Учебные проекты Яндекс.Практикум по основам Data Science

В этом репозитории собраны все учебные проекты, выполненные в рамках курса Яндекс.Практикум "Специалист по Data Science". В результате было создано множество качественных моделей машинного обучения, неоднократно был произведен полноценный исследовательский анализ действительных данных.

Таблица для навигации по проектам

Проект	Описание	Используемые библиотеки
Определение стоимости автомобилей	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. Нужно построить модель для определения рычноной стоимости авто.	pandas matplotlib seaborn numpy scikit-learn shap phik lightgbm catboost
Определение токсичных комментариев (BERT)	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. Нужно создать модель, способную классифицировать комментарии на позитивные и негативные.	pandas matplotlib seaborn numpy scikit-learn pytorch transformers catboost lightgbm xgboost
Прогнозирование заказов такси	Компания «Чётенькое такси» хочет привлекать больше водителей в период пиковой нагрузки. Нужно построить модель для прогноза количества заказов такси на следующий час.	pandas matplotlib seaborn numpy scikit-learn shap phik catboost statsmodels
Оптимизация бизнес-решений при управлении персоналом компании "Работа с заботой"	HR-аналитики компании «Работа с заботой» помогают бизнесу оптимизировать управление персоналом: бизнес предоставляет данные, а аналитики предлагают, как избежать финансовых потерь и оттока сотрудников. Процесс принятия бизнес-решений следует оптимизировать при помощи машинного обучения: получится быстрее и точнее отвечать на вопросы бизнеса. Следует: 1. Построить модель, которая сможет предсказать уровень удовлетворённости сотрудника на основе данных заказчика. 2. Построить модель, решающую задачу бинарной классификации по увольнению сотрудника из компании.	pandas matplotlib numpy scikit-learn lightgbm shap phik
Управление рисками и принятие решения о покупке коров хозяйства "Вольный луг"	Владелец фермы хочет купить бурёнок, чтобы расширить поголовье стада коров. Для этого он заключил выгодный контракт с ассоциацией пастбищ «ЭкоФерма». Условия позволяют фермеру очень тщательно отобрать коров. Он определяет качество молока по строгой методике, и при этом ему нужно выполнять свой план развития молочного хозяйства. Нужно разработать модель машинного обучения, которая поможет владельцу фермы управлять рисками и принимать объективное решение о покупке.	pandas matplotlib seaborn numpy scipy scikit-learn
Выбор локации для скважины	Добывающей компании "ГлавРосГосНефть" нужно решить, где бурить новую скважину. Нужно построить модель машинного обучения, которая поможет определить регион, где добыча принесет наибольшую прибыль, и проанализировать возможную прибыль и риски техникой Bootstrap	pandas matplotlib numpy scikit-learn
Прогнозирование оттока клиентов банка	Из «Бета-Банка» стали уходить клиенты. Каждый месяц. Немного, но заметно. Банковские маркетологи посчитали: сохранять текущих клиентов дешевле, чем привлекать новых. Нужно построить модель, которая будет способна спрогнозировать уход клиент из банка в ближайшее время.	pandas matplotlib scikit-learn
Прогнозирование популярного продукта для интернет-магазина по продаже компьютерных игр	Интернет-магазин «Стримчик» продаёт по всему миру компьютерные игры. Из открытых источников доступны исторические данные о продажах игр, оценки пользователей и экспертов, жанры и платформы. Нужно выявить определяющие успешность игры закономерности, чтобы сделать ставку на потенциально популярный продукт и спланировать будущие рекламные кампании, а также определить портреты пользователей в каждом регионе.	pandas matplotlib seaborn numpy scipy