Find friends

Utworzone: 18.04.2025

📌 Opis projektu:

Stworzyłem aplikację opartą na modelu uczenia maszynowego, która analizuje odpowiedzi użytkownika z ankiety i przypisuje go do jednego z wcześniej zdefiniowanych klastrów. Każdy klaster reprezentuje profil użytkownika o określonym zestawie umiejętności, zainteresowań i doświadczenia zawodowego.

⚙️ Funkcjonalności aplikacji:

• Zbieranie danych: ankieta online z pytaniami m.in. o znajomość technologii, narzędzi analitycznych, doświadczenie zawodowe, zainteresowania AI.

• Przetwarzanie danych:

• czyszczenie i walidacja danych,
• kodowanie zmiennych kategorycznych (One-Hot / LabelEncoder),

• standaryzacja cech (StandardScaler / MinMaxScaler).

• Model uczenia maszynowego:

• klasteryzacja z wykorzystaniem algorytmu KMeans (lub innego, np. DBSCAN / HDBSCAN),

• analiza silosu cech i metryki dystansu do walidacji modelu.

• Predykcja:

• użytkownik otrzymuje wynik – przypisanie do klastra,

• dodatkowo wyświetlana jest interpretacja cech klastra i jego reprezentantów.

• Wizualizacja wyników:

• dashboard z opisem i cechami poszczególnych klastrów.

Zastosowane technologie:

• Python: pandas, numpy, scikit-learn, matplotlib, seaborn, streamlit
• Uczenie maszynowe: klasteryzacja (KMeans, silhouette_score, PCA)
• Preprocessing: StandardScaler, OneHotEncoder
• Aplikacja interfejsu użytkownika: Streamlit

Korzyści i zastosowania:

• Pomaga zrozumieć profil użytkownika na podstawie danych wejściowych
• Może służyć jako system rekomendacji kursów, ścieżek kariery lub ról zawodowych
• Pokazuje znajomość pipeline'u ML, od zbierania danych do zastosowania modelu

Odwiedź repozytorium GitHub

Tutaj screen z projektu: