A set of custom python modules for friendly workflow on pandas

creation of an interface and algorithm for forecasting demand for 14 days for goods of own production

Effort here is to identify important features in relation to our target variable using multiple Correlation methods based on data type. Feature selection is important for ML models to avoid 'curse of dimensionality' but for this dataset we will be using it build our intution that benefits our later EDA effort

Представлены основные работы связанные с анализом данных и машинным обучением

Защита персональных данных клиентов страховой компании

Yandex Practicum Data Science project

Exploratory Data Analysis of MIMIC-II Dataset and extracted machine learning features

ENG/RU Exploratory Data Analysis "Moscow's Taste: Venue Analysis and Recommendations for Investors" in the Jupyter notebook. The analysis uses libraries such as pandas, seaborn, matplotlib, and phik.

DA рынка HoReCa Москвы: предобработка данных, проверка гипотез и рекомендации для открытия нового заведения (pandas, визуализации, phi_k).

Оценка риска попадания в ДТП по маршруту движения каршеринга

Yandex Practicum Data Science project

Creating a ML-model to forecast the presence of a heart disease

Прогнозирование покупательской активности клиентов

Прогнозирование исхода лечения пациентов с циррозом печени

Модель прогнозирования выживаемости стартапов с F1 0.997 на основе DecisionTree, оптимизированного через Optuna. Использованы Python, Scikit-learn, Optuna.

Building a model for predicting ad clicks

Модель прогнозирования риска ДТП для каршеринга с F1 0.674 на основе нейронной сети. Использованы Python, PyTorch, CatBoost, PostgreSQL, Streamlit.

Прогнозирование оттока клиентов оператора связи

Yandex Praktikum Data Science Projects

Нейросетевая модель для предсказания температуры звёзд с RMSE 4263 на основе PyTorch. Использованы Python, Scikit-learn, Pandas, корреляция Phik.