📊 Проектная работа

🧭 Что такое проект

Поздравляем! 🎉
Вы успешно прошли курс в тренажёре. Самое время проверить знания и решить новую задачу машинного обучения. Выполнять работу вы будете самостоятельно.

Когда закончите, отправьте работу на проверку ревьюеру: он пришлёт комментарии в течение суток. После этого нужно доработать проект и пройти повторную проверку.

Скорее всего, вы будете дорабатывать кейс по комментариям ещё несколько раз. Это нормально.

Проект завершён, когда ревьюер одобрит все доработки.

📌 Описание проекта

Оператор мобильной связи «Мегалайн» выяснил: многие клиенты пользуются архивными тарифами. Они хотят построить систему, способную проанализировать поведение клиентов и предложить пользователям новый тариф: «Смарт» или «Ультра».

В вашем распоряжении данные о поведении клиентов, которые уже перешли на эти тарифы. Нужно построить модель для задачи классификации, которая выберет подходящий тариф. Предобработка данных не понадобится — вы её уже сделали.

Постройте модель с максимально большим значением accuracy. Чтобы сдать проект успешно, нужно довести долю правильных ответов по крайней мере до 0.75. Проверьте accuracy на тестовой выборке самостоятельно.

📋 Инструкция по выполнению проекта

Откройте файл с данными и изучите его.
Путь к файлу: /datasets/users_behavior.csv. Скачать датасет
Разделите исходные данные на обучающую, валидационную и тестовую выборки.
Исследуйте качество разных моделей, меняя гиперпараметры. Кратко напишите выводы исследования.
Проверьте качество модели на тестовой выборке.
Дополнительное задание: проверьте модели на вменяемость. Ничего страшного, если не получится: эти данные сложнее тех, с которыми вы работали раньше. В следующем курсе подробнее об этом расскажем.

📁 Описание данных

Каждый объект в наборе данных — это информация о поведении одного пользователя за месяц.

Поле	Описание
`calls`	количество звонков
`minutes`	суммарная длительность звонков в минутах
`messages`	количество sms-сообщений
`mb_used`	израсходованный интернет-трафик в Мб
`is_ultra`	каким тарифом пользовался в течение месяца («Ультра» — 1, «Смарт» — 0)

✅ Как будут проверять мой проект?

Мы подготовили критерии оценки проекта, которыми руководствуются ревьюеры. Прежде чем приступить к решению кейса, внимательно их изучите.

На что обращают внимание ревьюеры, проверяя проект:

Аспект	Комментарий
📖 Изучение данных	Как вы изучаете данные после загрузки?
✂️ Разделение на выборки	Корректно ли разделяете данные на выборки? Как выбираете размеры выборок?
📊 Оценка качества моделей	Правильно ли вы оцениваете качество моделей в исследовании?
⚙️ Модели и гиперпараметры	Какие модели и гиперпараметры вы используете?
💬 Выводы	Какие выводы об исследовании делаете?
🧪 Тестирование	Правильно ли тестируете модели? Насколько высокое значение accuracy получаете?
📐 Структура и код	Соблюдаете структуру проекта и поддерживаете аккуратность кода?