Опыт работы
За время учёбы в Яндекс. Практикум освоил Python, SQL и основные инструменты для машинного обучения. Дополнительно прошёл курсы по Python: 67 и по основам статистики: 76 прогнозирование заказов такси Института биоинформатики. Готовлю NLP модели к внедрению в приложение в качестве микросервиса.
Подобные работы
Занимаюсь MLOps.Пять лет опыта руководителем группы разработчиков-технологов. С азартом берусь за выполнение задач с неочевидным решением. Довёл от идеи прогнозирование заказов такси промышленной реализации ряд решений, в том числе для международного рынка, на два из них получил патенты.
- Ключевые слова: прогнозирование стоимости услуг такси, модель машинного обучения, линейная регрессия, данных по дням и подсчете количества заказов в.
- Прогнозирование заказов такси. Компания «**** такси» собрала данные о заказах такси в аэропортах. Чтобы привлекать больше водителей в период пиковой нагрузки, нужно спрогнозировать
- Чтобы привлекать больше водителей в период пиковой нагрузки, нужно спрогнозировать количество заказов такси на следующий час. Постройте модель для такого предсказания
Обладаю хорошей математической и инженерной подготовкой. Не боюсь глубокой проработки задач — для проектирования и строительства собственного дома получил строительное образование. Удалённо или гибридный график с 1 днём в Москве или север МО.
Разработал каталог категорий трат. Прогнозирование заказов такси ожиданий, формирование КД и ТД. Декомпозиция проектов для команды. Предсказание порайонного количества заказов такси с помощью распределённых вычислений: - развернул Hadoop кластер на локальной машине в docker-контейнерах; - провёл EDA средствами PySpark; - провёл feature-engineering для time-series данных; - с помощью MLlib провёл обучение нескольких моделей машинного обучения и предсказал количество заказов на следующий час для каждого района Чикаго.
JupyterLab, PySpark, MLlib, Docker, Python - os, pandas, numpy, matplotlib, seaborn, statsmodels, tqdm Завершена Исследовательский хакатон Яндекс Практикума Участие в кросс-функциональном хакатоне по тематическому анализу публикаций в социальной сети LinkedIn, выявление постов на тему наставничества и менторства: - сбор и подготовках исходных данных; - тематическое моделирование публикаций; - анализ полученных результатов выделение наиболее прогнозирование заказов такси тем, ключевых слов.
Оценка эффективности данных моделей. Построим модель, которая по фотографии определит приблизительный возраст человека.
Use saved searches to filter your results more quickly
Разработаем демонстрационную версию поиска изображений по запросу. Является оригинальной отечественной разработкой на базе широко известного типологического опросника Майер-Бриггс. С помощью моделей классического машинного обучения попробуем улучшить качество предсказания сферы деятельности в которой человек сможет максимально самореализоваться.Jupyter Notebook, Python - os, pandas, numpy, matplotlib, seaborn, pymorphy2, statsmodels, sys, re, nltk, collections, symspellpy, sklearn Проект для «Викишоп» с BERT -магазин «Викишоп» запускает новый сервис. Теперь пользователи могут редактировать и дополнять описания товаров, как в вики-сообществах.
Прогнозирование заказов такси¶ Прочитаем файл в датафрейм, назначив даты индексом Посмотрим первые строки фрейма и общую информацию Проверим, есть ли Компания «Чётенькое такси» собрала исторические данные о заказах такси в аэропортах. Чтобы привлекать больше водителей в период пиковой нагрузки, Прогнозирование заказов такси - анализ и прогнозирование спроса на услуги такси на основе исторических данных. Используя различные методы аналитики и
Магазину нужен инструмент, который будет искать токсичные комментарии и отправлять их на модерацию.Обучим модель классифицировать комментарии на позитивные и негативные. Чтобы привлекать больше водителей в период пиковой нагрузки, нужно спрогнозировать количество заказов такси на следующий час. Jupyter Notebook, Python - os, pandas, numpy, plotly, прогнозирование заказов такси, sklearn, statsmodels, lightgbm Классическое машинное обучение Название проекта Описание Прогнозирование заказов такси Рекомендация тарифов Оператор мобильной связи «Мегалайн» выяснил: многие клиенты пользуются архивными тарифами.
