Задача
Заказчику требовалось перейти от ручной оценки к воспроизводимой модели: собрать датасет, обучить модель прогнозирования и упаковать её так, чтобы результат можно было использовать без команды Data Science в штате.
Что сделали
- Подготовили и очистили датасет: сбор, разметка, отбор признаков
- Провели серию контролируемых экспериментов с разными моделями и зафиксировали метрики каждой итерации
- Выбрали итоговую модель по качеству на отложенной выборке, а не «на глаз»
- Упаковали решение в воспроизводимый пайплайн с инструкцией по запуску
Результат
- Работающая модель прогнозирования с честными метриками качества на отложенной выборке
- Воспроизводимый пайплайн: любой инженер заказчика может переобучить модель на новых данных
- Код и история экспериментов переданы в Git — репозиторий открыт, уровень работы можно проверить до старта своего проекта
| Срок | 2–4 недели |
| Стоимость | Задачи этого класса — ML-прототип с метриками — от 30 000 ₽ |
| Стек | Python · Machine Learning · Computer Vision · Git |
| Код | Открытый репозиторий на GitHub → |
| Анонс | Пост в Telegram-канале → |
Больше разборов — на странице кейсов аутсорса; цены и полный список услуг — на странице аутсорса.