https://habr.com/ru/company/mailru/blog/462769/

• Блог компании Mail.ru Group
• Python
• Data Mining
• Big Data
• Искусственный интеллект

Хабр, привет. Написал пост, который идёт строго (!) в закладки и передаётся коллегам. Он со списком блокнотов и библиотек ML и Data Science для разных отраслей промышленности. Все коды на Python, и размещены на GitHub. Они будут полезны как для расширения кругозора, так и для запуска своего интересного стартапа.



Отмечу, что если среди читателей есть желающие помочь, и добавить в любую из подотраслей подходящий проект, пожалуйста, свяжитесь со мной. Я их добавлю в список. Итак, давайте начнём изучение списка.

1. Недвижимость и питание

1.1. Питание

• RobotChef — совершенствование рецептов еды на основе отзывов пользователей;
• Food Amenities — прогнозирование спроса на пищевые продукты с использованием нейронных сетей;
• Recipe Cuisine and Rating — предсказание названия кухни любого блюда на основе списка его ингредиентов;
• Food Classification — пищевая классификация еды с использованием библиотеки Keras;
• Image to Recipe — перевод изображения еды в рецепт его приготовления;
• Calorie Estimation — оценка калорийности по фотографиям еды;
• Fine Food Reviews — сегментационный анализ еды на основе отзывов с Amazon Fine Food.

1.2. Рестораны

• Restaurant Violation — прогнозирование нарушения правил проверки продуктов питания;
• Restaurant Success — предсказание, будет ли ресторан успешным;
• Predict Michelin — предсказание того, что ресторану дадут звезду Мишлен;
• Restaurant Inspection — анализ уровня лояльности к ресторану и популярностью на основе оценок по Yelp;
• Sales — прогнозирование продаж у ресторанов с LTSM;
• Visitor Forecasting — бронирование и прогнозирование количества посещений;
• Restaurant Profit — ресторанный регрессионный анализ;
• Competition — анализ конкурентоспособности ресторана;
• Business Analysis — проект по анализу ресторанного бизнеса;
• Location Recommendation — рекомендация о будущем местонахождении ресторана;
• Closure, Rating and Recommendation — три задачи прогнозирования с использованием данных Yelp;
• Anti-recommender — рекомендация ресторанов, которые вы (на основе ваших предпочтений) не захотите посещать;
• Menu Analysis — анализ ресторана на основе его меню;
• Menu Recommendation — рекомендация новых ресторанов на основе вашего любимого меню;
• Food Price — прогнозирование стоимости продуктов питания;
• Automated Restaurant Report — автоматический, ресторанный отчет на основе машинного обучения.

1.3. Недвижимость

• Peer-to-Peer Housing — влияние одноразовой аренды жилья на её состояние;
• Roommate Recommendation — рекомендация соседа по комнате;
• Room Allocation — распределение помещений;
• Dynamic Pricing — расчеты динамического ценообразования в отеле;
• Hotel Similarity — сравнение конкурирующих отелей друг с другом;
• Hotel Reviews — отзывы об отелях;
• Predict Prices — предсказание цен на номера в отелях;
• Hotels vs Airbnb — сравнение отелей с Airbnb;
• Hotel Improvement — анализ отзывов для отеля;
• Orders — прогноз отмены заказов для отелей;
• Fake Reviews — распознавание, являются ли отзывы поддельными или спамом;
• Reverse Image Lodging — нахождение нужного вам жилья по изображению.

2. Бухгалтерский учёт

2.1. Machine Learning

• Chart of Account Prediction — использование промеченных данных для имени учетной записи каждой транзакции;
• Accounting Anomalies — выявление аномалий в бухгалтерском учёте;
• Financial Statement Anomalies — обнаружение аномалий (используя R) перед подачей документов в налоговую;
• Useful Life Prediction (FirmAI) — прогнозирование срока полезного использования активов с помощью сенсорных наблюдений и разработки функций;
• AI Applied to XBRL — стандартизированное представление XBRL в AI и ML.

2.2. Аналитика

• Forensic Accounting — сборник тематических исследований по криминалистическому учету с использованием анализа данных;
• General Ledger (FirmAI) — обработка данных в FirmAI;
• Bullet Graph (FirmAI) — визуализация Bullet Graph помогает отслеживать продажи, комиссионные и другие показатели;
• Aged Debtors (FirmAI) — пример анализа для выявления должников;
• Automated FS XBRL — набор файлов PDF, содержащих более 700 страниц информации о XBRL.

2.3. Текстовый анализ

• Financial Sentiment Analysis — анализ рычагов оптимизации в торговле;
• Extensive NLP — комплексные НЛП методы для бухгалтерского учета.