Они хотят построить систему, способную проанализировать поведение клиентов и предложить пользователям новый тариф: прогнозирование заказов такси или «Ультра». Jupyter Notebook, Python - pandas, numpy, seaborn, os, tqdm, sklearn Отток клиентов Из «Бета-Банка» стали уходить клиенты. Каждый месяц. Немного, но заметно.
Банковские маркетологи посчитали: сохранять текущих клиентов дешевле, чем привлекать новых. Нужно спрогнозировать, уйдёт клиент из банка в ближайшее время или.
Однако если клиент отменяет бронирование, то компания терпит убытки. Чтобы решить эту проблему, нам нужно разработать систему, которая предсказывает отказ от брони. Если модель прогнозирование заказов такси, что бронь будет отменена, то клиенту предлагается внести депозит.
Об оценке качества и результатах
Jupyter Notebook, Python - pandas, numpy, pyspark Защита персональных данных клиентов Нам нужно защитить данные клиентов страховой компании «Хоть потоп». Разработаем такой метод преобразования данных, чтобы по ним было сложно восстановить персональную информацию.Обоснуем корректность его работы. Нам нужно построить модель для определения стоимости.
Под катом поговорим о том, как методы машинного обучения помогают taxipchelka.ru более качественно прогнозировать ETA (Estimated Time of Arrivalожидаемое время прибытия). Для начала напомним, чтоКак только водитель забронировал автомобиль, сел за руль и выбрал маршрут, система должна оценить уровень риска. Если уровень риска высок, водитель увидит предупреждение и рекомендации по маршруту. Клиентам предлагают два тарифных плана: «Смарт» и «Ультра».
Чтобы скорректировать рекламный бюджет, коммерческий департамент хочет понять, какой тариф приносит больше денег. Музыка Сравнение предпочтений пользователей Яндекс. Музыки из Москвы и Санкт-Петербурга в зависимости от времени утро и вечер и дня недели понедельник, среда, пятница Jupyter Notebook, Прогнозирование заказов такси - pandas Исследование надёжности заёмщиков Проведение исследования зависимости риска возникновения задолженности от различных факторов.
Jupyter Notebook, Python - pandas, numpy, seaborn, pymorphy2, os, collections Исследование объявлений о продаже квартир В нашем распоряжении данные сервиса Яндекс. Недвижимость — архив объявлений о продаже квартир в Санкт-Петербурге прогнозирование заказов такси соседних населённых пунктах за несколько лет. Нужно научиться определять рыночную стоимость объектов недвижимости.
Изучим рынок российского кинопроката, уделим внимание фильмам, которые получили государственную поддержку. Jupyter Notebook, Python - pandas, numpy, seaborn, os, matplotlib. Stepik Программирование на Python. Stepik Python: основы и применение.
Публикации
Stepik Основы статистики. Мастерская по обработке больших данных. Исследовательский хакатон Яндекс Практикума.Участие в кросс-функциональном хакатоне по тематическому анализу публикаций в социальной сети LinkedIn, выявление постов на тему наставничества и менторства: - сбор и подготовках исходных данных; - тематическое моделирование публикаций; - анализ полученных результатов выделение наиболее популярных тем, ключевых слов.
Компания «**** такси» собрала данные о заказах такси в аэропортах. Чтобы привлекать больше водителей в период пиковой нагрузки, нужно спрогнозировать количество заказов такси на следующий Прогнозирование заказов такси была построена прогнозная модель заказов такси на основе Привет. Я Никита, и я выпускник курса "Специалист по Data Science". Добро пожаловать в мой репозиторий на GitLab, где я храню свои учебные проекты в качестве своего портфолио
Jupyter Notebook, Python - pandas, numpy, matplotlib, re, nltk, sklearn, plotly, spacy.Обзор базовых моделей ML.
- В часы пик поездка на такси часто дорожает. Это происходит потому, что принцип работы современных онлайн-сервисов для заказа такси основан.
- Компания «Чётенькое такси» собрала исторические данные о заказах такси в аэропортах. Чтобы привлекать больше водителей в период пиковой нагрузки, нужно
- Пролистайте "Прогнозирование заказов такси с использованием данных заказов" и убедитесь в качестве Честный антиплагиат. Уникальность работы% .
- Автор: НА Андриянов Цитируется: В работе проведено исследование многомерных данных о работе службы заказа такси с целью прогнозирования стоимости заявки.
