Портфолио

Название проекта	Цель и задачи	Инструменты/стек
Классификация комментариев (ML_NN_for_text_data)	Ускорить модерацию комментариев в сообществе, автоматизировав оценку их токсичности. Обучить модель классифицировать комментарии на позитивные и негативные.	CatBoost, LightGBM, NLTK, Pandas, re, Torch, Transformers, Hyperopt, NumPy, sklearn, машинное обучение
Прогнозирование заказов такси (ML_Time_Series.Taxi_service_predictions)	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. Необходимо построить модель для такого предсказания.	CatBoost, LightGBM, Seaborn, Matplotlib, Pandas, StatsModels, math, scipy, numpy, hyperopt, sklearn, машинное обучение
Создание регрессионной модели для предсказания температуры сплава (ML_Temperature_prediction)	Металлургический комбинат решает оптимизировать свои производственные расходы и уменьшить потребление энергии при обработке стали. Данная задача может быть решена путем использования модели, предсказывающей температуру стали от ряда параметров. Необходимо построить модель.	Matplotlib, Pandas, Seaborn, Math, os, NumPy, SkLearn, LightGBM, HyperOpt, машинное обучение
Подготовка прототипа модели для металлообрабатывающего предприятия (ML_Predict gold_recovery_coeff)	Разработка модели, предсказывающей коэффициент восстановления золота из золотосодержащей руды по параметрам исходного сырья.	Matplotlib, Pandas, Seaborn, Math, NumPy, SkLearn, Statsmodels, SciPy, Re, машинное обучение
Предсказание цены автомобиля (ML_Car_price_prediction)	Обучить модель для определения рыночной стоимости подержанного автомобиля по данным, заведенным пользователем при создании анкеты автомобиля	CatBoost, LightGBM, Pandas, Seaborn, Re, NumPy, SkLearn, машинное обучение