Spaces:
Runtime error
Runtime error
# imports | |
# ==================================== | |
import numpy as np | |
import pandas as pd | |
import streamlit as st | |
import streamlit.components.v1 as components | |
components.html( | |
""" | |
<a href="https://git.io/typing-svg"><img src="https://readme-typing-svg.herokuapp.com?font=Fira+Code&pause=1000&width=435&lines=Анализ+банкротства+компании" alt="Typing SVG" /></a> | |
<a href="https://git.io/typing-svg"><img src="https://readme-typing-svg.herokuapp.com?font=Fira+Code&pause=1000&width=435&lines=методами+искуственного+интеллекта" alt="Typing SVG" /></a> | |
""" | |
) | |
st.markdown("<h1 style='text-align: center;'>Применение методов машинного обучения в анализе банкротства</h1>", unsafe_allow_html=True) | |
components.html( | |
""" | |
<img src="https://fincult.info/upload/als-property-editorblock/4a2/4a278980ab4958de5e75aa5290842d77.png" align="center"> | |
""" | |
) | |
#with open("./img.png", "rb") as f: | |
# st.image(f.read(), use_column_width=True) | |
st.write( | |
""" | |
# Краткое описание задачи | |
Эффективное и заблаговременное прогнозирование банкротства компаний имеет важно значение для всех участников рынка. По мере развития информационного общества традиционные методы выявления банкротства становятся менее эффективными и более трудозатратными. Поэтому сочетание традиционных методов с современными моделями искусственного интеллекта может быть эффективно применено в современных экономических условиях. | |
Основная цель работы - оценить риск банкротства с помощью нескольких алгоритмов машинного обучения, сравнить результаты их работы, определить наилучшую модель и соответствующий набор признаков для прогнозирования банкротства компаний. | |
""" | |
) | |
with st.expander("Описание пайплайна работы", expanded=True): | |
st.write( | |
""" | |
# Этапы разработки | |
""" | |
) | |