2.4. Данные, парсинг и API

• EDGAR — пошаговое руководство по получению данных EDGAR;
• PyEDGAR — библиотека для загрузки, кэширования и доступа к файлам EDGAR;
• IRS — доступ и анализ файлов IRS;
• Financial Corporate — наборы корпоративных финансовых данных Rutgers;
• Non-financial Corporate — нефинансовый корпоративный набор данных Rutgers;
• PDF Parsing — извлечение полезных данных из документов PDF;
• PDF Tabel to Excel — создание файла Excel из данных в PDF.

2.5. Исследования и статьи

• Understanding Accounting Analytics — статья, посвященная важности бухгалтерской аналитики.
• VLFeat — открытая и портативная библиотека алгоритмов компьютерного зрения, имеющая набор инструментов Matlab.

2.6. Веб-сайты

• Rutgers Raw — исследования в области цифрового бухгалтерского учета от Rutgers.

2.7. Курсы

• Computer Augmented Accounting — видеоролик из Университета Rutgers, посвященный использованию вычислений для улучшения бухгалтерского учета;
• Accounting in a Digital Era — еще одна серия статей Университета Rutgers, посвященная влиянию цифрового века на бухгалтерский учет.

3. Сельское хозяйство

3.1. Экономика

• Prices — прогноз цен на сельскохозяйственную продукцию 1;
• Prices 2 — прогноз цен на сельскохозяйственную продукцию 2;
• Yield — сельскохозяйственный анализ урожайности в Украине;
• Recovery — стратегическое использование земель в сельском хозяйстве с учетом восстановления экосистем;
• MPR — данные отчетности по ценам на сельхоз. продукцию от Министерства сельского хозяйства США.

3.2. Разработка

• Segmentation — сегментация сельскохозяйственных полей с использованием спутниковых снимков;
• Water Table — прогнозирование глубины грунтовых вод в сельскохозяйственных районах;
• Assistant — ноутбуки от виртуального Ассистента по сельскому хозяйству;
• Eco-evolutionary — эко-эволюционная динамика;
• Diseases — идентификация болезней сельскохозяйственных культур и вредителей с использованием фреймворка Deep Learning по изображениям;
• Irrigation and Pest Prediction — анализ орошения и прогноз вероятности появления вредителей.

4. Банковское дело и страхование

4.1. Потребительское финансирование

• Loan Acceptance — принятия решений о ссуде на основе классификации и анализа временных рядов;
• Predict Loan Repayment — прогнозирование погашения кредита с помощью функции автоматизированного проектирования;
• Loan Eligibility Ranking — система, которая помогает банкам проверять, может ли клиент получить данный (определенный) кредит;
• Home Credit Default (FirmAI) — прогнозирование дефолта по кредиту;
• Mortgage Analytics — обширная аналитика ипотечных кредитов;
• Credit Approval — система для одобрения кредитной карты;
• Loan Risk — прогнозная модель, помогающая уменьшить списания и потери %-ов с кредитов;
• Amortisation Schedule (FirmAI) — простой график амортизации в Python.

4.2. Управление и операции

• Credit Card — оценка CLV клиентов кредитной карты;
• Survival Analysis — анализ LTV клиентов;
• Next Transaction — модель глубокого обучения для прогнозирования суммы транзакции и дней до следующей транзакции;
• Credit Card Churn — предсказание оттока клиентов с кредитными картами;
• Bank of England Minutes — основные идеи предварительной обработки текста с использованием протоколов заседаний Комитета по денежно-кредитной политике Банка Англии;
• CEO — анализ корреляции между вознаграждениями генерального директора мужчины и генерального директора женщины.

4.3. Оценка

• Zillow Prediction — прогноз оценки Zillow, выполненный на Kaggle;
• Real Estate — прогнозирование цен на городскую недвижимость;
• Used Car — прогноз цен на подержанный автомобиль.

4.4. Мошеничество

• XGBoost — обнаружение мошенничества путем настройки гиперпараметров XGBoost;
• Fraud Detection Loan in R — обнаружение мошенничества в банковских кредитах;
• AML Finance Due Diligence — поиск новостных статей для финансирования AML DD;
• Credit Card Fraud — обнаружение мошенничества с кредитными картами.

4.5. Страхование и риски

• Car Damage Detective — оценка повреждений автомобиля с помощью свёрточных нейронных сетей;
• Medical Insurance Claims — прогнозирование претензий по медицинскому страхованию;
• Claim Denial — прогнозирование отказа от страхового возмещения;
• Claim Fraud — прогнозные модели, позволяющие определить, какие претензии в отношении автомобилей являются мошенническими;
• Claims Anomalies — система обнаружения аномалий для данных страховых претензий;
• Actuarial Sciences — ряд актуарных инструментов в R;
• Bank Failure — предсказание банкротства;
• Risk Management — финансирование курсов по управлению рисками;
• VaR GaN — оценка стоимости управления рыночным риском с использованием Keras и TensorFlow;
• Compliance — управление соответствиями с требованиями банка;
• Stress Testing — ECB стресс-тестирование;
• Stress Testing Techniques — notebook с различными упражнениями на стресс-тестирование;
• BoE stress test — результаты стресс-теста и составление графика;
• Recovery — возмещение причитающихся денег;
• Quality Control — контроль качества банков с использованием LDA.

