diff --git a/lab2.ipynb b/lab2.ipynb index 1ebdfeb..07a4d80 100644 --- a/lab2.ipynb +++ b/lab2.ipynb @@ -2,7 +2,7 @@ "cells": [ { "cell_type": "code", - "execution_count": 228, + "execution_count": 1, "metadata": {}, "outputs": [ { @@ -275,7 +275,7 @@ "5 Dimensity 700 1 " ] }, - "execution_count": 228, + "execution_count": 1, "metadata": {}, "output_type": "execute_result" } @@ -294,7 +294,7 @@ }, { "cell_type": "code", - "execution_count": 229, + "execution_count": 2, "metadata": {}, "outputs": [ { @@ -532,7 +532,7 @@ "4 1 " ] }, - "execution_count": 229, + "execution_count": 2, "metadata": {}, "output_type": "execute_result" } @@ -549,7 +549,7 @@ }, { "cell_type": "code", - "execution_count": 230, + "execution_count": 3, "metadata": {}, "outputs": [ { @@ -797,7 +797,7 @@ "[5 rows x 21 columns]" ] }, - "execution_count": 230, + "execution_count": 3, "metadata": {}, "output_type": "execute_result" } @@ -812,63 +812,9 @@ "house.head()" ] }, - { - "attachments": {}, - "cell_type": "markdown", - "metadata": {}, - "source": [ - "1. Продажа домов\n", - "\n", - " Цель: Определение рыночной стоимости домов для оптимизации ценовой политики.\n", - "\n", - " Эффект: Улучшение конкурентоспособности на рынке недвижимости и увеличение объема продаж за счет правильного ценообразования. Возможность точного прогнозирования цен и повышения удовлетворенности клиентов.\n", - "\n", - "2. Цены на автомобили\n", - "\n", - " Цель: Оценка цен на автомобили в зависимости от различных факторов (например, пробег, марка, модель, год выпуска).\n", - "\n", - " Эффект: Увеличение привлекательности предложения за счет адекватного ценообразования и минимизации убытков от продажи автомобилей. Позволяет более точно прогнозировать потребности клиентов и улучшить управление запасами.\n", - "\n", - "3. Цены на мобильные устройства\n", - "\n", - " Цель: Определение причин изменения цен на мобильные устройства и оценка влияния сезонных скидок на спрос.\n", - "\n", - " Эффект: Оптимизация маркетинговых стратегий и акций, что может привести к увеличению объемов продаж. Улучшение прогнозирования спроса и управление ассортиментом на основе ценовых изменений." - ] - }, - { - "attachments": {}, - "cell_type": "markdown", - "metadata": {}, - "source": [ - "1. Продажа домов\n", - " \n", - " Цель технического проекта: Разработка системы оценки рыночной стоимости недвижимости на основе анализа данных о продажах.\n", - "\n", - " Вход: Набор данных о прошедших продажах домов (цена, площадь, местоположение, количество комнат, год постройки и т.д.).\n", - "\n", - " Целевой признак: Рыночная цена продажи домов.\n", - "\n", - "2. Цены на автомобили\n", - "\n", - " Цель технического проекта: Создание алгоритма, который предсказывает цены на автомобили с учетом различных характеристик и рыночных тенденций.\n", - "\n", - " Вход: Данные о характеристиках автомобилей (марка, модель, год выпуска, пробег, состояние) и цены на аналогичные автомобили.\n", - "\n", - " Целевой признак: Цена автомобиля.\n", - "\n", - "3. Цены на мобильные устройства\n", - "\n", - " Цель технического проекта: Разработка системы, анализирующей влияние маркетинговых акций на цены и спрос на мобильные устройства.