Составление моделей прогноза финансового банкротства различных компаний
https://www.kaggle.com/shebrahimi/financial-distress
https://docs.google.com/document/d/1pw5WQ6fdrOUHxJAQ1IKY3Xi8Q3SEXZDX7VgNTBjrlNw/edit
Использование Streamlit: https://blog.skillfactory.ru/nauka-o-dannyh-data-science/kak-napisat-veb-prilozhenie-dlya-demonstratsii-data-science-proekta-na-python/ https://docs.streamlit.io/en/stable/api.html
О работе с несбалансированными данными: https://www.machinelearningmastery.ru/tactics-to-combat-imbalanced-classes-in-your-machine-learning-dataset/
https://docs.microsoft.com/ru-ru/azure/machine-learning/concept-manage-ml-pitfalls
О моделях прогнозирования
Логистическая регрессия: https://www.machinelearningmastery.ru/building-a-logistic-regression-in-python-301d27367c24/
Случайный лес: https://dyakonov.org/2016/11/14/%D1%81%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D1%8B%D0%B9-%D0%BB%D0%B5%D1%81-random-forest/
https://www.machinelearningmastery.ru/implement-random-forest-scratch-python/
XGBoosting: https://xgboost.readthedocs.io/en/latest/python/python_intro.html
https://www.machinelearningmastery.ru/xgboost-python-mini-course/
ANN: https://www.geeksforgeeks.org/implementing-ann-training-process-in-python/
https://www.coursera.org/projects/basic-artificial-neural-networks-in-python
Прогнозирование временных рядов с помощью рекуррентных нейронных сетей https://habr.com/ru/post/495884/