4.6. Полезное

• Bank Note Fraud Detection — аутентификация с использованием DNN Tensorflow Classifier и RandomForest;
• ATM Surveillance — наблюдение за банкоматами в банках.

5. Биотехнологии и наука

5.1. Общие

• Programming — программирование для биологов на Python;
• Introduction DL — учебник по углубленному изучению геномики;
• Pose — оценка позы животных с использованием DL;
• Privacy — обмен клиническими данными, с сохранением конфиденциальности;
• Population Genetics — популяционный генетический вывод;
• Bioinformatics Course — материалы курса по вычислительной биологии и биоинформатике;
• Applied Stats — прикладная статистика для высокопроизводительной биологии;
• Scripts — скрипты Python для биологов;
• Molecular NN — мини-фреймворк для построения и обучения нейронных сетей для молекулярной биологии;
• Systems Biology Simulations — практическая системная биология при написании симуляторов с F # и Z3;
• Cell Movement — LSTM для прогнозирования биологического движения клеток;
• Deepchem — глубокое обучение для открытия новых лекарств, квантовой химии, материаловедения и биологии.

5.2. Последовательность

• DNA, RNA and Protein Sequencing — новое представление для биологических последовательностей;
• CNN Sequencing — набор инструментов для изучения последовательности ДНК/РНК с использованием сверточных нейронных сетей;
• NLP Sequencing — модель обучения языковой передаче для геномики.

5.3. Хемоинформатика и открытие лекарств

• Novel Molecules — сверточная сеть, которая может изучать функции;
• Automating Chemical Design — создание новых молекул для эффективного исследования;
• GAN drug Discovery — метод, который сочетает в себе генеративные модели с обучением и подкреплением;
• RL — генерирующие соединения, предсказанные как активные;
• One-shot learning — использование машинного обучения в области поиска лекарств простым и удобным способами.

5.4. Геномные

• Jupyter Genomics — сборник ноутбуков по вычислительной биологии и биоинформатике;
• Variant calling — определение отклонений от эталонного генома в ДНК человека;
• Gene Expression Graphs — использование сверток на изображениях;
• Autoencoding Expression — извлечение соответствующих шаблонов из больших наборов данных экспрессии генов;
• Gene Expression Inference — прогнозирование экспрессии указанных генов-мишеней из панели из примерно 1000 предварительно выбранных «ориентировочных генов»;
• Plant Genomics — материал для презентаций и примеров для геномики растений и патогенов.

5.5. Наука

• Plants Disease — приложение, которое выявляет болезни у растений с помощью модели глубокого обучения;
• Leaf Identification — идентификация растений через листья на основе их формы, цвета и текстуры;
• Crop Analysis — библиотека изображений для обнаружения и отслеживания будущего положения колосьев на растениях кукурузы;
• Seedlings — растительная рассада, классификация от Kaggle;
• Plant Stress — онтология, содержащая растительные стрессы;
• Animal Hierarchy — пакет для расчета иерархий доминирования животных;
• Animal Identification — глубокое обучение идентификации животных;
• Species — анализ больших данных различных видов животных;
• Animal Vocalisations — генеративная сеть для вокализации животных;
• Evolutionary — инструмент стратегий эволюции;
• Glaciers — учебный материал о ледниках.

6. Строительная техника

6.1. Строительство

• DL Architecture — генератор изображений для построения архитектуры;
• Construction Materials — курс по строительным материалам;
• Bad Actor Risk Model — модель риска для повышения безопасности строительства;
• Inspectors — определение назначенных инспекций;
• Corrupt Social Interactions — выявение потенциальных коррумпированных взаимодействий между сотрудниками отрасли и сотрудниками DOB;
• Risk Construction — определение высокорискованного строительства;
• Facade Risk — модель риска для прогнозирования небезопасных фасадов;
• Staff Levels — прогнозирование уровня персонала для передовых работников;
• Injuries — моделирование количества травм, связанных со строительством;
• Productivity — анализ и проверка производительности.

