Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/verbasik/ml_projects
Портфолио личных проектов в области машинного обучения с примерами реализации ML-моделей, аналитических методик и экспериментов.
https://github.com/verbasik/ml_projects
data-science gpt-4 machine-learning mouse summarization
Last synced: 4 days ago
JSON representation
Портфолио личных проектов в области машинного обучения с примерами реализации ML-моделей, аналитических методик и экспериментов.
- Host: GitHub
- URL: https://github.com/verbasik/ml_projects
- Owner: Verbasik
- License: agpl-3.0
- Created: 2023-10-28T19:43:28.000Z (about 1 year ago)
- Default Branch: main
- Last Pushed: 2024-11-08T13:46:27.000Z (7 days ago)
- Last Synced: 2024-11-08T14:38:02.226Z (7 days ago)
- Topics: data-science, gpt-4, machine-learning, mouse, summarization
- Language: Jupyter Notebook
- Homepage:
- Size: 167 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
## 🤖 ML_project: A Collection of Personal Machine Learning Projects 🤖
#### 📌 Обзор
Этот репозиторий представляет собой портфолио личных проектов в области машинного обучения. Здесь вы найдете разнообразные реализации ML-моделей, аналитические методики и эксперименты, проведенные вне рамок профессиональной деятельности, но с применением опыта и экспертизы, накопленных в работе.#### 🛠️ Технологический стек
Языки программирования:
- PythonБиблиотеки и инструменты:
- Data Manipulation: Pandas, NumPy, PySpark;
- Data Analytics: SciPy, statsmodels;
- Data Visualization: Matplotlib, Seaborn, Plotly;
- Machine Learning: Keras, TensorFlow.#### 👨💻 Кто я?
Магистр по наукам о данных с глубокой экспертизой в области Data Science. Руковожу разработкой и внедрением data-продуктов в Департаменте ИТ на платформе BigData.#### 🎯 Цели проекта
- Демонстрация применения различных методов и технологий машинного обучения;
- Исследование и эксперименты в области машинного обучения и анализа данных;
- Шаринг best practices и наблюдений, которые могут быть полезны для сообщества;
- Просто по фану.