Практическое задание

1) « С портМедиа »  — это медиакомпания, которая специализируется  на освещении спортивных событий и новостей. Она создаёт различные форматы контента, включая видеопередачи, статьи, интервью и документальные фильмы, которые охватывают ключевые моменты в мире спорта. "СпортМедиа" следит за соревнованиями, анализирует игры , предоставляет комментарии, а также освещает успехи и достижения спортсменов. Компания активно взаимодействует с аудиторией через социальные сети и веб-сайты. 2) Сотрудники компании: Андрей - главный редактор (руководящая должность) Екатерина - спортивный журналист Дмитрий - видеооператор Параметры управления Андрей Екатерина Дмитрий самый эффективный стимул Премии, дополнительные дни отпуска Премии Премии сверхурочная работа Логичнее возложить на него, так как он отвечает за результаты всей редакции Иногда возможно, так как она работает в условиях жестких дедлайнов С меньшей вероятностью, так как его работа более структурирована и зависит от расписания собы...

1) «С портМедиа »  — это медиакомпания, которая специализируется  на освещении спортивных событий и новостей. Она создаёт различные форматы контента, включая видеопередачи, статьи, интервью и документальные фильмы, которые охватывают ключевые моменты в мире спорта. "СпортМедиа" следит за соревнованиями, анализирует игры , предоставляет комментарии, а также освещает успехи и достижения спортсменов. Компания активно взаимодействует с аудиторией через социальные сети и веб-сайты. 2) Сотрудники компании: Андрей - главный редактор (руководящая должность) Екатерина - спортивный журналист Дмитрий - видеооператор 3) Таблица (ниже) Вывод : на иболее острой проблемой выгорания на работе может стать для Андрея  (главного редактора), поскольку он несёт высокую ответственность за весь контент компании, сталкивается с постоянным давлением соблюдения сроков, нуждается в решении оперативных вопросов и управлении командой, что приводит к значительному стрессу и переработкам, увеличивая ри...

Для анализа я взяла статистику по средней месячной заработной плате в России и США по годам (от 2017 до 2023). Таблица: Эти данные связаны тем, что они являются суммами денежных средств. Отличаются они тем, что суммы в первом столбце написаны в рублях, а суммы во втором столбце - в долларах. Результаты анализа: Итог: Наиболее точную оценку на мой взгляд дает модель  Polynomial Regression  и  Scater Plot. В первой модели четко видно прогресс роста заработной платы с каждым годом. Удобно, что всего две линии, которые можно легко сопоставить и проанализировать данные. Во второй модели можно отследить взаимосвязь и различия двух компонентов (первого и второго столбца: в моем случае это зп в России и в США). Также есть линия, которая показывает прогресс.

Для анализа я выбрала  файл данных о прослушивании альбомов (last.fm). Результаты анализа: Выводы: 1) Больше всего связаны rock и other (зеленый и серый цвет). Примерно в одинаковом соотношении выражены связи между rock и 80s, hardcore и classic rock. Доминирует здесь все-таки other. 2) Центральный элемент связей - rock (не считая конечно other). Он выделен зеленым цветом. Он связывает не только  other, но и  80s, hardcore, classic rock и emo. Следовательно он доминирует во всех моделях. 3) Для восприятия мне больше всего удобна модель  Network Explorer, так как там обозначено всё не только цветом, но и линиями, которые помогают понять, что и с чем связано. В  MDS модели затруднительно определить связи, так как они не соединены друг с другом. Но все же эта модель тоже довольно неплохая. А вот модель  Correlations для меня сложна и непонятна.

Для анализа я выбрала 10 изображений на тему экологии. Модели  Image Grid  и  Hierarchical Clustering разделили изображения почти на одинаковые группы.  Первая группа (три изображения по вертикали) — один главный объект (планета) на белом фоне, нет ничего лишнего; вторая группа (два изображения) — объект находится по центру, однотонный фон, и там и там изображены ладони человека; третья группа (два изображения) — их объединяет планета, где изображены заводы, загрязнения и дым; четвертая группа (три изображения) — изображения, которые делятся на два контраста (справа — ужасная экология, слева — хорошая), также на этих изображениях присутствует луг. Модель Hierarchical Clustering наиболее приближена к  Image Grid. С данной логикой разделения я согласна. Модель t-SNE больше отл ичается от предыдущих моделей. Здесь три изображения находятся отдельно от других, здесь логика понятна, но остальные 7 изображений все рядом друг с другом. Классифицировать их проблематично...

Для анализа я выбрала 10 изображений на тему экологии, где преобладают такие объекты, как планета, лес, загрязнения, дым, деревья, руки и тд.  Анализ в  MDS-модели: Изображения разделились на 4 группы. В данных моделях я не особо прослеживаю какую-либо логику деления на группы. Не совсем понятно, почему они распределились именно так. Но возможно: голубая группа - фото, где изображена планета и на ней сделан акцент; зеленая группа - фото, где объект парит в воздухе и его окружают облака; темно-синяя группа - фото наиболее красочные, но в желтой группе мне не удается найти логику. С такой логикой разделения я не согласна. Анализ в   Image Grid : Изображения также разделились на 4 группы, но, по сравнению с предыдущей моделью, они сгруппировались по другому - более логично. Первая группа (три изображения по вертикали) — один главный объект (планета) на белом фоне, нет ничего лишнего; вторая группа (два изображения) — объект находится по центру, однотонный фон, и там и там из...

1. Для анализа я взяла 10 небольших стихотворений на тему любви разных авторов: Цветаева, Лермонтов, Пушкин, Тургенев, Северянин, Тютчев, Батюшков, Гамзатов, Фет, Некрасов. Я посчитала, что данная кластеризация наиболее логична: 2. Тексты разделились на две группы. В первую очередь входят стихотворения Цветаевой, Лермонтовой и Пушкина. Во втором - Северянина, Тютчева, Батюшкова, Гамзатова, Фета, Некрасова. Стихотворение Тургенева не входит ни в одну из группы.  Тексты, находящиеся в первой группе, связывают общий посыл - эти три стихотворения о ушедшей или невзаимной любви, они более печальны. Ключевые слова: не вас, не меня, обнимаете другого, устал, никого не люблю, потерял, бросил, угасло, безнадежно. Тексты, находящиеся во второй группе, связаны иной посылкой - в этих стихотворениях авторов, относящихся к взаимной, независимой и страстной любви, и часто обращают внимание на свой предмет воздыхания, настроение в этих стихах более радостное и воодушевленное. Ключевые слова - слад...