Программирование на языке Python
PANDAS.
Создание датафреймов, операции с датафреймами: sort_values, value_counts, nlargest, merge, concat, join, groupby,astype, reset_index, head, tail, describe, count, shape, loc,iloc, drop, dropna,to_numeric, to_datetime.
Объединение датафреймов: left join, left join(if NULL), right join, right join (if NULL), inner join, full outer join.
Сводные таблицы: метод pivot table. Анализ временных рядов: mean, sort_index, resample.
SEABORN.
Построение графиков: pairplot,heatmap. Матрица корреляции, диаграмма(тепловая карта) MATPLOTLIB.
Построение графиков: plot, scatter, hist, bar, pie, label, legend, title, grid. Линейные, точечные, гистограммы, столбчатые и круговые диаграммы.
Библиотека NUMPY.
БД SQLite3, MySQL.
Создание бд, написание сложных запросов.
CREATE,INSERT INTO,SELECT FROM WHERE,ORDER BY,AS,COUNT,MIN,MAX,LIKE,LIMIT,INNER,LEFT,RIGHT JOIN,UPDATE,DELETE,AND,OR,DESK,DISTINCT,IN,AVG,SUM,UNION,TRUNCATE,DROP table.
Методы connect и execute,объект cursor.
OPENCV.
Работа с изображениями: преобразование цветовых схем(cv2.cvtColor,c2.COLOR_RGB2GRAY, cv2.COLOR_BGR2RGB), другие операции(flags,shape, rectangle,circle,putText,resize).
Области интереса.
Создание маски (np.zeros,bitwise_and).
Работа с веб-камерой,класс VideoCapture.
ПАРСИНГ САЙТОВ.
Библиотеки BeautifulSoup,requests,методы find,findall,get
Selenium, селекторы
OpenVINO.
Работа с моделями из Open Model Zoo, преобразование моделей в формат OpenVINO,их тестирование. Применение onnx, openvino-dev
DOCKER.
Установка на компьютер, разворачивание контейнера из образа Ubuntu, установка в контейнере Python. С помощью облачного сервиса, docker и flask деплоил модель машинного обучения на ВМ: подготовка и создание файлов (dockerfile, requirements, model.sav, csv, html, app.py),сборка(build) своего образа. Далее образ загружаем(push) на docker hub, устанавливаем docker на ВМ, которая развернута в облачном окружении. Скачиваем(pull) образ из docker hub в ВМ,разворачиваем контейнер из образа и запускаем(run) контейнер на ВМ. Веб-приложение развернуто в облачном окружении
FLASK.
Создавал основу веб-приложения, экземпляр приложения. Render_template,декоратор @app.route
Система контроля версий Git.

ПОРТФОЛИО.
1. Веб-приложение для предсказания стоимости недвижимости
https://github.com/exelayam/WebApp
2. Приложение для работы с данными
https://github.com/exelayam/WebImportData
3. Мой образ
https://hub.docker.com/repository/docker/alshi/apa...
4. Программа, которая поочерёдно берет изображения из заданной папки и проводит над ними пакетную обработку(изменение разрешения, добавление надписи, наложение маски)
https://colab.research.google.com/drive/1bEFWBTbN9...
5. Программа, которая фиксирует наличие и отсутствие человека в кадре
https://drive.google.com/file/d/1Cz-sQmLnFCsZm3C3t...
6. Программа, которая принимает на вход вводимые с клавиатуры пользователем фразы и находит косинусное сходство.
https://colab.research.google.com/drive/1T43gw4mwd...
7. RFM-анализ (Recency, Frequency и Monetary: давность, частота и сумма покупок) для сегментации клиентов интернет-магазина подарков методом k-средних
https://colab.research.google.com/drive/1HZyE3FreC...
8. Парсинг сайтов
BeautifulSoup
https://drive.google.com/file/d/1GRqF4QuOpg22Ki9u0...
Selenium
https://colab.research.google.com/drive/1fLgVXmyDj...
9. Telegram-bot.Уведомление в Telegram при обнаружении релевантной информации
https://colab.research.google.com/drive/13kPz-iW0C...
10. Распознавание лиц на изображениях с использованием OpenVino и предобученных нейросетей
https://colab.research.google.com/drive/1GwAHiD4Yo...
11. Выделение продукта (со срезанным краем) на изображении, вычисление длины срезанного края и процента от общего периметра продукта
https://colab.research.google.com/drive/1lnfu3Ntpa...
12. Telegram-bot, которому можно отправлять изображения, а он, используя встроенную предобученную нейросеть (YOLO4), будет детектировать объекты на фото.
https://colab.research.google.com/drive/1ZFr7nyA55...