6.2. Инженерия

• Structural Analysis — 2D Структурный анализ в Python;
• Structural Engineering — структурные инженерные модули;
• Nusa — структурный анализ с использованием метода конечных элементов;
• StructPy — библиотека структурного анализа для Python на основе метода прямой жесткости;
• Aileron — структурный анализ элеронов Боинга 737;
• Vibration — образовательные вибрационные программы;
• Civil — сборник инструментов гражданского строительства в FreeCAD;
• GEstimator — подготовки сметы расходов на строительные и электромонтажные работы с подробным анализом тарифов;
• Fatpack — функции и классы для анализа усталости ряда данных;
• Pysteel — автоматизированное проектирование стальной конструкции;
• Structural Uncertainty — количественная оценка структурной неопределенности на основе глубокого обучения;
• Pymech — модуль Python для инженеров-механиков;
• Aerospace Engineering — астродинамика и статистика;
• Interactive Quantum Chemistry — объединение Psi4 и Numpy для образования и развития;
• Chemical and Process Engineering — различные ресурсы химической и технологической инженирии;
• PyTherm — прикладная термодинамика;
• Aerogami — аэродинамика с использованием самолетов;
• Electro geophysics — интерактивные приложения для электромагнетизма в геофизике;
• Graph Signal — учебник по обработке сигналов на графике;
• Mechanical Vibrations — механические вибрации в Университете Луизианы;
• Process Dynamics — динамика процесса и управления;
• Battery Life Cycle — прогнозирование срока службы батареи на основе данных;
• Wind Energy — Python для энергии ветра;
• Energy Use — стандартные методы расчета нормированного потребления энергии;
• Nuclear Radiation — как люди подвержены воздействию радиации, излучаемой атомными электростанциями.

6.3. Материаловедение

• Python Materials Genomics — код анализа материалов, используемый в устоявшемся проекте;
• Materials Mining — скрипты для моделирования и анализа материалов;
• Emmet — создание баз данных свойств материалов;
• Megnet — графовые сети как каркас ML для молекул и кристаллов;
• Atomate — рабочие процессы для вычислительного материаловедения;
• Bylaws Compliance — предсказание штрафов на собственность;
• Asphalt Binder — строительные материалы, свободная энергия и химический состав вяжущего асфальтового покрытия;
• Awesome Materials Informatics — кураторский список известных работ в области материаловедения.

7. Экономика

7.1. Общее

• Trading Economics API — Торговая экономика API, информация для 196 стран;
• Development Economics — микроэкономика развития;
• Applied Econ & Fin — прикладная вычислительная экономика и финансы;
• Macroeconomics — темы по макроэкономике с примерами из notebook.

7.2. Машинное обучение

• EconML — автоматизированное обучение и анализ причинно-следственных связей;
• Auctions — оптимальные аукционы с использованием глубокого обучения.

7.3. Вычисления

• Quant Econ — курс количественной экономики от NYU;
• Computational — вычислительные методы в экономике;
• Computational 2 — малый курс по вычислительной экономике;
• Econometric Theory — notebook'и по эконометрической теории для начинающих.

8. Образование и исследования

8.1. Студенты

• Student Performance — успеваемость студентов расчитанная на основе машинного обучения;
• Student Performance 2 — студенческий экзамен;
• Student Performance 3 — успеваемость учащихся в учреждениях среднего образования;
• Student Performance 4 — оценка успеваемости учеников с использованием Feature Engineering;
• Student Enrolment — регистрация студентов и анализ результатов;
• Academic Performance — изучение демографических и семейных особенностей, которые влияют на успеваемость учащегося;
• Grade Analysis — анализ достижений учащихся.

8.2. Школа

• School Choice — анализ данных для выбора школы;
• School Performance — практика анализа данных с использованием данных из data.utah.gov о школьной успеваемости;
• School Performance 2 -использование Pandas для анализа школьной и ученической успеваемости в округе;
• School Performance 3 — Филадельфия Школа Performance;
• School Performance 4 — NJ Школа Performance;
• School Closure — определение школ, подверженных риску закрытия, по показателям успеваемости и другим характеристикам;
• School Budgets — инструменты и методы для школьного бюджетирования;
• School Budgets — инструменты и методы для школьного бюджетирования part 2;
• PyCity — анализ школ;
• PyCity 2 — сопоставление школьного бюджета и школьных результатов;
• Budget NLP — классификация НЛП для бюджетных ресурсов;
• Budget NLP 2 — дальнейшая классификация упражнений;
• Budget NLP 3 — Бюджетная классификация;
• Survey Analysis — анализ опроса в сфере образования.

9. Чрезвычайные ситуации

9.1. Профилактика

• Emergency Mapping — обнаружение разрушенных домов в Калифорнии;
• Emergency Room — поддержка принятия срочных решений;
• Emergency Readmission — скорректированный риск аварийной реадмиссии;
• Forest Fire — обнаружение лесного пожара с помощью изображений БПЛА с использованием CNN;
• Emergency Response — анализ аварийного реагирования;
• Emergency Transportation — транспортная подсказка на аварийные службы;
• Emergency Dispatch — сокращение времени отклика благодаря интеллектуальному моделированию, оптимизации и автоматизации;
• Emergency Calls — проект анализа экстренных вызовов;
• Calls Data Analysis — анализ данных звонков 911;
• Emergency Response — химический завод РЛ.

9.2. Преступления

• Crime Classification — анализ времени серьезных нападений, неправильно классифицированных LAPD;
• Article Tagging — обработка естественного языка в новостной статье в Чикаго;
• Crime Analysis — нахождения правил ассоциации из пространственных данных для анализа преступности;
• Chicago Crimes — Изучение публичных данных о преступлениях в Чикаго в Python;
• Graph Analytics — Гаагские преступления;
• Crime Prediction — классификация, анализ и предсказание Преступности в городе Индор;
• Crime Prediction — разработаные прогностические модели уровня преступности;
• Crime Review — анализ данных обзора преступности.
• Crime Trends — анализ тенденций преступности и проблемных условий, побуждающих к этому;
• Crime Analytics — анализ данных о преступности в Сиэтле и Сан-Франциско.

9.3. Скорая помощь

• Ambulance Analysis — исследование изменения времени приезда скорой помощи в штате Виктория;
• Site Location — места расположения скорой помощи;
• Dispatching — применение теории игр и симуляции дискретных событий, для нахождения оптимального решения диспетчеризации скорой помощи;
• Ambulance Allocation — анализ временных рядов отправлений скорой помощи в городе Сан-Диего;
• Response Time — анализ улучшения времени отклика машины скорой помощи;
• Optimal Routing — проект по поиску оптимальной маршрутизации машин скорой помощи;
• Crash Analysis — прогнозирование вероятности аварий на данном сегменте в данный момент времени.

9.4. Управление стихийными бедствиями

• Conflict Prediction — Notebooks по прогнозированию конфликтов;
• Burglary Prediction — пространственно-временное моделирование для предсказания взломов;
• Predicting Disease Outbreak — прогнозирование вспышек заболевания;
• Road accident prediction — прогноз по типу жертв федеральных ДТП в Бразилии;
• Text Mining — управление стихийными бедствиями с использованием Text mining;
• Twitter and disasters — предсказание, твитов о бедствиях;
• Flood Risk — влияние катастрофических наводнений;
• Fire Prediction — 4 алгоритма расчета вероятности будущих пожаров.

10. Финансы

10.1. Торговля и инвестиции

• Deep Portfolio — предсказание объёма облигаций на основе глубокого обучения;
• AI Trading — современные методы торговли AI;
• Corporate Bonds — прогнозирование объема покупки и продажи корпоративных облигаций;
• Simulation — исследование симуляции, как части вычислительного финансирования;
• Industry Clustering — проект кластеризации отраслей по финансовым признакам;
• Financial Modeling — HFT-трейдинг и моделирование волатильности;
• Trend Following — фьючерсная тенденция после стратегии портфельных инвестиций;
• Financial Statement Sentiment — извлечение прогнозов из финансовой отчетности с использованием нейронных сетей;
• Applied Corporate Finance — изучения эмпирического поведения на фондовом рынке;
• Market Crash Prediction — прогнозирование рынка с использованием модели LPPL;
• NLP Finance Papers — составление количественных финансовых документов с использованием машинного обучения;
• ARIMA-LTSM Hybrid — гибридная модель для прогнозирования будущих коэффициентов ценовой корреляции двух активов;
• Basic Investments — основные инвестиционные инструменты в Python;
• Basic Derivatives — основные форвардные контракты и хеджирование;
• Basic Finance — исходные коды ноутбуков базовых финансовых приложений;
• Advanced Pricing ML — дополнительная реализация достижений в области финансового машинного обучения;
• Options and Regression — проект финансового инжиниринга для методов оценки опционов;
• Quant Notebooks — Обучающие ноутбуки по квантовым финансам, алгоритмической торговле и инвестиционной стратегии;
• Forecasting Challenge — задача финансового прогнозирования от G-Research;
• XGboost — торговый алгоритм, использующий XgBoost;
• Research Paper Trading — реализация стратегии на основе бумаги с использованием Alpaca Markets;
• Various — опции, распределение, моделирование;
• ML & RL NYU — машинное обучение и обучение в сфере финансов.

10.2. Данные

• Datastream — Datastrem от Thomson Reuters, доступный через Python;
• AlphaVantage — API-обертка для упрощения процесса получения бесплатных финансовых данных;
• FSA — Проект по переводу финансовых данных SEC Edgar Filings в пользовательские модели анализа финансовой отчетности;
• TradeConnector — связи с поставщиками рыночных данных;
• Employee Count SEC Filings — точные значения количества сотрудников для компаний из заявок SEC;
• SEC Parsing — НЛП для поиска и извлечения конкретной информации из длинных неструктурированных документов;
• Open Edgar — OpenEDGAR;
• Rating Industries — истории от нескольких агентств, конвертированные в формат CSV.

