Spaces:
Runtime error
Runtime error
update expander
Browse files
app.py
CHANGED
@@ -33,25 +33,40 @@ with st.expander("Описание пайплайна работы", expanded=Tr
|
|
33 |
st.write(
|
34 |
"""
|
35 |
## Этапы разработки
|
36 |
-
|
37 |
-
Был использован датасет из Тайваньского экономического журнала за период с 1999 по 2009 год. Банкротство компании было определено на основании правил ведения бизнеса Тайваньской фондовой биржи. (
|
38 |
|
39 |
-
|
40 |
-
Удаление ненужных колонок, one hot encoding категориальных переменных, заполнение пропущенных значений. С использованием библиотек pandas, numpy, seaborn
|
41 |
|
42 |
-
|
43 |
-
Инструменты для этого - с использованием библиотек pandas, seaborn
|
44 |
|
45 |
-
|
46 |
-
С использованием библиотек scikit-learn, pandas, seaborn
|
47 |
|
48 |
-
|
49 |
-
С использованием библиотек scikit-learn, pandas, seaborn
|
50 |
|
51 |
-
|
52 |
-
Анализ и графическое представление работы алгоритмов. При некорректной работе или плохим результатом проводится п. 4 и п. 5
|
53 |
|
54 |
-
|
55 |
-
С использованием библиотеки streamlit
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
56 |
"""
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
57 |
)
|
|
|
33 |
st.write(
|
34 |
"""
|
35 |
## Этапы разработки
|
36 |
+
<b><i>1. Поиск и сбор данных:</b></i>
|
37 |
+
Был использован датасет из Тайваньского экономического журнала за период с 1999 по 2009 год. Банкротство компании было определено на основании правил ведения бизнеса Тайваньской фондовой биржи. (<a href="https://www.kaggle.com/datasets/fedesoriano/company-bankruptcy-prediction">Ссылка на данные</a>)
|
38 |
|
39 |
+
<b><i>2. Обработка (препроцессинг):</b></i>
|
40 |
+
Удаление ненужных колонок, one hot encoding категориальных переменных, заполнение пропущенных значений. С использованием библиотек pandas, numpy, seaborn.
|
41 |
|
42 |
+
<b><i>3. Анализ статистических показателей и визуализация:</b></i>
|
43 |
+
Инструменты для этого - с использованием библиотек pandas, seaborn.
|
44 |
|
45 |
+
<b><i>4. Выбор моделей, обучение и валидация модели с ними (без фичей):</b></i>
|
46 |
+
С использованием библиотек scikit-learn, pandas, seaborn.
|
47 |
|
48 |
+
<b><i>5. Выбор моделей, обучение и валидация модели с ними (с фичами):</b></i>
|
49 |
+
С использованием библиотек scikit-learn, pandas, seaborn.
|
50 |
|
51 |
+
<b><i>6. Сравнение результатов:</b></i>
|
52 |
+
Анализ и графическое представление работы алгоритмов. При некорректной работе или плохим результатом проводится п. 4 и п. 5.
|
53 |
|
54 |
+
<b><i>7. Оформление микросервиса Streamlit:</b></i>
|
55 |
+
С использованием библиотеки streamlit.
|
56 |
+
""",
|
57 |
+
unsafe_allow_html=True
|
58 |
+
)
|
59 |
+
|
60 |
+
with st.expander("Описание пайплайна работы", expanded=True):
|
61 |
+
|
62 |
+
st.write(
|
63 |
"""
|
64 |
+
## Информация о применении методов машинного обучения для бизнес-задач:
|
65 |
+
Прогнозирование финансовой неустойчивости – важный компонент управления компанией. Из-за банкротства акционеры теряют доходы, бизнес, нарушаются цепочки поставок, фискальные органы лишаются налоговых поступлений, госорганы фиксируют снижение экономического роста и повышение социальной напряженности, а работники вынуждены искать новую работу. Поэтому получение ясной картины финансового и имущественного состояния компаний уже много лет является целью специалистов самых разных областей знаний.
|
66 |
+
|
67 |
+
Компании активно внедряют современные технологии в основную деятельность, автоматизируя большое количество бизнес-процессов. Это позволяет выстраивать, например, электронную экспертизу, c помощью которой возможно оперативно объединять множество экспертов из разных предметных областей для полного охвата рассматриваемой проблемы и принятия коллективного решения. Электронная экспертиза также подразумевает взаимодействие людей с интеллектуальными системами, которые способны строить анализ и прогнозы на основе более широкого пространства переменных. Так, в частности, методы машинного обучения применяются уже в значительном количестве бизнес-задач, в том числе для интеллектуальной аналитики больших данных, которые компания аккумулирует для построения моделей прогнозирования.
|
68 |
+
|
69 |
+
Однако риски банкротства могут также возникнуть из-за некорректного стратегического менеджмента. Такой менеджмент подразумевает разработку долгосрочных целей и действий, которые позволят достичь более высоких результатов в будущем, например, стать лидирующей компанией в своей отрасли. Разрабатываемые при этом стратегии обычно носят амбициозный характер, поэтому цели компании в таком случае не направлены на пролонгацию сложившейся динамики. Правильный анализ стратегической ситуации также важен для прогнозирования банкротства. Существует множество методов для ее оценки, в том числе и на основе анализа больших данных.<a href="http://infosoc.iis.ru/article/view/509">Источник<a>
|
70 |
+
""",
|
71 |
+
unsafe_allow_html=True
|
72 |
)
|