End-to-end пайплайн по предсказанию оттока клиентов: от загрузки SQLite-базы до оценки бизнес-эффекта модели. CatBoost, балансировка классов и подбор порога.
Реализация системы классификации комментариев на позитивные и негативные с использованием TF-IDF, лемматизации и сравнением моделей Logistic Regression и LinearSVC.
Разобрал пайплайн прогнозирования временных рядов: ресемплинг, проверка стационарности, генерация лагов и скользящих статистик, сравнение моделей и итоговый RMSE.
Реализация нейросети на PyTorch для предсказания температуры звезд с использованием физических характеристик, визуализация результатов и анализ модели.
Реализация модели машинного обучения для предсказания вероятности аварии на каршеринге с использованием SQL, pandas и scikit-learn.