11. Здравоохранение

11.1. Общее

• zEpid — пакет эпидемиологического анализа;
• Python For Epidemiologists — учебное пособие по введению эпидемиологического анализа в Python;
• Prescription Compliance — анализ предписания и медицинского соответствия;
• Respiratory Disease — отслеживание респираторных заболеваний у спортсменов-олимпийцев;
• Bubonic Plague — Бубонная чума и модель SIR.

12. Юстиция, закон и регламент

12.1. Инструменты

• LexPredict — контроль над своими контрактами;
• AI Para-legal — первый в мире помощник адвоката AI;
• Legal Entity Detection — обнаружение юридического лица;
• Legal Case Summarisation — внедрение различных алгоритмов суммирования применительно к судебным решениям;
• Legal Documents Google Scholar — использование Google scholar для программного извлечения дел;
• Chat Bot — чат-бот и уведомления по электронной почте;
• Data Generator GDPR — генератор фиктивных данных для соответствия GDPR.

12.2. Политика и регулирование

• GDPR scores — прогнозирование показателей GDPR для юридических документов;
• Driving Factors FINRA — определение факторов, влияющие на решения арбитража FINRA;
• Securities Bias Correction — оценка влияния цены на судебные процессы по ценным бумагам;
• Public Firm to Legal Decision — публичная фирма для юридических решений;
• Night Life Regulation — ночная жизнь Австралии, ее регулирование и полицейская деятельность;
• Comments — общественные комментарии по государственному регулированию;
• Clustering — кластеризация канадских правил;
• Environment — регулирование энергетики и окружающей среды;
• Risk — риск различных финансовых положений;
• FINRA Compliance — лучшее моделирование на соответствие.

12.3. Судебная практика

• Supreme Court Prediction — предсказание идеологического направления решений Верховного Суда;
• Supreme Court Topic Modeling — тематическое моделирование в Верховном суде;
• Judge Opinion — использование анализа текста и машинного обучения для анализа мнений судей по конкретным вопросам;
• ML Law Matching — производитель матчей по машинному обучению;
• Bert Multi-label Classification — мультибликовая классификация Берта.

13. Производство

13.1. Общее

• Green Manufacturing — Mercedes-Benz Greener соревнование на Kaggle;
• Semiconductor Manufacturing — анализ данных производственной линии Semiondutor;
• Smart Manufacturing — совместная работа по методологии моделирования;
• Bosch Manufacturing — производственный проект Bosch, Kaggle.

13.2. Техническое обслуживание

• Predictive Maintenance 1 — прогнозирование оставшегося срока использования авиационных двигателей;
• Predictive Maintenance 2 — время до отказа (TTF) или оставшийся срок полезного использования двигателя (RUL);
• Manufacturing Maintenance — моделирование обслуживания в производственных систем.

13.3. Ошибки

• Predictive Analytics — метод прогнозирования сбоев в оборудовании;
• Detecting Defects — обнаружение аномалий для дефектных полупроводников;
• Defect Detection — интеллектуальное обнаружение дефектов для производства таблеток;
• Manufacturing Failures — сокращение производственных сбоев;
• Manufacturing Anomalies — интеллектуальное обнаружение аномалий для производственной линии.

13.4. Качество

• Quality Control — обнаружение провалов в контроле качества;
• Manufacturing Quality — интеллектуальный прогноз качества производства;
• Auto Manufacturing — данные о продаже автомобилей на аукционе.

14. СМИ и издательство

14.1. Маркетинг

• Video Popularity — HIP модель для прогнозирования популярности видео;
• YouTube transcriber — автоматически транскрибирует видео в YouTube;
• Marketing Analytics — маркетинговая аналитика, тематические исследования;
• Algorithmic Marketing — модели от введения до книги «Алгоритмический маркетинг»;
• Marketing Scripts — приложения для маркетинга данных;
• Social Mining — майнинг социальных сетей.

15. Физика

15.1. Общее

• Gamma-hadron Reconstruction — инструменты, используемые в наземной астрономии гамма-излучений;
• Curriculum — ньютоновские notebook'и;
• Interaction Networks — сети взаимодействия для изучения объектов, отношений и физики;
• Particle Physics — генерационный и аналитический код для изучения физики частиц;
• Computational Physics — хранилище вычислительной физики;
• Medical Physics — полезный Python для медицинской физики;
• Medical Physics 2 — общий, основной пакет Python для медицинской физики;
• Flow Physics — физика и аэроакустика с Python.