\n", - "\n", - " Вход: Данные о ценах на мобильные устройства (с учетом скидок), история продаж, информация о маркетинговых акциях и сезонные колебания.\n", - "\n", - " Целевой признак: Объем продаж мобильных устройств." - ] - }, { "cell_type": "code", - "execution_count": 231, + "execution_count": 4, "metadata": {}, "outputs": [ { @@ -989,7 +935,7 @@ }, { "cell_type": "code", - "execution_count": 232, + "execution_count": 5, "metadata": {}, "outputs": [ { @@ -1069,7 +1015,7 @@ }, { "cell_type": "code", - "execution_count": 233, + "execution_count": 6, "metadata": {}, "outputs": [ { @@ -1160,7 +1106,7 @@ }, { "cell_type": "code", - "execution_count": 234, + "execution_count": 7, "metadata": {}, "outputs": [ { @@ -1421,7 +1367,7 @@ "1369 Octa Core Snapdragon 8 Gen2 2 " ] }, - "execution_count": 234, + "execution_count": 7, "metadata": {}, "output_type": "execute_result" } @@ -1447,7 +1393,7 @@ }, { "cell_type": "code", - "execution_count": 235, + "execution_count": 8, "metadata": {}, "outputs": [ { @@ -1514,8 +1460,8 @@ "data": { "text/plain": [ "Class\n", - "1 144\n", - "2 127\n", + "1 143\n", + "2 128\n", "Name: count, dtype: int64" ] }, @@ -1544,8 +1490,8 @@ "data": { "text/plain": [ "Class\n", - "1 143\n", - "2 128\n", + "1 144\n", + "2 127\n", "Name: count, dtype: int64" ] }, @@ -1579,7 +1525,7 @@ }, { "cell_type": "code", - "execution_count": 236, + "execution_count": 9, "metadata": {}, "outputs": [ { @@ -1672,32 +1618,32 @@ " \n", " 0\n", " 1\n", - " 89\n", - " 4.600000\n", + " 90\n", + " 4.550000\n", " \n", " \n", " 1\n", - " 2\n", - " 95\n", - " 4.350000\n", + " 1\n", + " 80\n", + " 4.400000\n", " \n", " \n", " 2\n", - " 2\n", - " 84\n", - " 4.200000\n", + " 1\n", + " 80\n", + " 4.650000\n", " \n", " \n", " 3\n", " 1\n", - " 92\n", - " 4.100000\n", + " 75\n", + " 4.500000\n", " \n", " \n", " 4\n", " 2\n", - " 69\n", - " 4.150000\n", + " 92\n", + " 4.650000\n", " \n", " \n", " ...\n", @@ -1708,32 +1654,32 @@ " \n", " 851\n", " 2\n", - " 53\n", - " 4.441967\n", + " 96\n", + " 4.061287\n", " \n", " \n", " 852\n", " 2\n", - " 56\n", - " 4.295098\n", + " 95\n", + " 4.191740\n", " \n", " \n", " 853\n", " 2\n", - " 60\n", - " 4.489467\n", + " 73\n", + " 4.612413\n", " \n", " \n", " 854\n", " 2\n", - " 60\n", - " 4.511445\n", + " 94\n", + " 4.193295\n", " \n", " \n", " 855\n", " 2\n", - " 72\n", - " 4.207826\n", + " 92\n", + " 4.650000\n", " \n", " \n", "\n", @@ -1742,22 +1688,22 @@ ], "text/plain": [ " Class Spec_score Rating\n", - "0 1 89 4.600000\n", - "1 2 95 4.350000\n", - "2 2 84 4.200000\n", - "3 1 92 4.100000\n", - "4 2 69 4.150000\n", + "0 1 90 4.550000\n", + "1 1 80 4.400000\n", + "2 1 80 4.650000\n", + "3 1 75 4.500000\n", + "4 2 92 4.650000\n", ".. ... ... ...\n", - "851 2 53 4.441967\n", - "852 2 56 4.295098\n", - "853 2 60 4.489467\n", - "854 2 60 4.511445\n", - "855 2 72 4.207826\n", + "851 2 96 4.061287\n", + "852 2 95 4.191740\n", + "853 2 73 4.612413\n", + "854 2 94 4.193295\n", + "855 2 92 4.650000\n", "\n", "[856 rows x 3 columns]" ] }, - "execution_count": 236, + "execution_count": 9, "metadata": {}, "output_type": "execute_result" } @@ -1781,7 +1727,7 @@ }, { "cell_type": "code", - "execution_count": 237, + "execution_count": 10, "metadata": {}, "outputs": [ { @@ -1878,33 +1824,33 @@ " \n", " \n", " \n", - " 786\n", - " 80\n", - " 4.30\n", + " 468\n", + " 69\n", + " 4.45\n", " 1\n", " \n", " \n", - " 670\n", - " 91\n", - " 4.35\n", + " 1093\n", + " 86\n", + " 4.45\n", " 1\n", " \n", " \n", - " 96\n", - " 72\n", - " 4.10\n", + " 1102\n", + " 89\n", + " 4.00\n", " 1\n", " \n", " \n", - " 1207\n", - " 79\n", - " 4.75\n", + " 422\n", + " 70\n", + " 4.15\n", " 1\n", " \n", " \n", - " 1165\n", - " 80\n", - " 4.60\n", + " 1192\n", + " 81\n", + " 4.00\n", " 1\n", " \n", " \n", @@ -1914,33 +1860,33 @@ " ...\n", " \n", " \n", - " 875\n", + " 298\n", + " 75\n", + " 4.70\n", + " 2\n", + " \n", + " \n", + " 249\n", " 75\n", " 4.25\n", " 2\n", " \n", " \n", - " 544\n", - " 87\n", - " 4.65\n", + " 1341\n", + " 66\n", + " 4.25\n", " 2\n", " \n", " \n", - " 787\n", - " 84\n", + " 923\n", + " 88\n", " 4.15\n", " 2\n", " \n", " \n", - " 893\n", - " 83\n", - " 4.00\n", - " 2\n", - " \n", - " \n", - " 519\n", - " 81\n", - " 4.30\n", + " 301\n", + " 80\n", + " 4.50\n", " 2\n", " \n", " \n", @@ -1951,22 +1897,22 @@ "text/plain": [ " Spec_score Rating Class\n", "Id \n", - "786 80 4.30 1\n", - "670 91 4.35 1\n", - "96 72 4.10 1\n", - "1207 79 4.75 1\n", - "1165 80 4.60 1\n", + "468 69 4.45 1\n", + "1093 86 4.45 1\n", + "1102 89 4.00 1\n", + "422 70 4.15 1\n", + "1192 81 4.00 1\n", "... ... ... ...\n", - "875 75 4.25 2\n", - "544 87 4.65 2\n", - "787 84 4.15 2\n", - "893 83 4.00 2\n", - "519 81 4.30 2\n", + "298 75 4.70 2\n", + "249 75 4.25 2\n", + "1341 66 4.25 2\n", + "923 88 4.15 2\n", + "301 80 4.50 2\n", "\n", "[762 rows x 3 columns]" ] }, - "execution_count": 237, + "execution_count": 10, "metadata": {}, "output_type": "execute_result" } @@ -1998,7 +1944,7 @@ }, { "cell_type": "code", - "execution_count": 238, + "execution_count": 11, "metadata": {}, "outputs": [ { @@ -2130,7 +2076,7 @@ }, { "cell_type": "code", - "execution_count": 239, + "execution_count": 12, "metadata": {}, "outputs": [ { @@ -2175,7 +2121,7 @@ { "data": { "text/plain": [ - "(16720, 3)" + "(16728, 3)" ] }, "metadata": {}, @@ -2186,7 +2132,7 @@ "text/plain": [ "LeatherInterior1\n", "1 8369\n", - "0 8351\n", + "0 8359\n", "Name: count, dtype: int64" ] }, @@ -2223,32 +2169,32 @@ " \n", " 0\n", " 0\n", - " 2\n", - " 2003\n", + " 16\n", + " 2011\n", " \n", " \n", " 1\n", - " 0\n", - " 0\n", - " 2010\n", + " 1\n", + " 10\n", + " 2017\n", " \n", " \n", " 2\n", - " 0\n", - " 2\n", - " 1995\n", + " 1\n", + " 4\n", + " 2018\n", " \n", " \n", " 3\n", " 1\n", - " 4\n", - " 2010\n", + " 0\n", + " 2011\n", " \n", " \n", " 4\n", " 1\n", - " 4\n", - " 2015\n", + " 6\n", + " 2010\n", " \n", " \n", " ...\n", @@ -2257,58 +2203,58 @@ " ...\n", " \n", " \n", - " 16715\n", + " 16723\n", " 0\n", " 12\n", - " 1999\n", + " 2004\n", " \n", " \n", - " 16716\n", + " 16724\n", " 0\n", " 12\n", - " 2000\n", + " 2004\n", " \n", " \n", - " 16717\n", - " 0\n", - " 11\n", - " 1998\n", - " \n", - " \n", - " 16718\n", + " 16725\n", " 0\n", " 12\n", - " 2000\n", + " 2004\n", " \n", " \n", - " 16719\n", + " 16726\n", " 0\n", - " 11\n", - " 1998\n", + " 12\n", + " 2004\n", + " \n", + " \n", + " 16727\n", + " 0\n", + " 12\n", + " 2003\n", " \n", " \n", "\n", - "

16720 rows × 3 columns

\n", + "

16728 rows × 3 columns

