Яндекс.Практикум
Data scientist (обучение)
Разрабатывал проекты на языке программирования Python и SQL:
- Выполнял предобработку данных:
поиск и замена пропусков, замена типа данных, поиск дубликатов, категоризация данных (Pandas);
- Исследовательский анализ данных:
графики, срезы и матрица диаграмм рассеяния(Matplotlib, query, scatter_matrix);
- Статический анализ данных:
описательная статистика, проверка гипотез(numpy, scipy(st.ttest_1sampl, st_ttest_ind, st_ttest_rel);
- Машинное обучение (обучение с учителем):
модели классификации и регрессии, качество моделей, дисбаланс классов(DesisionTreeClassifier, RandomForestClassifier, LogisticRegression, OrdinalEncoder, StandarsScaler, f1_score, roc_auc_score, accuracy_score);
- Линейная алгебра:
векторные и матричные операции, линейная регрессию изнутри( numpy as np,distance.cityblock, distance.euclidean, matrix.T);
- Численные методы:
градиентный бустинг, скорость работы, точность результата, (LGBMRegressor, CatBoostRegressor, RMSE);
- Временные ряды:
ресемплинг, разложение временного ряда на тренд, сезонность и остаток, прогнозирования временных рядов(trend, seasonal, resid, shift, rolling, LinearRegression);
- Машинное обучение для текстов:
лемматизация слов, мешок слов, слов список N-грамм, стоп-слова для русского языка, TF-IDF, языковые представления(Mystem, CountVectorizer, stopwords, TfidfVectorizer);
- Извлечение данных:
SQL, фреймворк Spark.