-
ДоступенЗанятОтсутствуюНе определено
Баттл твипов - Разработаю дизайн - против - Создание предиктивных


Разработаю дизайн футболки
Всем привет!
Я начинающий фрилансер, но тем не менее, у меня достаточно опыта в рисовании иллюстраций - стикеров, логотипов, полноценных рисунков.
Поэтому в этом твипе я предлагаю разработать вместе с вами ваш собственный дизайн для футболки, кружки, календаря и много чего другого, все на ваш вкус.
Работу сделаю быстро, готова к правкам, но в меру, учитывая низкую цену. В самом дизайне может присутствовать:
- Небольшая нарисованная мной вручную иллюстрация (мультяшка, аниме, какие-либо предметы, животные и т.п.), либо ваша собственная картинка, впоследствии обработанная мной в Фотошопе.
- Текст с любым угодным вам шрифтом
- Дополнительные эффекты - звездочки, полоски, тени и т.д.

Создание предиктивных или классифицирующих моделей
Предиктивная модель - эффективный инструмент поддержки принятия бизнес-решений. Создание такой модели - процесс поиска закономерностей с использованием алгоритмов машинного обучения (Mashine Lerning) в существующем наборе исторических данных (обучение модели) для предсказания наиболее вероятных вариантов развития событий в будущем (применение модели).
Классифицирующая модель позволяет разбить большой массив данных на группы (классы), характеризующиеся сходным набором признаков, используя явные и неявные закономерности. Применение такой модели, позволяет, например, определить группы пользователей, характеризующихся определенным поведением и сделать им предложения, интересные именно для них.
Для обеспечения качества работы модели необходим тщательный отбор и подготовка входных данных. Также может возникнуть необходимость во внешних данных. Результатом моей работы будет:
1) сама модель в формате, определяемом выбранной моделью (например, в случае линейных моделей это будет вектор весов каждого из факторов. Вес фактора определяет степень его влияния на результат)
2) отчет о валидности (точности предсказания) модели
3) файл с результатами применения модели к исследуемому набору данных