Метка: pandas

  • Финансовая прозрачность через автоматизацию

    Финансовая прозрачность через автоматизацию


    📅 Месяц финансовой прозрачности: как я автоматизировал учёт

    💸 «Знакомо чувство, когда деньги утекают как песок из ладоней?»
    Ровно 30 дней назад я начал эксперимент — полная фиксация всех доходов и расходов. Для этого создал Telegram-бота 🧮 (@Money_bot) с простым интерфейсом:
    ✅ Запись одной командой
    ✅ Автоматическая категоризация
    ✅ Мгновенный доступ с любого устройства


    🔍 Утро с данными: что внутри моего кошелька?
    Сегодня нажал кнопку экспорта в MongoDB Compass (визуальный инструмент для баз данных 🗃️) → перенёс данные в Jupyter Notebook (платформа для анализа на Python 🐍).

    С помощью GigaChat (российский ИИ-ассистент от Сбера 🤖) провёл анализ:
    📊 87% доходов — основной источник
    🌱 2 новых финансовых «ростка» (сайд-проекты)
    ⚖️ Баланс: +0.2% (практически нулевой!)

    P.S. На скриншотах суммы замазаны — этап открытости ещё не настал 😉


    🤯 Что это даёт?
    1️⃣ Автоматический отчет 1-го числа каждого месяца → в Telegram
    2️⃣ Возможность отслеживать динамику за год/5 лет/10 лет
    3️⃣ Точечная корректировка бюджета (например, сократил расходы на доставку еды на 17%)


    🚀 Технологический стек для любопытных:

    • MongoDB — NoSQL-база для хранения транзакций
    • Python (библиотеки Pandas/Matplotlib) — визуализация
    • Docker — контейнеризация бота
    • Telegram API — мгновенные уведомления

    💌 Хотите такую систему для себя?
    Пишите в личные сообщения → настрою персональное решение под ваш бюджет!


  • Хакатон Екб

    Хакатон Екб

    С пятницы по воскресенье, в Екатеринбурге и онлайн, прошёл хакатон под патронажем МинСтроя России.

    Кейсы (задания) там были разные.

    Команда, частью которой я стал, взялась за задачу, целью которой было на основании имеющихся факторов, спрогнозировать изменение графика выполнения работ.

    В любом хакатоне важно не только то, какое место заняла команда. Не менее важно то, какой вклад внёс ты, как член коллектива.

    Я помог понять, чего же от нас ожидает заказчик.

    Помогал вовремя выполнять график соревнования.

    И наполнял команду оптимизмом.

    В результате нашего коллективного труда, мы заняло место основательной середины.

    А какой ваш опыт участия в соревнованиях?

  • Проект для ВК

    Проект для ВК

    Делаю проект по анализу данных для заявки на стажировку в ВК.

    Знаю точно, что не сделаю полностью.

    Отправлю с последним абзацем в котором напиши что-то типа такого:

    А далее проводим категоризацию методом случайного леса.

    … в работе пользуюсь новым поиском Бинга с элементами ИИ. …

  • Дашборды в новых условиях

    Дашборды в новых условиях

    Мой курс Анализ данных на платформе Яндекс.практикум добрался до финального проекта.

    Ура!
    В списке задач дипломной работы есть построение дашборда в программе tableau.

    Что такое dashboard? В прямом переводе — это приборная панель. В современном мире это ещё и панель показателей.

    Вот пример на tableau:

    https://clck.ru/hH2bd

    Но недавно, вдруг, стали появляться в этой программе сообщения о недоступности сервиса в нашем регионе.

    Какие есть альтернативы?

    Гугл

    https://datastudio.google.com/s/nwXIk03nfBU

    Яндекс

    https://datalens.yandex/tivsy1aesdgal

    Самописный сайт на PlotLy

    http://dashboards.eddydewrussia.ru/dashbords/otchjot-po-rojalti-q1_2022/
    http://dashboards.eddydewrussia.ru/
  • Скоро скоро уж финал…

    Скоро скоро уж финал…

    Сегодня закончил последнюю теоретическую часть в программе обучения Анализ данных на Яндекс.Практикуме.

    Эта часть далась мне нелегко. Было очень много непонятных слов и действий.

    Но, зато, очень интересно. Ведь это были Начала машинного обучения.

    Нам рассказали и на практике показали, как устроено обучение машинного моделирования на основе накопленных данных для прогнозирования результатов будущих периодов.

    Например

    Есть фитнес-центр. Администраторы этого предприятия ведут учёт того, как клиенты его посещают.

    • Как часто приходят
    • Посещают ли дополнительные группы
    • Покупают ли индивидуальные консультации
    • Живут или работают рядом
    • Когда заканчивается срок действия абонемента
    • И … когда перестали пользоваться услугами компании.

    Аналитик данных:

    • проводит подготовку собранной статистики методами pandas на python
    • выбирает методы прогнозирования из библиотеки sklearn
    • обучает компьютер методом scaler.fit
    • выбирает самый точный алгоритм прогнозирования по результату сравнения параметров оценки точности предсказания из sklearn.metrics
    • помогает настроить систему, которая на основе новых данных за месяц, строит прогноз оттока

    Администрация:

    • На основе полученного прогноза активно стимулирует клиентов из рисковой группы. Чтобы они не бросали занятия )))

    Так решаем главную задачу:

    Удержание клиентов

    Photo by Clay Banks on Unsplash