15.2. Машинное обучение

• Physics ML and Stats — машинное обучение и статистика для физиков;
• High Energy — машинное обучение для физики высоких энергий;
• High Energy GAN — генеративные состязательные сети для физики высоких энергий;
• Neural Networks — физика встречает нейронные сети.

16. Правительство

16.1. Социальная политика

• Triage — универсальный инструментарий по моделированию рисков и прогнозированию политических решений и социальных проблем;
• World Bank Poverty I — сравнительная оценка алгоритмов классификации машинного обучения, применяемых для прогнозирования бедности;
• World Bank Poverty II — сравнительная оценка алгоритмов классификации машинного обучения, применяемых для прогнозирования бедности II;
• Overseas Company Land Ownership — определение иностранной собственности в Великобритании;
• CFPB — анализ жалоб Бюро по защите прав потребителей;
• Cannabis Legalisation Effect — Влияние легализации каннабиса на преступность;
• Public Credit Card — идентификация потенциального мошенничества с кредитными картами;
• Recidivism Prediction — прозрачность и учёт оценки риска рецидивизма;
• Household Poverty — предсказание бедности домохозяйств в Коста-Рике;
• NLP Public Policy — пример варианта использования НЛП в публичной политике;
• World Food Production — сравнение ведущих производителей продуктов питания и кормов по всему миру;
• Tax Inequality — проект данных о налогообложении и неравенстве в Базеле;
• Sheriff Compliance — соответствие требованиям ICE;
• Apps Detection — обнаружение подозрительных приложений для детей;
• Social Assistance — актуальная информация о социальной помощи;
• Computational Social Science — курс летних школьных наук по социальным данным;
• Liquor and Crime — влияние спиртных напитков на уровень преступности;
• Animal Placement Kennels — оптимизация размещения животных в приютах;
• Staffing Wall — независимый исследовательский проект на мексиканской границе США;
• Worker Fatalities — карта несчастных случаев на производстве по данным OSHA.

16.2. Благотворительность

• Census Data API — извлечение переменных из 5-летнего опроса американского сообщества;
• Donor Identification — проект машинного обучения, в котором нужно найти доноров для благотворительности;
• Charity Effectiveness — сбор онлайн-данных о благотворительных организациях, чтобы понять их эффективность.

16.3. Анализ выборов

• Election Analysis — анализ выборов и модели прогнозирования;
• American Election Causal — использование данных ANES с моделями причинно-следственных связей;
• Campaign Finance and Election Results — изучение связи между финансированием кампании и результатами последующих выборов;
• Voting System — методы голосования пропорционального представительства;
• President Vote — голосование по анализу уровня доходов.

16.4. Политика

• Congressional politics — палата представителей конгресса США;
• Politico — платформа для профилирования общественных деятелей в бразильской политике;
• Bots — инструменты и алгоритмы для анализа парагвайских твитов во время выборов;
• Gerrymander tests — множество метрик для количественной оценки Gerrymandering;
• Sentiment — анализ газет на предмет их политической убежденности с использованием субъективных настроений представителей партии;
• DL Politics — сравнение социалистической партия против народной в Бразилии;
• PAC Money — влияние денег PAC на политику США;
• Power Networks — создание сторожевого пса для индийских корпоративных и политических сетей;
• Elite — политическая элита в США;
• Debate Analysis — программа для анализа политических дебатов;
• Political Affiliation — прогноз политической принадлежности с использованием метаданных Twitter;
• Political Ads — расследование в Facebook политических объявлений и таргетинга;
• Political Identity — многоосная политическая модель политической идентичности;
• YT Politics — отображение политики на YouTube;
• Political Ideology — неконтролируемое изучение политической идеологии с помощью словесных векторных проекций.

17. Недвижимость, аренда и лизинг

17.1. Недвижимость

• Finding Donuts — прогнозировании окрестностей;
• Neighbourhood — прогнозирование цен на недвижимость в городе;
• Real Estate Classification — классификация типа имущества с учетом недвижимости, спутниковой связи и просмотра улиц;
• Recommender — рекомендательная система топ-5 объектов недвижимости, которые соответствуют поиску пользователя;
• House Price — предсказание цены дома с использованием линейной регрессии и GBR;
• House Price Portland — предсказание цены на жилье в Портленде;
• Zillow Prediction — прогноз оценки Zillow, выполненный на Kaggle.

17.2. Аренда и лизинг

• Analyzing Rentals — анализ и визуализация данных списков аренды;
• Interest Prediction — предсказание интереса людей к аренде конкретных квартир в Нью-Йорке;
• Predict Household Poverty — прогнозирование бедности домохозяйств в Коста-Рике;
• Airbnb public analytics competition — конкурс публичной аналитики Airbnb.