\n", "" ], "text/plain": [ " LeatherInterior1 Airbags ProdYear\n", - "0 0 2 2003\n", - "1 0 0 2010\n", - "2 0 2 1995\n", - "3 1 4 2010\n", - "4 1 4 2015\n", + "0 0 16 2011\n", + "1 1 10 2017\n", + "2 1 4 2018\n", + "3 1 0 2011\n", + "4 1 6 2010\n", "... ... ... ...\n", - "16715 0 12 1999\n", - "16716 0 12 2000\n", - "16717 0 11 1998\n", - "16718 0 12 2000\n", - "16719 0 11 1998\n", + "16723 0 12 2004\n", + "16724 0 12 2004\n", + "16725 0 12 2004\n", + "16726 0 12 2004\n", + "16727 0 12 2003\n", "\n", - "[16720 rows x 3 columns]" + "[16728 rows x 3 columns]" ] }, - "execution_count": 239, + "execution_count": 12, "metadata": {}, "output_type": "execute_result" } @@ -2332,7 +2278,7 @@ }, { "cell_type": "code", - "execution_count": 240, + "execution_count": 13, "metadata": {}, "outputs": [ { @@ -2423,69 +2369,69 @@ " \n", " \n", " \n", - " 1271\n", - " 2\n", - " 2003\n", + " 1315\n", + " 16\n", + " 2011\n", " 0\n", " \n", " \n", - " 9524\n", + " 1569\n", " 0\n", - " 2010\n", - " 0\n", - " \n", - " \n", - " 9985\n", - " 2\n", - " 1995\n", - " 0\n", - " \n", - " \n", - " 12285\n", - " 8\n", - " 2012\n", - " 0\n", - " \n", - " \n", - " 14259\n", - " 12\n", " 2014\n", " 0\n", " \n", " \n", + " 6317\n", + " 6\n", + " 2006\n", + " 0\n", + " \n", + " \n", + " 626\n", + " 4\n", + " 2000\n", + " 0\n", + " \n", + " \n", + " 12439\n", + " 12\n", + " 2012\n", + " 0\n", + " \n", + " \n", " ...\n", " ...\n", " ...\n", " ...\n", " \n", " \n", - " 1243\n", - " 6\n", - " 2006\n", - " 1\n", - " \n", - " \n", - " 10022\n", - " 10\n", - " 2010\n", - " 1\n", - " \n", - " \n", - " 18753\n", + " 3361\n", " 12\n", - " 2018\n", + " 2012\n", " 1\n", " \n", " \n", - " 14272\n", + " 3286\n", " 4\n", - " 2013\n", + " 2017\n", " 1\n", " \n", " \n", - " 16792\n", + " 17666\n", " 4\n", - " 2010\n", + " 2015\n", + " 1\n", + " \n", + " \n", + " 4902\n", + " 0\n", + " 2012\n", + " 1\n", + " \n", + " \n", + " 4613\n", + " 4\n", + " 2014\n", " 1\n", " \n", " \n", @@ -2495,22 +2441,22 @@ ], "text/plain": [ " Airbags ProdYear LeatherInterior1\n", - "1271 2 2003 0\n", - "9524 0 2010 0\n", - "9985 2 1995 0\n", - "12285 8 2012 0\n", - "14259 12 2014 0\n", + "1315 16 2011 0\n", + "1569 0 2014 0\n", + "6317 6 2006 0\n", + "626 4 2000 0\n", + "12439 12 2012 0\n", "... ... ... ...\n", - "1243 6 2006 1\n", - "10022 10 2010 1\n", - "18753 12 2018 1\n", - "14272 4 2013 1\n", - "16792 4 2010 1\n", + "3361 12 2012 1\n", + "3286 4 2017 1\n", + "17666 4 2015 1\n", + "4902 0 2012 1\n", + "4613 4 2014 1\n", "\n", "[6334 rows x 3 columns]" ] }, - "execution_count": 240, + "execution_count": 13, "metadata": {}, "output_type": "execute_result" } @@ -2542,7 +2488,7 @@ }, { "cell_type": "code", - "execution_count": 241, + "execution_count": 14, "metadata": {}, "outputs": [ { @@ -2617,8 +2563,8 @@ "data": { "text/plain": [ "bedrooms\n", - "3 303\n", - "4 212\n", + "3 304\n", + "4 211\n", "2 81\n", "5 47\n", "6 11\n", @@ -2651,8 +2597,8 @@ "data": { "text/plain": [ "bedrooms\n", - "3 304\n", - "4 211\n", + "3 303\n", + "4 212\n", "2 81\n", "5 47\n", "6 11\n", @@ -2690,7 +2636,7 @@ }, { "cell_type": "code", - "execution_count": 242, + "execution_count": 15, "metadata": {}, "outputs": [ { @@ -2739,7 +2685,7 @@ { "data": { "text/plain": [ - "(5332, 3)" + "(5380, 3)" ] }, "metadata": {}, @@ -2749,11 +2695,11 @@ "data": { "text/plain": [ "bedrooms\n", + "2 932\n", + "1 914\n", "3 911\n", "6 907\n", - "1 907\n", - "5 892\n", - "2 887\n", + "5 888\n", "4 828\n", "Name: count, dtype: int64" ] @@ -2790,33 +2736,33 @@ " \n", " \n", " 0\n", - " 2\n", - " 620\n", - " 4760\n", + " 3\n", + " 1940\n", + " 10035\n", " \n", " \n", " 1\n", - " 2\n", - " 1760\n", - " 2275\n", + " 4\n", + " 1920\n", + " 4862\n", " \n", " \n", " 2\n", - " 6\n", - " 3840\n", - " 14040\n", + " 4\n", + " 2340\n", + " 3784\n", " \n", " \n", " 3\n", " 4\n", - " 2230\n", - " 6791\n", + " 3450\n", + " 33460\n", " \n", " \n", " 4\n", " 4\n", - " 1850\n", - " 5040\n", + " 2230\n", + " 26989\n", " \n", " \n", " ...\n", @@ -2825,58 +2771,58 @@ " ...\n", " \n", " \n", - " 5327\n", + " 5375\n", " 6\n", - " 3272\n", - " 5227\n", + " 2575\n", + " 6858\n", " \n", " \n", - " 5328\n", + " 5376\n", " 6\n", - " 3007\n", - " 4422\n", + " 2635\n", + " 8286\n", " \n", " \n", - " 5329\n", + " 5377\n", " 6\n", - " 3147\n", - " 4818\n", + " 2815\n", + " 7930\n", " \n", " \n", - " 5330\n", + " 5378\n", " 6\n", - " 3021\n", - " 4954\n", + " 2857\n", + " 7735\n", " \n", " \n", - " 5331\n", + " 5379\n", " 6\n", - " 3010\n", - " 5088\n", + " 2923\n", + " 7315\n", " \n", " \n", "\n", - "

5332 rows × 3 columns

\n", + "

5380 rows × 3 columns

\n", "" ], "text/plain": [ " bedrooms sqft_living sqft_lot\n", - "0 2 620 4760\n", - "1 2 1760 2275\n", - "2 6 3840 14040\n", - "3 4 2230 6791\n", - "4 4 1850 5040\n", + "0 3 1940 10035\n", + "1 4 1920 4862\n", + "2 4 2340 3784\n", + "3 4 3450 33460\n", + "4 4 2230 26989\n", "... ... ... ...\n", - "5327 6 3272 5227\n", - "5328 6 3007 4422\n", - "5329 6 3147 4818\n", - "5330 6 3021 4954\n", - "5331 6 3010 5088\n", + "5375 6 2575 6858\n", + "5376 6 2635 8286\n", + "5377 6 2815 7930\n", + "5378 6 2857 7735\n", + "5379 6 2923 7315\n", "\n", - "[5332 rows x 3 columns]" + "[5380 rows x 3 columns]" ] }, - "execution_count": 242, + "execution_count": 15, "metadata": {}, "output_type": "execute_result" } @@ -2900,7 +2846,7 @@ }, { "cell_type": "code", - "execution_count": 243, + "execution_count": 16, "metadata": {}, "outputs": [ { @@ -2999,33 +2945,33 @@ " \n", " \n", " \n", - " 1729\n", - " 680\n", - " 1638\n", + " 2003\n", + " 1090\n", + " 8750\n", " 1\n", " \n", " \n", - " 1453\n", - " 660\n", - " 2600\n", + " 2922\n", + " 780\n", + " 10235\n", " 1\n", " \n", " \n", - " 1649\n", - " 3000\n", - " 204732\n", + " 350\n", + " 560\n", + " 12120\n", " 1\n", " \n", " \n", - " 2151\n", - " 1010\n", - " 5750\n", + " 2682\n", + " 710\n", + " 6000\n", " 1\n", " \n", " \n", - " 154\n", - " 700\n", - " 5100\n", + " 3037\n", + " 890\n", + " 211576\n", " 1\n", " \n", " \n", @@ -3035,33 +2981,33 @@ " ...\n", " \n", " \n", - " 2069\n", - " 2410\n", - " 6000\n", + " 832\n", + " 2450\n", + " 25600\n", " 6\n", " \n", " \n", - " 1192\n", - " 2560\n", - " 8320\n", + " 783\n", + " 3610\n", + " 10003\n", " 6\n", " \n", " \n", - " 2065\n", - " 3240\n", - " 5750\n", + " 486\n", + " 4860\n", + " 11793\n", " 6\n", " \n", " \n", - " 2492\n", - " 2400\n", - " 9373\n", + " 1499\n", + " 3840\n", + " 14040\n", " 6\n", " \n", " \n", - " 232\n", - " 2940\n", - " 7350\n", + " 1302\n", + " 3010\n", + " 17864\n", " 6\n", " \n", " \n", @@ -3071,22 +3017,22 @@ ], "text/plain": [ " sqft_living sqft_lot bedrooms\n", - "1729 680 1638 1\n", - "1453 660 2600 1\n", - "1649 3000 204732 1\n", - "2151 1010 5750 1\n", - "154 700 5100 1\n", + "2003 1090 8750 1\n", + "2922 780 10235 1\n", + "350 560 12120 1\n", + "2682 710 6000 1\n", + "3037 890 211576 1\n", "... ... ... ...