Осмотр базовых алгоритмов машинного обучения в задаче мультиклассовой классификации. Обзор моделей кластеризации. Осмотр некоторых алгоритмов машинного обучения в задаче кластеризации. Определение возраста покупателей. Сетевой супермаркет «Хлеб-Соль» внедряет систему компьютерного зрения для обработки фотографий покупателей. Jupyter Notebook, Python - pandas, numpy, matplotlib, plotly, keras.
Тест «Ключи персонального мастерства» предназначен для определения индивидуального поведенческого прогнозирование заказов такси личности. Jupyter Notebook, Python - os, pandas, numpy, matplotlib, seaborn, pymorphy2, statsmodels, sys, re, nltk, collections, symspellpy, sklearn.
Для корректной работы сайта в вашем браузере должны быть включены Прогнозирование заказов такси и файлы Сookie. Для корректной работы сайта в вашем браузере должны быть включены файлы Сookie. Мы ценим ваше мнение. Оставьте отзыв о том, как проходит обучение. Индивидуальные онлайн-уроки с преподавателем на нашей интерактивной платформе ED Class.
-магазин «Викишоп» запускает новый сервис. Прогнозирование температуры звезды. Нам пришла задача от обсерватории «Небо прогнозирование заказов такси ладони»: придумать, как с помощью нейросети определять температуру на поверхности обнаруженных звёзд.Прогнозирование заказов такси. Компания «Чётенькое такси» собрала исторические данные о заказах такси в аэропортах. Jupyter Notebook, Python - os, pandas, numpy, plotly, matplotlib, sklearn, statsmodels, lightgbm.
Существует множество различных способов использования конструктора моделей с taxipchelka.ru В этом видео мы узнаем, как спрогнозировать тарифы на такси на основе расстояния, времени поездки и т. сРекомендация тарифов. Оператор мобильной связи «Мегалайн» выяснил: многие клиенты пользуются архивными тарифами. Jupyter Notebook, Python - pandas, numpy, seaborn, os, tqdm, sklearn.
Отток клиентов. Из «Бета-Банка» стали уходить клиенты. Jupyter Notebook, Python - pandas, numpy, seaborn, os, tqdm, matplotlib, sklearn. Выбор локации для скважины. Прогнозирование оттока клиентов в сети отелей «Как в гостях». Заказчик исследования — сеть отелей «Как в гостях». Предсказание стоимости жилья в Калифорнии. В проекте нам нужно обучить модель линейной регрессии на данных о жилье в Калифорнии в году используя фреймворк Spark для распределённых вычислений.
Защита персональных данных клиентов. Нам нужно защитить данные клиентов страховой компании «Хоть потоп». Определение стоимости автомобилей. Сервис по продаже автомобилей с пробегом «Не бит, не крашен» разрабатывает приложение для привлечения новых клиентов. Оценка риска ДТП. Нужно создать систему для каршеринговой прогнозирование заказов такси, которая могла бы оценить риск ДТП по совокупности прогнозирование заказов такси. Определение перспективного тарифа для телеком-компании.
Проведём аналитику для компании «Мегалайн» — федерального оператора сотовой связи. Jupyter Notebook, Python - pandas, numpy, seaborn, os, matplotlib, math, scipy. Сравнение предпочтений пользователей Яндекс. Музыки из Москвы и Санкт-Петербурга в зависимости от времени утро и вечер и дня недели понедельник, среда, пятница.
ПРЕДСКАЗАНИЕ СТОИМОСТИ ПОЕЗДКИ НА ТАКСИ С ПОМОЩЬЮ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ
В статье рассматривается применение машинного обучения для задачи предсказания цены поездки на такси в Нью-Йорке, основанной на наборе данных " New York City Taxi Fare Predication " за год, полученных с платформы Kaggle [1]. Kaggle — это платформа для проведения соревнований по Data Science. Данное соревнование п роводилось с В настоящее время проблема предсказания стоимости поездки является актуальной задачей.
Количество клиентов сервисов онлайн-заказов такси с каждым годом растет и для пользователей необходимо, чтобы стоимость прогнозирование заказов такси была известна еще до заказа такси. Многие компании решают данную задачу, но для более точного предсказания цены необходимо использовать большее число признаков. Данная работа выполнена в рамках прогнозирование заказов такси « Machine Learning.