Analiza Danych · Wizualizacja · Automatyzacja
Projekt: Droga do Trofeum – Mistrzostwa Świata w Piłce Nożnej 2026Narzędzia: Python, PostgreSQL (Supabase), API-Football, GitHub, JavaScriptOpis: Model codziennie liczy szanse każdej reprezentacji na mistrzostwo na podstawie statystyk meczowych i rankingu FIFA, a symulacja Monte Carlo wyznacza prawdopodobieństwo zdobycia tytułu.Cel: Sprawdzenie, czy prosty, przejrzysty model statystyczny (bez uczenia maszynowego) potrafi sensownie odtworzyć i prognozować przebieg całego turnieju na…
Projekt:Chess Style Classifier – czy algorytm rozpozna mistrza po stylu gry?Narzędzia: Python, scikit-learn, Stockfish, python-chess, Supabase (PostgreSQL), GitHub Actions, GitHub Pages, JavaScript (chessboard.js, Chart.js)Opis: Projekt ML sprawdzający, czy algorytm potrafi rozpoznać arcymistrza po stylu gry. Model analizuje partie z Chess.com przy użyciu Stockfisha i wyznacza prawdopodobieństwo przynależności każdego ruchu do konkretnego gracza.Cel: Klasyfikacja stylu gry przy użyciu uczenia…
Projekt: Warkan – Świadomy kosztowo asystent AI dla blogaNarzędzia: Python, FastAPI, scikit-learn (TF-IDF), REST API, WordPress API, Cloudflare Workers AIOpis: Autorski chatbot blogowy oparty na architekturze Retrieval-Augmented Generation (RAG), łączący wyszukiwanie semantyczne z generowaniem odpowiedzi przez model językowy.Cel: Stworzenie asystenta, który odpowiada wyłącznie na podstawie rzeczywistych treści bloga, z kontrolą kontekstu, logiki działania i kosztów zapytań do modelu.Dane: Źródłem danych…
Projekt: Sezonowość pytań rolników w Afryce Wschodniej (2019–2020)Narzędzia: Python (pandas), Tableau, Excel / Power QueryOpis: Analiza wielojęzycznych pytań rolników (WeFarm) w celu identyfikacji powtarzalnych wzorców sezonowych w obszarach upraw, chorób roślin, nawożenia i cen rynkowych.Cel: Zrozumienie cykli aktywności i potrzeb informacyjnych rolników oraz przełożenie ich na wnioski operacyjne (planowanie treści, kampanii i komunikacji w odpowiednim czasie).Dane: Zanonimizowane dane, udostępnione w…
Projekt: Łyk danych: Dashboard konsumpcji kawy Narzędzia: Power BI, Power Query, Python (Pandas), ExcelOpis: Analiza danych ankietowych o nawykach picia kawy – od czyszczenia i transformacji po budowę interaktywnych wizualizacji.Cel: Zrozumienie preferencji konsumentów i storytelling w dashboardzie z dynamicznymi filtrami (wiek, płeć, kraj).Dane: 324 odpowiedzi | SurveySwapRepozytorium: Zobacz na GitHub www.youtube.com – Sip of Data: Stories Over Coffee
Ciasteczko do kawy?
Używam plików cookie, żeby sprawdzić, które treści są najchętniej czytane. Dane są anonimowe i służą tylko statystyce.