Data scientist — удалённая работа в Москве

решить контрольное задание в Оранж. Работа с ML-студией Orange data mining Задание и рекомендации I. Задание 1.1 В рамках учебной дисциплины «Data science в бизнесе» необходимо изучить основные функции ML-студии Orange и подготовить отчет, содержащий следующие разделы: ? Введение. Краткое описание функциональных возможностей студии ? Примеры решения задач DS. Примеры решения задач по анализу данных с использованием базовых функций студии (скриншоты с комментариями) ? Моделирование. Описать процесс и результаты создания собственной модели предиктивной аналитики с использованием демонстрационных или собственных данных, а также одного из доступных методов (линейная регрессия, логистическая регрессия, решающие деревья и т.п.) ? Выводы. Что сделано, как оцениваете возможности студии, а также применимость ее функционала к выбранной вами исследовательской задаче в рамках мини-проекта «Остров» ? Приложения. Необязательный раздел. В случае необходимости в нем можно показать расчеты, диаграммы, таблицы, которые неудобно давать в основном тексте. 1.2 Требования к оформлению отчета: ? Титульный лист с указанием дисциплины (Data Science в бизнесе), задания (Работа с ML-студией Orange data mining), учебной группы (11БМ), ваших ФИО и ФИО преподавателя (Брускин С.Н.) ? Шрифт Times New Roman, 14 кегль, межстрочный интервал 1,15, выравнивание по ширине, новые разделы – с новых абзацев ? Скриншоты оформляются в виде рисунков, нумеруются и подписываются. Подпись ставится под рисунком и вместе с рисунком центрируется. Нумерация рекомендуется сквозная. ? Рисунки следует комментировать («Как показано на Рис.1, платформа позволяет построить график рассеивания, что удобно при решении . ? Общий объем документа – от 10 до 20 страниц II. Рекомендации 2.1 Для успешной работы со студией Orange рекомендуется сначала изучить ее базовую функциональность. Для этого необходимо: ? Ознакомиться с видео-инструкциями, обучающими helpфункциями и примерами ? Освоить следующие функции: ? Загрузка внешнего датасета в среду студии ? Обработка таблиц ? Применение встроенных методов прогнозирования к набору данных ? Визуализация и оценка результатов 2.2 Для модельных экспериментов рекомендуется: ? Проверить работоспособность исследуемых функций на имеющихся в студии тестовых данных ? Подгрузить собственный датасет с фейковыми данными (данные небольшого объема (от 100 до 500 строк) можно сгенерить самостоятельно, либо скачать данные из публичного доступа, например, с www.kaggle.com) ? Опция – данные могут иметь отношение к проекту «Остров», этом случае надо сформулировать, какие переменные являются факторами влияния, а какая – целевая (зависимая) ? Пройти в тестовом режиме основные этапы работы с данными в соответствии с методологией CRISP-DM. ? Определить, какие метрики качества данных и качества модели, вы будете использовать для оценки полученных результатов. ? Сформулировать гипотезу по поводу результатов моделирования (какие методы больше подойдут и на какой уровень качества прогнозирования позволят выйти). III. Примечания 3.1 Выполнение задания будет оцениваться по 10-балльной шкале следующим образом: ? Корректное описание работы студии Orange и адекватные выводы по возможностям ее применения в задачах DS – до 4 баллов ? Успешная демонстрация и комментарии по моделированию на тестовых данных с использованием встроенных методов (регрессия, деревья) – дополнительно до 2 баллов ? Разработка и демонстрация собственной предиктивной модели на реалистичных данных с описанием основных этапов DS согласно CRISP-DM – дополнительно до 2 баллов ? Взаимоувязка разработанной модели с моделью, которая дополнительно до 2 баллов.