Другое «Итоговое задание (аналитик данных) ETL: подготовка (preprocessing)»,
аналитика данных, информатика

Итоговое задание (аналитик данных) ETL: подготовка (preprocessing), исследовательский анализ данных 1. Выбрать индивидуальное задание: - можно использовать “свои” данные - использовать подготовленные датасеты (https://drive.google.com/drive/folders/1b3pGfEhAJpq8yuI6Eua1eOTEfiOg 4kel?usp=sharing) - или использовать датасеты с Kaggle (https://www.kaggle.com/datasets?fileType=csv). 2. Используя любую аналитическую платформу Loginom, Knime, RapidMiner (любую на выбор или в Colab) выполнить консолидацию данных кейса (если кейс состоит из нескольких таблиц), провести очистку, трансформацию данных (ETL), выполнить preprocessing данных (https://www.sv-europe.com/crisp-dm-methodology/), провести исследовательский анализ данных (EDA) путем создания различных визуализаций и описательных статистик. 3. Желательно (но не обязательно): обогатить данные кейса: провести ABC-XYZ, RFM-анализ, дополнить данные результатами решения задачи классификации, регрессии, кластеризации (одна или все на выбор исходя из данных кейса). 4. Желательно (но не обязательно): обучить и оценить по метрикам качества модели машинного обучения (использовать различные алгоритмы); сравнить полученные результаты. 5. Желательно (но не обязательно): экспортировать подготовленный датасет в BigQuery (или сохранить в формате .csv в Google Drive). 6. Желательно (но не обязательно): обучить и сравнивать модели машинного обучения с использованием библиотеки OmniXAI. Провести объяснение модели (оценить важность признаков на основе различных методов SHAP, LIME, PDP и др. 7. Желательно (но не обязательно): сравнить результаты, полученные в платформах Data Science and Machine Learning. Платформы BI: На выбор 8, 9, 10 пункты: в любой из BI-платформ: 8. Подключившись к BigQuery (или использовать подготовленный датасет или работать с исходными “сырыми” данными (обработать их в Power Query), создать в Power BI Desktop выражения KPI с использованием выражений анализа данных (DAX), разработать несколько интерактивных отчетов в Power BI Desktop. 9. В Tableau Public (используя подготовленный датасет из предыдущего задания) построить дашборды, выявить инсайты, оформить истории (Story), опубликовать в своем аккаунте в Tableau Public), поделиться аналитическим приложением. 10.Создать интерактивный отчет в Looker Studio https://lookerstudio.google.com/navigation/reporting (используя подготовленный датасет из предыдущего задания), поделиться аналитическим приложением.