Егор Борисов egorborisov

Maxim_Mezhov 12 ноября 2018 в 18:35

Как создать чат-бота для ВКонтакте, используя Python, Django и webhook

• Мессенджеры,
• Python,
• Django,
• ВКонтакте API

• Из песочницы
• Tutorial

iskros 13 ноября 2018 в 13:58

Полезный обзор. 28 книг, которые повлияли на мое мышление, вдохновили или сделали лучше

• Профессиональная литература,
• Карьера в IT-индустрии

• Recovery Mode

Я не люблю читать книжные рейтинги по двум причинам. Во-первых, чаще всего они представляют собой список книг, отобранных неведомым автором по неведомым критериям. Во-вторых, описания книг больше напоминают рекламные тексты издательств, которым сложно верить.

Из-за этого большинство подобных материалов мало полезны, несмотря на то, что могут содержать толковые книги. Мне давно хотелось написать полезный обзор, который не станет навязывать определенные материалы, а позволит читателю выбрать наиболее подходящие.

Читать дальше →

egorborisov 15 сентября 2020 в 10:24

Анализ расписания и загрузки в Tableau

• Data Mining,
• Big Data,
• Визуализация данных,
• Управление проектами,
• Управление продуктом

Многие виды бизнеса имеют фиксированную пропускную способность: кол-во клиентов, которых они могут обслужить в определенный период времени. Салон красоты ограничен кол-вом оборудованных мест, ресторан — кол-вом столиков, клиника — оборудованными кабинетами и доступными врачами.

Базовая проблема загрузки для таких компаний — это простой в моменты низкого спроса и невозможность обслужить всех клиентов в момент высокого спроса.



Рассмотрим проблему и подходы к аналитике загрузки на примере сети косметологических клиник. Директор по развитию сети Дэйв недавно занял свой пост. Перед ним поставили амбициозную задачу увеличить выручку без масштабных капитальных затрат (открытия новых филиалов, реконструкции существующих, закупки оборудования для новых процедур).

Читать дальше →

Syurmakov 17 июля 2019 в 00:32

Галерея лучших блокнотов по ML и Data Science

• Python,
• Data Mining,
• Big Data,
• Машинное обучение

Привет, читатель.

Представляю пост который идёт строго (!) в закладки и передаётся коллегам. Он с подборкой примечательных файлов формата Jupyter Notebook по Machine Learning, Data Science и другим сферам, связанным с анализом данных. Эти блокноты Jupyter, будут наиболее полезны специалистам по анализу данных — как обучающимся новичкам, так и практикующим профи.



Итак, приступим.

Вводные курсы в Jupyter Notebook

• Учебник по Python
• Подборка блокнотов по командам IPython
• Пособие по Matplotlib

Читать дальше →

germn 25 июля 2019 в 12:04

5 главных алгоритмов сэмплинга

• Python,
• Программирование,
• Data Mining,
• Алгоритмы,
• Big Data

• Перевод

Работа с данными — работа с алгоритмами обработки данных.

И мне приходилось работать с самыми разнообразными на ежедневной основе, так что я решил составить список наиболее востребованных в серии публикаций.

Эта статья посвящена наиболее распространённым способам сэмплинга при работе с данными.

Читать дальше →

Как считать lifetime value: обзор методов

• Монетизация игр,
• Повышение конверсии,
• Аналитика мобильных приложений

Вопрос расчёта lifetime value (он же LTV, customer lifetime value, CLV) рано или поздно встаёт перед разработчиками мобильных (впрочем, и не только) приложений. Методов расчёта придумано множество, и по поводу того, как считать LTV, существует сколько людей, столько же и мнений. В данном материале я решил описать наиболее распространённые методы, обозначить их плюсы и минусы. Данные методы подходят прежде всего для описания f2p-модели.

Читать дальше →

katherins 5 марта 2019 в 14:23

«Анализ данных на Python» в двух частях

• Блог компании Образовательные проекты JetBrains,
• Data Mining

datasanta 10 июня 2019 в 16:26

Как мы ломали скоринговую модель. Машинное обучение на практике

• Data Mining,
• Big Data,
• Визуализация данных,
• Машинное обучение,
• Финансы в IT

• Recovery Mode

Привет, Хабр! Я работаю в команде Devim, которая развивает систему принятия решений в отношении заемщиков кредитов.
Расскажу о проблемах, с которыми мы столкнулись в процессе разработки скоринговых моделей и о том, как мы их решали.

Читать дальше →