Разработка ИИ — удалённая работа в Москве

Пожелания и особенности: Подготовить презентацию Итоговая аттестационная работа по программе профессиональной переподготовки: «Специалист по работе с системами искусственного интеллекта» Задание итоговой практической работы Выберите подходящий датасет (например, из открытых источников, таких как Kaggle или UCI Machine Learning Repository). Выполните предварительный анализ и обработку данных. Решите задачу одним из предложенных вариантов (слайд 3 или 4). Вариант 1: Классификация / Регрессия (ML и Deep Learning) Этапы выполнения: 1. Загрузка и первичный анализ данных •Загрузите датасет, кратко опишите его содержимое (число признаков, количество наблюдений). •Проверьте наличие пропусков и дубликатов, выполните необходимую очистку данных. 2. Предобработка данных •Проведите нормализацию и стандартизацию признаков, если необходимо. •Выполните кодирование категориальных признаков (One-Hot Encoding, Label Encoding). 3. Моделирование и подбор параметров (ML) •Выберите как минимум две традиционные ML-модели (например, Random Forest, XGBoost, Logistic Regression). •Используя GridSearchCV или RandomizedSearchCV, выполните перебор гиперпараметров. 4. Моделирование и подбор параметров (Deep Learning) •Постройте простую нейронную сеть (например, полносвязную или рекуррентную). •Выполните подбор параметров сети (число слоев, нейронов, learning rate, batch size). 5. Сравнение и оценка качества моделей •Сравните результаты ML и DL моделей по выбранным метрикам (accuracy, precision, recall, F1 для классификации или RMSE, MAE для регрессии). •Определите наилучшую модель. Отчёт должен содержать: 1.Подробное описание каждого этапа. 2.Код с комментариями. 3.Таблицу сравнения метрик. 4.Выводы и рекомендации по итогам эксперимента.