f9-83ed-8eee7059e6d2","html_url":"https://github.com/tnel7/Data-Science-Yandex-practicum","commit_stats":{"total_commits":3,"total_committers":1,"mean_commits":3.0,"dds":0.0,"last_synced_commit":"52d22cc243e6eb27c894436219aa3f243f82a37d"},"previous_names":["tnel7/data-science-yandex-practicum"],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/tnel7%2FData-Science-Yandex-practicum","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/tnel7%2FData-Science-Yandex-practicum/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/tnel7%2FData-Science-Yandex-practicum/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/tnel7%2FData-Science-Yandex-practicum/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/tnel7","download_url":"https://codeload.github.com/tnel7/Data-Science-Yandex-practicum/tar.gz/refs/heads/main","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":247406070,"owners_count":20933802,"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","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":["data-science","machine-learning","nlp-machine-learning","numpy","pandas","seaborn","sklearn"],"created_at":"2024-09-26T04:22:22.050Z","updated_at":"2026-01-19T04:32:57.011Z","avatar_url":"https://github.com/tnel7.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"# Data-Science-Yandex-practicum\n| Название | Описание | Используемые библиотеки |\n| --- | --- | --- |\n| [Анализ данных сервиса аренды самокатов](https://github.com/tnel7/Data-Science-Yandex-practicum/blob/main/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85%20%D1%81%D0%B5%D1%80%D0%B2%D0%B8%D1%81%D0%B0%20%D0%B0%D1%80%D0%B5%D0%BD%D0%B4%D1%8B%20%D1%81%D0%B0%D0%BC%D0%BE%D0%BA%D0%B0%D1%82%D0%BE%D0%B2%20GoFast.ipynb)| Построить модель для задачи классификации, которая выберет подходящий тариф |*Pandas, Matplotlib, Scikit-learn* |\n| [Выбор локации для скважины](https://github.com/tnel7/Data-Science-Yandex-practicum/blob/main/%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BB%D0%BE%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%B4%D0%BB%D1%8F%20%D1%81%D0%BA%D0%B2%D0%B0%D0%B6%D0%B8%D0%BD%D1%8B.ipynb) | Поиск прибыльного нефтедобывающего региона с помощью моделирования машинного обучения | *Pandas, Numpy, Seaborn, Scikit-learn, Bootstrap* |\n| [Выявление закономерностей определяющих успешность игры](https://github.com/tnel7/Data-Science-Yandex-practicum/blob/main/%D0%92%D1%8B%D1%8F%D0%B2%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B5%D0%B9%20%D0%BE%D0%BF%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D1%8F%D1%8E%D1%89%D0%B8%D1%85%20%D1%83%D1%81%D0%BF%D0%B5%D1%88%D0%BD%D0%BE%D1%81%D1%82%D1%8C%20%D0%B8%D0%B3%D1%80%D1%8B.ipynb) | Анализ открытых данных, и поиск потенциально популярного продукта, что позволит компании заказчику спланировать рекламные кампании | *Pandas, Matplotlib, NumPy, SciPy, Seaborn* |\n| [Исследование надежности заемщиков](https://github.com/tnel7/Data-Science-Yandex-practicum/blob/main/%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%BD%D0%B0%D0%B4%D0%B5%D0%B6%D0%BD%D0%BE%D1%81%D1%82%D0%B8%20%D0%B7%D0%B0%D0%B5%D0%BC%D1%89%D0%B8%D0%BA%D0%BE%D0%B2.ipynb) | На основе статистики о платёжеспособности клиентов исследовать влияет ли семейное положение и количество детей клиента на факт возврата кредита в срок |  *Pandas, Matplotlib, Scikit-learn* |\n| [Исследование объявлений о продаже квартир](https://github.com/tnel7/Data-Science-Yandex-practicum/blob/main/%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%BE%D0%B1%D1%8A%D1%8F%D0%B2%D0%BB%D0%B5%D0%BD%D0%B8%D0%B9%20%D0%BE%20%D0%BF%D1%80%D0%BE%D0%B4%D0%B0%D0%B6%D0%B5%20%D0%BA%D0%B2%D0%B0%D1%80%D1%82%D0%B8%D1%80.ipynb) | Используя датасет с параметрами квартир, предсказать рыночную стоимость объектов недвижимости | *Pandas, Matplotlib, Seaborn* |\n| [Классификация комментариев на позитивные и негативные](https://github.com/tnel7/Data-Science-Yandex-practicum/blob/main/%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BA%D0%BE%D0%BC%D0%BC%D0%B5%D0%BD%D1%82%D0%B0%D1%80%D0%B8%D0%B5%D0%B2%20%D0%BD%D0%B0%20%D0%BF%D0%BE%D0%B7%D0%B8%D1%82%D0%B8%D0%B2%D0%BD%D1%8B%D0%B5%20%D0%B8%20%D0%BD%D0%B5%D0%B3%D0%B0%D1%82%D0%B8%D0%B2%D0%BD%D1%8B%D0%B5.ipynb) | Поиск токсичных комментариев и отправка их на модернизацию. Классификация комментариев на позитивные и негативные. | *Pandas, Numpy, Seaborn, tf-idf, nltk, pipeline, LinearRegression, CatBoost, LightGBM* |\n| [Линейные модели в машинном обучении](https://github.com/tnel7/Data-Science-Yandex-practicum/blob/main/%D0%9B%D0%B8%D0%BD%D0%B5%D0%B9%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B2%20%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%BC%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B8.ipynb) | Разработать модель машинного обучения, которая поможет фермеру управлять рисками и принимать объективное решение о покупке.  | *Pandas, Numpy, Scikit-learn, Matplotlib, Seaborn, Scipy, Phik* |\n| [Обучение с учителем качество модели](https://github.com/tnel7/Data-Science-Yandex-practicum/blob/main/%D0%9E%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%81%20%D1%83%D1%87%D0%B8%D1%82%D0%B5%D0%BB%D0%B5%D0%BC%20%D0%BA%D0%B0%D1%87%D0%B5%D1%81%D1%82%D0%B2%D0%BE%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.ipynb) | Разработать решение, которое позволит персонализировать предложения постоянным клиентам, чтобы увеличить их покупательскую активность. | *Pandas, Numpy, Scikit-learn, Matplotlib, Seaborn, Scipy, Phik, Shap* |\n| [Определение возраста покупателей](https://github.com/tnel7/Data-Science-Yandex-practicum/blob/main/%D0%9E%D0%BF%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%D0%BE%D0%B7%D1%80%D0%B0%D1%81%D1%82%D0%B0%20%D0%BF%D0%BE%D0%BA%D1%83%D0%BF%D0%B0%D1%82%D0%B5%D0%BB%D0%B5%D0%B9.ipynb) | Постройте и обучите свёрточную нейронную сеть на датасете с фотографиями людей. Научить нейронную сеть определять возраст покупателя на фото | *Tensorflow.keras, Numpy, Pandas, Matplotlib* |\n| [Определение стоимости автомобилей](https://github.com/tnel7/Data-Science-Yandex-practicum/blob/main/%D0%9E%D0%BF%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%81%D1%82%D0%BE%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B8%20%D0%B0%D0%B2%D1%82%D0%BE%D0%BC%D0%BE%D0%B1%D0%B8%D0%BB%D0%B5%D0%B9.ipynb) | Разработка системы рекомендации стоимости автомобиля на основе его описания. Построить модель машинного обучения, используя модели Градиентного Бустинга для быстрого определения стоимости автомобиля | *Pandas, Numpy, Scikit-learn, XGBoost, CatBoost, LightGBM, Matplotlib, Seaborn, Scipy* |\n| [Предсказание уровня удовлетворённости сотрудника](https://github.com/tnel7/Data-Science-Yandex-practicum/blob/main/%D0%9F%D1%80%D0%B5%D0%B4%D1%81%D0%BA%D0%B0%D0%B7%D0%B0%D0%BD%D0%B8%D0%B5%20%D1%83%D1%80%D0%BE%D0%B2%D0%BD%D1%8F%20%D1%83%D0%B4%D0%BE%D0%B2%D0%BB%D0%B5%D1%82%D0%B2%D0%BE%D1%80%D1%91%D0%BD%D0%BD%D0%BE%D1%81%D1%82%D0%B8%20%D1%81%D0%BE%D1%82%D1%80%D1%83%D0%B4%D0%BD%D0%B8%D0%BA%D0%B0.ipynb) | Предстоит решить 2 задачи: одна линейной регрессии, другая классификации. В первой задаче нам предстоит предсказать уровень удовлетворенности сотрудников, а во второй предсказать возможное увольнение сотрудника, учитывая результаты его ответа на тест о условиях работы.| *Pandas, Matplotlib, Numpy, Scipy, Phik, sklearn.pipeline, sklearn.metrics, sklearn.tree* |\n| [Прогнозирование заказов такси](https://github.com/tnel7/Data-Science-Yandex-practicum/blob/main/%D0%9F%D1%80%D0%BE%D0%B3%D0%BD%D0%BE%D0%B7%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%BA%D0%B0%D0%B7%D0%BE%D0%B2%20%D1%82%D0%B0%D0%BA%D1%81%D0%B8.ipynb) | Построение системы прогноза количества заказов такси на следующий час | *Pandas, Numpy, Scikit-learn, XGBoost, CatBoost, LightGBM, Seaborn, Statsmodels* |\n| [Итоговый проект телекоммуникации](https://github.com/tnel7/Data-Science-Yandex-practicum/blob/main/%D0%98%D1%82%D0%BE%D0%B3%D0%BE%D0%B2%D1%8B%D0%B9%20%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82%20%D0%A2%D0%B5%D0%BB%D0%B5%D0%BA%D0%BE%D0%BC%D0%BC%D1%83%D0%BD%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8.ipynb) | Цель проекта: разработать модель машинного обучения, прогнозирующую возможный отток клиентов. | *Pandas, Numpy, Matplotlib, Scipy, Phik, Scikit-learn, XGBoost, CatBoost, LightGBM, Seaborn, Statsmodels* |\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Ftnel7%2Fdata-science-yandex-practicum","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Ftnel7%2Fdata-science-yandex-practicum","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Ftnel7%2Fdata-science-yandex-practicum/lists"}