Оценивать качество моделей с использованием метрик для задач регрессии и классификации, а также выбирать подходящие методы оценки для конкретных задач
Преобразовывать бизнес-задачи в задачи машинного обучения и выбирать алгоритмы для их решения
Работать с пропущенными данными и данными различных типов, применяя соответствующие методы обработки
Обучать и оптимизировать ML-модели с использованием Scikit-learn, XGBoost, LightGBM и CatBoost
Строить графики и визуальные представления данных для принятия решений
Применять алгоритмы kNN, Linear Regression, Logistic Regression, Clustering, Decision Trees, Gradient Boosting
Анализировать и визуализировать большие объёмы данных с помощью JupyterLab, NumPy, SciPy, Pandas, и Matplotlib