В репозитории собраны некоторые реализованные проекты
| # | Наименование проекта | Описание | Стек |
|---|---|---|---|
| 1. | Сервис для сокращения URL-адресов | Разработан сервис, который даёт возможность пользователям сокращать длинные ссылки, получать их аналитику и управлять ими. Основные возможности: создание коротких ссылок (доступно с и без авторизации), перенаправление по коротким ссылкам. Статистика переходов: количество кликов, дата создания, последнее использование. Аутентификация (JWT-токены): регистрация/логин. Поиск ссылок по оригинальному URL. Для работы сервиса используется БД PostgreSQL |
Python, FastAPI, SQLAlchemy, pytest, httpx, Docker |
| 2. | Бот для контроля количества выпитой воды и калорий | Разработан telegram - бот, который даёт возможность пользователям контролировать выпитую воду, потреблённые калории, записывать тренировки. Сервис по API получает от сторонних сервисов информацию о температуре воздуха для определения нормы воды, о калорийности продуктов и энергозатратах на тренировки. |
Python, asyncio, aiogram, Docker |
| 3. | Сопоставление товаров между собой с целью детекции матчей. | Решена задача по матчингу товаров, а именно финальная часть пайплайна матчинга В ней принимаются решения для каждой пары (товар предлагаемый продавцом — товар на площадке), является ли она матчем или нет |
Python, Pandas, Matplotlib, Scikit-learn, CatBoost |
| 4. | Предсказание оттока клиентов (телеком) | На данных о клиентах ра разработана модель, которая предсказывает, разорвёт ли клиент контракт |
Python, SQL, SQLAlchemy, Pandas, Seaborn, Matplotlib, Scikit-learn, PostgreSQL, LightGBM, CatBoost, Pytorch, Skorch |
| 5. | Поиск изображений по запросу. | Разработана модель, определяющая изображение по текстовому запросу |
Python, Pandas, Matplotlib, Scikit-learn, ResNet50, Pytorch, BERT |
| 6. | Определение возраста покупателя. | Разработана модель, определяющая возраст покупателя по его фотографии |
Python, Pandas, Matplotlib, Keras, ResNet50 |
| 7. | Классификация комментариев. | Разработана модель, определяющая токсичные комментарии |
Python, Pandas, Matplotlib, TF-IDF, Bag of words, spacy, nltk, Pytorch, BERT |
| 8. | Определение уровня английского в фильмах. | Разработана модель, определяющая уровень английского языка в фильме по его субтитрам |
Python, Pandas, Matplotlib, Scikit-learn, TF-IDF, Bag of words, nltk |
| 9. | Прогнозирование количества заказов такси. | Разработана система предсказания количества заказов такси на следующий час |
Python, Pandas, Matplotlib, Scikit-learn, Pipeline, statsmodels |
| 10. | Система предупреждения аварий в каршеринге. | На основе информации из базы данных выявлены возможные причины возникновения аварий и предложена система предупреждающая о безопасном вождении. |
SQL, Pandas, Matplotlib, Scikit-learn, PostgreSQL, SQLAlchemy, CatBoost, LightGBM |
| 11. | Определение температуры поверхности звезды. | На основе косвенных данных построена модель оценки температуры на поверхности звезды |
Python, Pandas, Matplotlib, Pytorch |
| 12. | Определение стоимости автомобиля. | Разработана система, которая прогнозирует стоимость автомобиля по его описанию | Python, Pandas, Matplotlib, Scikit-learn, LightGBM, XGBoost, CatBoost |
| 13. | Определение стоимости жилья в жилом массиве. | Разработана модель, которая прогнозирует стоимость жилья |
Python, Pandas, Spark |
| 14. | Прогнозирование отмены бронирования отеля. | На основе данных о бронированиях построена модель прогнозирования отказа клиента от брони. В качестве метрики используется величина выручки отеля. |
Python, Pandas, Matplotlib, NumPy, Scikit-learn |
| 15. | Анализ рынка недвижимости в Санкт-Петербурге. | На данных сервиса Яндекс.Недвижимость определена рыночная стоимость объектов недвижимости и типичные параметры квартир |
Python, Pandas, Matplotlib |