Идея проекта: предсказывать оценку компании, основываясь на отзывах, оставленных клиентами.
Бизнес - контекст: много компаний с большим количеством необработанных текстовых отзывов.
Проблема: текстовый отзыв нужно перевести в цифровой рейтинг.
Рынок: компании с возможностью оставления отзыва об их услугах.
ML - задача: задача классификации текста.
Данные: размеченные англоязычные комментарии с kaggle.
Модели: BERT, RoBERTa, CHAT-GPT, TF-IDF, Count-Vectorizer, GBDT, RF, LR.
Метрики: Precision, Recall, F1-score, MAE.
Интерпретация результатов: маппинг оценок от 1 до 5 в грейды (VB, B, M, G, E).
MLOps: Docker, CI/CD, Telegram.
Проблемы и ограничения: отсутствие размеченных данных на русском языке. Бесплатная версия гитлаба. Ограниченный формат CHAT-GPT.
Результаты: MVP продукта. Наилучшие метрики: MAE = 0.136, Prec = 0.98, Recall = 0.97, F1 = 0.975.
Полезные ссылки:
https://ods.ai/hubs/ai-talent
https://docs.google.com/presentation/d/1hBvCWBjF4M8GvJebry32rbRnWplJZIDCJfSBlllVCZM/edit#slide=id.g25634c8c239_0_19
Our website uses cookies, including web analytics services. By using the website, you consent to the processing of personal data using cookies. You can find out more about the processing of personal data in the Privacy policy