https://github.com/amirkh777/data-science-yandex-practicum
My projects from the Yandex Practicum Data Science course.
https://github.com/amirkh777/data-science-yandex-practicum
data-science matplotlib numpy pandas python scikit-learn scipy seaborn
Last synced: 3 months ago
JSON representation
My projects from the Yandex Practicum Data Science course.
- Host: GitHub
- URL: https://github.com/amirkh777/data-science-yandex-practicum
- Owner: AmirKh777
- Created: 2025-06-15T11:42:50.000Z (about 1 year ago)
- Default Branch: main
- Last Pushed: 2025-10-04T15:37:25.000Z (10 months ago)
- Last Synced: 2025-10-04T17:30:53.125Z (10 months ago)
- Topics: data-science, matplotlib, numpy, pandas, python, scikit-learn, scipy, seaborn
- Language: Jupyter Notebook
- Homepage:
- Size: 4.99 MB
- Stars: 0
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# В данном репозитории содержатся проекты, пройденные в ходе обучения программы "Специалист по Data Science" от Яндекс.Практикума
## Описание проектов
| Название проекта | Описание | Используемые библиотеки |
| :--------------------: | :---------------------: |:---------------------------: |
| [Музыка больших городов](https://tinyurl.com/3hs65fh9) | Провести сравнение музыкальных предпочтений у пользователей Яндекс.Музыки, проживающих в Москве и Санкт-Петербурге. | *pandas* |
| [Предобработка данных](https://tinyurl.com/mrxujmhx) | Исследование надежности заемщиков | *pandas* |
| [Исследовательский анализ данных](https://tinyurl.com/5w8m7cyw) | Исследование объявлений о продаже квартир | *pandas*, *matplotlib*, *datetime* |
| [Статистический анализ данных](https://tinyurl.com/p8y7uzdr) | Аналитика популярного сервиса аренды самокатов GoFast | *pandas*, *matplotlib*, *numpy*, *scipy* |
| [Сборный проект 1](https://tinyurl.com/5dp5xpz5) | Аналитика закономерности успешности игр | *pandas*, *matplotlib*, *numpy*, *scipy*, *seaborn* |
| [Линейные модели в машинном обучении](https://tinyurl.com/m5manyhh) | Разработка моделей машинного обучения для управления рисками и принятия решений при покупке коров на ферму | *pandas*, *matplotlib*, *numpy*, *LinearRegression*, *train_test_split*, *OneHotEncoder*, *StandardScaler*, *r2_score*, *LogisticRegression*, *mean_absolute_error*, *mean_squared_error*, *confusion_matrix*, *recall_score*, *precision_score*, *accuracy_score*, *precision_recall_curve* |
| [Обучение с учителем](https://tinyurl.com/27hmhcjn) | Разработка решения, позволяющее персонализировать предложения постоянным клиентам интернет-магазину "В один клик", чтобы увеличить их покупательскую активность | *pandas*, *matplotlib*, *numpy*, *LinearRegression*, *train_test_split*, *OneHotEncoder*, *ordinal_encoder*, *pipeline*, *LogisticRegression*, *ColumnTransformer*, *roc_auc_score*, *RandomizedSearch*, *plot tree*, *phik matrix*, *SVC*, *plot correlation matrix*|
| [Сборный проект 2](https://tinyurl.com/m98ppaya) | Построение двух моделей. Модель, которая может предсказывать уровень удовлетворённости сотрудника на основе данных заказчика. А также модель, которая сможет на основе данных заказчика предсказать то, что сотрудник уволится из компании. | *pandas*, *matplotlib*, *numpy*, *LinearRegression*, *train_test_split*, *OneHotEncoder*, *ordinal_encoder*, *pipeline*, *LogisticRegression*, *ColumnTransformer*, *roc_auc_score*, *RandomizedSearch*, *DecisionTreeRegressor*, *SVR* ,*DecisionTreeClassifier*, *plot correlation matrix*, *label encoder*|
| [Машинное обучение в бизнесе](https://tinyurl.com/5fmkskhm) | Постройте модель для определения региона, где добыча нефти из скважин принесёт наибольшую прибыль. Проанализируйте возможную прибыль и риски техникой Bootstrap. | *pandas*, *numpy*, *train_test_split*, *LinearRegression*, *mean_squarred_error*, *label encoder*|
| [Численные методы](https://tinyurl.com/y9atkyhe) | Сервис по продаже автомобилей с пробегом «Не бит, не крашен» разрабатывает приложение для привлечения новых клиентов. В нём можно быстро узнать рыночную стоимость своего автомобиля. В вашем распоряжении исторические данные: технические характеристики, комплектации и цены автомобилей. Вам нужно построить модель для определения стоимости. | *pandas*, *numpy*, *train_test_split*, *pipeline*, *time*, *phik_matrix*, *Plot_correlation_matrix*, *OneHotEncoder*, *MinMaxScaler*, *lgb*, *SimpleImputer*, *make_scorer*, *matplotlib* |
| [Временные ряды](https://tinyurl.com/msn6ef9h) |Компания собрала исторические данные о заказах такси в аэропортах. Чтобы привлекать больше водителей в период пиковой нагрузки, нужно спрогнозировать количество заказов такси на следующий час. Постройте модель для такого предсказания. | *pandas*, *numpy*, *matplotlib*, *seasonal decompose*, *Pipeline*, *train_test_split*, *column_transformer*, *one_hot_encoder*, *minmaxscaler*, *timeseriessplit*, *randomizedsearchcv*, *SVR*, *linearregression*, *decisiontreeregressor*, *make_scorer*|
| [Машинное обучение для текстов](https://tinyurl.com/r6vew7zs) |Интернет-магазин «Викишоп» запускает новый сервис. Теперь пользователи могут редактировать и дополнять описания товаров, как в вики-сообществах. То есть клиенты предлагают свои правки и комментируют изменения других. Магазину нужен инструмент, который будет искать токсичные комментарии и отправлять их на модерацию.Обучите модель классифицировать комментарии на позитивные и негативные. В вашем распоряжении набор данных с разметкой о токсичности правок. Постройте модель со значением метрики качества F1 не меньше 0.75. | *pandas*, *numpy*, *re*, *TfidfVectorizer*, *nltk*, *nltk_stopwords*, *spacy*, *train_test_split*, *LogisticRegression*, *f1_score*|
| [Компьютерное зрение](https://tinyurl.com/5ab5w78n) | Построить модель, которая по фотографии определит приблизительный возраст человека. | *pandas*, *ImageDataGenerator*, *matplotlib.pyplot*, *seaborn*|
| [Выпускной проект](https://tinyurl.com/yh2c7a3d) | Чтобы оптимизировать производственные расходы, металлургический комбинат «Стальная птица» решил уменьшить потребление электроэнергии на этапе обработки стали. Для этого комбинату нужно контролировать температуру сплава. Ваша задача — построить модель, которая будет её предсказывать. | *pandas*, *numpy*, *matplotlib.pyplot*, *seaborn*, *phik_matrix*, *plot_correlation_matrix*, *train_test_split*, *pipeline*, *columntransformer*, *randomizedsearchcv*, *standardscaler*, *linear_regression*, *randomforestregressor*, *svr*, *catboostregressor*, *mean_absolute_error*, *shap*|