\n", - "2069 2410 6000 6\n", - "1192 2560 8320 6\n", - "2065 3240 5750 6\n", - "2492 2400 9373 6\n", - "232 2940 7350 6\n", + "832 2450 25600 6\n", + "783 3610 10003 6\n", + "486 4860 11793 6\n", + "1499 3840 14040 6\n", + "1302 3010 17864 6\n", "\n", "[108 rows x 3 columns]" ] }, - "execution_count": 243, + "execution_count": 16, "metadata": {}, "output_type": "execute_result" } diff --git a/lab3.ipynb b/lab3.ipynb index d65386a..a43b00a 100644 --- a/lab3.ipynb +++ b/lab3.ipynb @@ -7,40 +7,8 @@ "source": [ "Бизнес-цели для набора данных онлайн обучения\n", "\n", - "1. Увеличение удержания пользователей\n", - "\n", - " Цель: Повысить процент пользователей, которые продолжают обучение на платформе после регистрации. Для достижения этой цели необходимо анализировать поведение пользователей, выявлять факторы, способствующие оттоку, и разрабатывать меры по улучшению пользовательского опыта, такие как персонализированные рекомендации курсов и активная поддержка через наставников.\n", - "\n", - "2. Оптимизация контента курсов\n", - "\n", - " Цель: Улучшить качество и релевантность курсов, предлагаемых на платформе, на основе анализа повышенных результатов и отзывов пользователей. Это включает в себя регулярный анализ эффективности курсов, выявление тем, которые вызывают наибольший интерес, и использование данных для создания новых курсов или обновления существующих." - ] - }, - { - "attachments": {}, - "cell_type": "markdown", - "metadata": {}, - "source": [ - "Цели технического проекта для бизнес-целей\n", - "\n", - "1. Цели технического проекта для увеличения удержания пользователей\n", - "\n", - " - Разработка системы аналитики поведения пользователей \n", - " Создать инструмент, который будет отслеживать действия пользователей на платформе, включая время, проведенное на курсах, и этапы завершения.\n", - "\n", - " - Создание программы менторства \n", - " Реализовать функционал, который позволит участникам связываться с наставниками для получения индивидуальной поддержки и консультаций.\n", - "\n", - "2. Цели технического проекта для оптимизации контента курсов\n", - "\n", - " - Анализ эффективности курсов \n", - " Разработать систему сбора и анализа отзывов от пользователей по каждому курсу, включая оценку контента, преподавателей и общей полезности.\n", - "\n", - " - Инструмент для мониторинга трендов \n", - " Создать систему, которая будет отслеживать актуальность тем курсов на основе запросов пользователей и популярных направлений в области образования.\n", - "\n", - " - Интеграция функциональности для обновления контента \n", - " Разработать систему, которая позволит преподавателям легко обновлять материалы курсов на основе полученной обратной связи и анализа данных." + "1. определение уровня образования\n", + "2. определение It-направления\n" ] }, {