1. Выбрать индивидуальное задание: можно использовать “свои”
данные или использовать датасеты с Kaggle
или взять любой датасет из
PyCaret
2. В Colab (используя подготовленный датасет .csv) провести EDA
используя любую библиотеку Python (pandas-profiling, dataprep, Sweetviz или
другую), обучить и сравнивать модели машинного обучения с использованием
библиотеки scikit-learn (или LightGBM, XGBoost, CatBoost, h2o-3, AutoGluon,
PyCaret используя алгоритмы регрессии, градиентного бустинга, случайного
леса). Провести прогнозирование ответа лучшей модели на новых данных
(сгенерировать самостоятельно используя исходные данные или получить
“новые” данные путем исключения из исходного датасета
odaLIcHbLXYY?usp=sharing ).
3. Провести прогнозирование ответа лучшей модели на новых
данных.