"Угадай число!" Компьютер загадывает целое число от 1 до 100, и его нужно угадать. Под «угадать», конечно, подразумевается «написать программу, которая угадывает число». В своем алгоритме использую выбор среднего значения диапазона. После каждой попытки уменьшаю диапазон, если угадываемое значение больше/меньше среднего.
"Кто хочет стать миллионером кинопроката?" Задачи проекта:
- примерить на себя роль аналитика в компании кинопроката.
- провести свой первый анализ данных с помощью pandas.
- принять участие в соревновании.
- продолжить собирать портфолио на Github."
"Разведывательный анализ данных" Вас пригласили поучаствовать в одном из проектов UNICEF — международного подразделения ООН, чья миссия состоит в повышении уровня благополучия детей по всему миру. Суть проекта — отследить влияние условий жизни учащихся в возрасте от 15 до 22 лет на их успеваемость по математике, чтобы на ранней стадии выявлять студентов, находящихся в группе риска. И сделать это можно с помощью модели, которая предсказывала бы результаты госэкзамена по математике для каждого ученика школы (вот она, сила ML!). Чтобы определиться с параметрами будущей модели, проведите разведывательный анализ данных и составьте отчёт по его результатам.
"О вкусной и здоровой пище" Представьте, что вы работаете DS в компании TripAdvisor. Одна из проблем компании — это нечестные рестораны, которые накручивают себе рейтинг. Одним из способов нахождения таких ресторанов является построение модели, которая предсказывает рейтинг ресторана. Если предсказания модели сильно отличаются от фактического результата, то, возможно, ресторан играет нечестно, и его стоит проверить.
Вы работаете стажёром в отделении регионального банка. Лето, как обычно, выдалось жарким, ничто не нарушает сонной работы отдела аналитики, кроме комаров да пчел. Дни медленно сменяют друг друга, последний месяц стажировки постепенно подходит к концу. А вы всё так же делаете запросы к базам данных и строите отчёты. Хотя вот из интересного: пару недель назад в правлении банка произошли масштабные перестановки и в коридорах стали появляться новые лица. В честь приезда нового директора по развитию вас даже подрядили пересаживать цветы! Тут-то вы и поймали себя на мысли, что несколько иначе представляли себе работу Data Scientist… И вот сегодня, когда вы уже были на пороге отчаяния, ваш начальник (все называеют его просто Колей) наконец пришёл к вам с долгожданной новостью:
- Слушай, вот что ты тут все графики да циферки перебираешь. Ты про машинное обучение знаешь? Со следующего месяца внедряем ИИ, будем по-умному работать! Начнём с модели банковского скоринга.
- Отлично! Наконец смогу заняться настоящей работой!
- Ах, да, забыл сказать: решение по тебе ещё не принято. Сделаешь хорошую модель — возьмём в штат.
- Это что же, мне работать в одиночку?!
Вы работаете в компании, которая занимается продажей автомобилей с пробегом в Москве. Основная задача компании и её менеджеров — максимально быстро находить выгодные предложения (проще говоря, купить ниже рынка, а продать дороже рынка). Руководство компании просит вашу команду создать модель, которая будет предсказывать стоимость автомобиля по его характеристикам. Если такая модель будет работать хорошо, то вы сможете быстро выявлять выгодные предложения (когда желаемая цена продавца ниже предсказанной рыночной цены). Это значительно ускорит работу менеджеров и повысит прибыль компании.
Вы продолжаете работать в компании «Старый друг», занимающейся продажей автомобилей с пробегом. Вы с коллегами сидите в кафе, и за обедом речь заходит о курсе по нейронным сетям, который вы собираетесь проходить в этом месяце. Все с интересом слушают, особенно Анна из отдела продаж. Именно для её менеджеров вы собрали модель пару месяцев назад.
- Всё, что ты рассказываешь, конечно, очень интересно! Свёртки, слои, графы какие-то… ты же уже знаешь, как применишь всё это в работе? Нет? А я знаю! На этой фразе у неё загораются глаза, что опасно, ведь в прошлый раз было так же.
- Смотри, мои менеджеры тратят много времени на поиск автомобилей в базе. Мы хотим, чтобы, скажем, система выдавала информацию по фотографии. Такое можно сделать с помощью твоих нейронных сетей?
- Конечно, можно! Это всемогущие технологии, которые скоро поработят мир, ты разве не знаешь? Итак, если переводить Анину просьбу на язык Data Science, то вам нужно построить модель классификации изображений. Классифицировать мы будем автомобили по их фотографиям. Давайте применим навыки, которые вы получили в этом юните, и обучим такую модель!