Привет. Ищи человека для выполнения ДЗ.

Курс по питону для аналитиков. Всего 8 уроков и 8 ДЗ. Видео лекция + методичка + код с урока.
4 ДЗ я уже сделала. И поняла, что трачу на это непомерное количество времени. А Питон мне не нужен.

Оставшиеся темы:
Урок 5. Статистика в работе аналитика с библиотекой Scipy(5 окт.)
Урок 6. Линейная алгебра с библиотекой Numpy(8 окт.)
Урок 7 Предобработка данных и построение предиктивных моделей в Scikit-learn (12 окт.)
Урок 8 Повышение качества предиктивных моделей. Feature Engineering (15 окт.)

На выполнение ДЗ дается 7 дней. По задумке акторов курса: слушаешь вебинар и делаешь ДЗ, т.е. знаний основ питона и того, что дают на лекции должно хватать дл явыполнения Дз.

Пример ДЗ (к 5 уроку)

Можно решить 2 задачи на выбор:
1. Взять датасет из домашнего задания №2. Проверить гипотезу о том, в каком варианте теста (control/personalization) больше конверсия (converted) и значимо ли это отличие статистически.
2. Цех может производить стулья и столы. На производство стула идет 5 единиц материала, на производство стола - 20 единиц (футов красного дерева). Стул требует 10 человеко-часов, стол - 15. Имеется 400 единиц материала и 450 человеко-часов. Прибыль при производстве стула - 45 долларов США, при производстве стола - 80 долларов США. Сколько надо сделать стульев и столов, чтобы получить максимальную прибыль?
3. Средний накопленный доход на пользователя с сайта (cumulative ARPU) составил: day1 0.4$, day3 0.6$, day7 0.8$, day14 1.10$ , day21 1.30$, day30 1.40$. Подберите аппроксимирующую кривую и сделайте прогноз, сколько в среднем принесет денег пользователь на 90й день. Обоснуйте выбор одной из аппроксимирующей кривой вида: y = a*b^x или y = a*ln(x) + b.

Формат - ссылка на ноутбук Colab.

Итоговая работа (пример) возможно ближе к концу курса будут новые вводные:

1. Скачать данные об энергоэффективности зданий Нью-Йорка https://www1.nyc.gov/html/gbee/html/plan/ll84_scores.shtml (2018 Energy and Water Data Disclosure (Data for Calendar Year 2017, файл spreadsheet)
2. Провести чистку данных (пропуски данных, неинформативные признаки, аномалии и т.п.)
3. Провести Exploratory Data Analysis. Проанализировать переменные, влияющие на зависимую переменную - оценку энергоэффективности зданий ENERGY STAR Score.
4. Разделить датасет на обучающие и тестовую выборки.
5. Обучить регрессионную модель и выявить показатели качества модели на обучающей и тестовой выборке.
6. Реализовать методы feature engineering с целью повышения метрик качества модели.
Результат - ссылка на готовый ноутбук в Colab с выводами.

Для того, кто в теме работы на пару часов в неделю на 2а ДЗ.


По цене - 1000 за 1 ДЗ. 50% аванс и 50% как препод проверит работу. (Оценка нужна 4 или 5, Если 5, то 1000, если 4, то 800)
Итоговая – 2500-3000. Оплата 30% аванси 70% как препод проверит работу. (Оценка нужна 4 или 5, Если 5, то 3000, если 4, то 2500.