18. Коммунальные услуги

18.1. Электроэнергия

• Electricity Price — сравнение цен на электроэнергию в Сингапуре;
• Electricity-Coal Correlation — определение корреляции между государственными тарифами на электроэнергию и выработкой угля за последнее десятилетие;
• Electricity Capacity — анализ Los Angeles Times анализа дорогостоющей электроэнергии в Калифорнии;
• Electricity Systems — оптимальная система электроэнергии для европейских стран;
• Load Disaggregation — интеллектуальная разметка нагрузки по скрытым марковским моделям;
• Price Forecasting — прогнозирование цен на электроэнергию на сутки вперед в немецкой зоне торгов с глубокими нейронными сетями;
• Carbon Index — расчет интенсивности CO₂ и электричества в регионах страны, НКРЭ с 2001 года;
• Demand Forecasting — прогнозирование спроса на электроэнергию в Остине;
• Electricity Consumption — оценка потребления электроэнергии из обследований домашних хозяйств;
• Electricity French Distribution — анализ данных по электроэнергии, предоставленных французской распределительной сетью (RTE);
• Renewable Power Plants — временные ряды совокупной установленной мощности;
• Wind Farm Flow — хранилище моделей потоков ветровой электростанции, подключенных к FUSED-Wind;
• Power Plant — набор данных содержит 9568 точек данных, собранных электростанцией с комбинированным циклом за 6 лет (2006-2011 гг.).

18.2. Уголь, нефть и газ

• Coal Prediction — прогнозирование добычи угля;
• Oil & Gas — прогноз цены на нефть и природный газ с использованием ARIMA и нейронных сетей;
• Gas Formula — расчет потенциального экономического эффекта формулы индексации цен;
• Demand Prediction — прогноз спроса на природный газ;
• Consumption Forecasting — прогнозирование потребления природного газа;
• Gas Trade — мировая модель торговли природным газом.

18.3. Загрязнение воды

• Safe Water — предсказание нарушения качества питьевой воды, основанные на здоровье людей в США;
• Hydrology Data — набор удобных функций для изучения данных о воде в Python;
• Water Observatory — мониторинг уровня воды в озерах и водохранилищах с использованием спутниковых изображений;
• Water Pipelines — использование машинного обучения для поиска водопроводов на аэрофотоснимках;
• Water Modelling — австралийская система моделирования сообществ по оценке водных ресурсов;
• Drought Restrictions — анализ использования воды в Los Angeles;
• Flood Prediction — применение LSTM к данным об уровне воды в реке;
• Sewage Overflow — анализ санитарных переливов (SSO);
• Air Quality Prediction — прогноз качества воздуха (aq) в Пекине и Лондоне в течение следующих 48 часов.

18.4. Логистика

• Transdim — создание точных и эффективных решений для задач расчета и прогнозирования пространственно-временных данных потоков трафика машин;
• Transport Recommendation — контекстно-зависимая рекомендация по мультимодальной транспортировке;
• Transport Data — данные и ноутбуки для транспорта Торонто;
• Transport Demand — прогнозирование спроса на общественный транспорт в Найроби;
• Demand Estimation — внедрение динамической оценки спроса отправителя-получателя;
• Congestion Analysis — анализ транспортных систем;
• TS Analysis — анализ временных рядов по транспортным данным;
• Network Graph Subway — анализ уязвимости для транспортных сетей;
• Transportation Inefficiencies — количественная оценка неэффективности транспортных сетей;
• Train Optimisation — оптимизация расписания поездов;
• Traffic Prediction — прогнозирование городского трафика;
• Predict Crashes — прогнозирования сбоев, использующее несколько источников данных;
• AI Supply chain — система оптимизации цепочки поставок;
• Transfer Learning Flight Delay — использование вариационных кодеров в Keras для прогнозирования задержки полета;
• Replenishment — код для управления цепочкой поставок.

19. Оптовая и розничная торговля

19.1. Оптовая торговля

• Customer Analysis — анализ оптовых клиентов;
• Distribution — JB оптовый анализ распределения;
• Clustering — кластеризация данных о затратах на продукт, собираемым для клиентов;
• Market Basket Analysis — публичный набор данных Instacart, с информацией о том, какие продукты часто покупаются вместе.

19.2. Розничная торговля

• Retail Analysis — онлайн набор данных о розничной торговле;
• Online Insights — анализ онлайн-транзакций в Великобритании;
• Retail Cohort — когортный анализ.

На этом наш пост о применение ML и DS в промышленности подошел к концу. Надеюсь вы узнали для себя что-нибудь новое. Если у вас есть то, чем вы можете поделиться сами — пишите в комментариях.

Больше информации о машинном обучении и Data Science в моём аккаунте на Хабре и в телеграм-канале Нейрон, подписывайтесь, чтобы не пропустить будущих статей.

Всем знаний!