Системные аналитики — удалённая работа в Москве

Разовая задача или временный проект. Решить один из кейсов В отчете необходимо указать номер выбранного кейса. Задание можно выполнить в любом сервисе/платформе: Google Colab, BigQuery, любой аналитической платформе. Кейс 1. Создание моделей машинного обучения По индивидуальному заданию (скачать интересующий датасет https://www.kaggle.com/datasets) выполнить EDA, создать и обучить модель машинного обучения на основе выбранного алгоритма (регрессионные модели, ансамбли деревьев решений, бустинг, кластерный анализ, временные ряды). Необходимо выполнить: импорт и чтение данных; произвести обобщенную информацию и краткую статистку; произвести визуализацию результатов с использованием любой библиотеки визуализации (Seaborn, Matplotlib, Plotly, Altair) произвести изменение типов данных и заполнить пропущенные значения; произвести выбор признаков, создать и обучить модель машинного обучения (выбор алгоритма зависит от выбранного набора данных и поставленной задачи); произвести оценку качества модели; произвести сравнение различных моделей (по желанию); произвести настройку гиперпараметров (по желанию); произвести анализ полученных результатов. Кейс 2. Построение дашбордов в BI-платформах По индивидуальному заданию (скачать интересующий датасет https://www.kaggle.com/datasets) выполнить в выбранной BI-платформе (Tableau, Power BI, Superset) ряд действий: 1. Постройте визуализации 2. Выявите инсайты. 3. Оформите их в интерактивные отчеты (дашборды). Аттестация по модулю проводится в форме зачета. В качестве промежуточной аттестации по модулю слушателям предлагается решение одной практико-ориентированной задачи (кейса) на выбор. Решение должно быть оформлено в виде отчете (docx, pdf), который должен содержать: подробное описание задания, этапов его выполнения (с пояснениями и скриншотами), выводами и рекомендациями. Задание можно выполнить в любом сервисе/платформе: Google Colab, BigQuery, любой аналитической платформе. К отчету необходимо приложить ссылку на блокнот Colab/ файл Jupyter блокнота, файл рабочего процесса/отчета, эскпортированный из аналитической платформы. Для зачета слушателю достаточно набрать 5 баллов. Максимум за выполнение задания можно получить 10 баллов. Критерии оценки следующие: ● Соответствие отчета цели и задаче задания (3 балла). ● Полнота и актуальность данных в отчете (2 балла). ● Визуальное оформление и читаемость отчета (2 балла). ● Использование подходящих типов графиков и элементов управления (2 балла). ● Наличие подписей, заголовков и легенд в отчете (1 балл).