init

.gitignore

@@ -176,4 +176,6 @@ cython_debug/
 
 *.csv
 
-/lab_2/aimenv
+/lab_2/aimenv
+
+/lab_3/aimenv

lab_3/lab3.ipynb

@@ -0,0 +1,94 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Вариант задания: Прогнозирование цен на автомобили\n",
+    "### Бизнес-цели:\n",
+    "Повышение эффективности ценообразования на вторичном рынке автомобилей:\n",
+    "Цель: Разработать модель машинного обучения, которая позволит точно прогнозировать рыночную стоимость автомобилей на вторичном рынке.\n",
+    "Ключевые показатели успеха (KPI):\n",
+    "Точность прогнозирования цены (например, RMSE, MAE).\n",
+    "Сокращение времени на оценку стоимости автомобиля.\n",
+    "Увеличение количества продаж за счет более конкурентоспособных цен.\n",
+    "Оптимизация рекламных бюджетов для онлайн-площадок по продаже автомобилей:\n",
+    "Цель: Использовать прогнозы цен на автомобили для оптимизации таргетинга рекламы и повышения конверсии на онлайн-площадках.\n",
+    "Ключевые показатели успеха (KPI):\n",
+    "Увеличение CTR (Click-Through Rate) рекламных объявлений.\n",
+    "Повышение конверсии (процент пользователей, совершивших покупку после клика на рекламу).\n",
+    "Снижение стоимости привлечения клиента (CPA).\n",
+    "### Цели технического проекта:\n",
+    "Для бизнес-цели 1:\n",
+    "Сбор и подготовка данных:\n",
+    "Очистка данных от пропусков, выбросов и дубликатов.\n",
+    "Преобразование категориальных переменных в числовые.\n",
+    "Разделение данных на обучающую и тестовую выборки.\n",
+    "Разработка и обучение модели:\n",
+    "Исследование различных алгоритмов машинного обучения (линейная регрессия, деревья решений, случайный лес и т.д.).\n",
+    "Обучение моделей на обучающей выборке.\n",
+    "Оценка качества моделей на тестовой выборке с помощью метрик RMSE, MAE и др.\n",
+    "Развертывание модели:\n",
+    "Интеграция модели в существующую систему или разработка нового API для доступа к прогнозам.\n",
+    "Создание веб-интерфейса или мобильного приложения для удобного использования модели.\n",
+    "Для бизнес-цели 2:\n",
+    "Анализ данных о пользователях и поведении:\n",
+    "Анализ данных о просмотрах, кликах и покупках на онлайн-площадке.\n",
+    "Определение сегментов пользователей с разным уровнем интереса к покупке автомобилей.\n",
+    "Разработка рекомендательной системы:\n",
+    "Создание модели, которая будет рекомендовать пользователям автомобили, соответствующие их предпочтениям и бюджету.\n",
+    "Интеграция рекомендательной системы в рекламные кампании.\n",
+    "Оптимизация таргетинга рекламы:\n",
+    "Использование прогнозов цен на автомобили для более точного таргетинга рекламы на пользователей, готовых к покупке.\n",
+    "Тестирование различных стратегий таргетинга и оценка их эффективности."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 1,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "Index(['ID', 'Price', 'Levy', 'Manufacturer', 'Model', 'Prod. year',\n",
+      "       'Category', 'Leather interior', 'Fuel type', 'Engine volume', 'Mileage',\n",
+      "       'Cylinders', 'Gear box type', 'Drive wheels', 'Doors', 'Wheel', 'Color',\n",
+      "       'Airbags'],\n",
+      "      dtype='object')\n"
+     ]
+    }
+   ],
+   "source": [
+    "import pandas as pn\n",
+    "import matplotlib.pyplot as plt\n",
+    "import matplotlib\n",
+    "import matplotlib.ticker as ticker\n",
+    "df = pn.read_csv(\".//static//csv//car_price_prediction.csv\").head(15000)\n",
+    "print(df.columns)"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.12.5"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}