Что это такое?
Учебный проект с полным ML-пайплайном для прогнозирования качества воздуха на основе открытых данных.
Проект / Python
Nimnabeverly/Air-Quality: Air-Quality — прогноз качества воздуха в Майами с ML-пайплайном
Полный пайплайн для прогнозирования уровня PM2.5 с использованием данных OpenAQ, от сбора данных до развёртывания модели в облаке.
Этот репозиторий представляет собой учебный пример полного цикла ML-проекта: от сбора данных о качестве воздуха в районе Майами-Форт-Лодердейл-Майами-Бич за 2022-2023 годы до развёртывания модели прогнозирования концентрации PM2.5. Включает скрипты для...
Для кого это
Для ML-инженеров и дата-сайентистов, которые хотят изучить пример end-to-end ML-проекта с Airflow, DVC и облачным развёртыванием.
Проблема / задача
Создание промышленного ML-пайплайна требует интеграции множества инструментов: версионирования данных, оркестрации задач, мониторинга модели и её развёртывания.
Как это работает
Проект собирает данные о качестве воздуха из OpenAQ, обрабатывает их, строит модель прогнозирования PM2.5 с помощью XGBoost и Prophet, управляет пайплайном через Apache Airflow, версионирует данные с помощью DVC и разворачивает модель как облачную функцию в Google Cloud.
Что видно по README
Этот репозиторий представляет собой учебный пример полного цикла ML-проекта: от сбора данных о качестве воздуха в районе Майами-Форт-Лодердейл-Майами-Бич за 2022-2023 годы до развёртывания модели прогнозирования концентрации PM2.5. Включает скрипты для предобработки данных, обучения модели, оркестрации пайплайна и облачной интеграции.
Ключевые возможности
Технологии
Интересный факт
Проект включает видео-демонстрации всего процесса: от создания до анализа дрейфа данных и деградации модели, что делает его отличным учебным материалом.
С чего начать
- Клонировать репозиторий и установить зависимости
- Запустить Docker Desktop и инициализировать Airflow
- Запустить пайплайн через Airflow UI и активировать DAG
Оценка GitRadar
Удобство
6/10
Свежесть
7/10
Перспектива
6/10
Монетизация
4/10
Общая оценка
6/10
Вердикт GitRadar
Стоит попробовать как учебный пример построения end-to-end ML-пайплайна, особенно для изучения Airflow и DVC в связке. Однако проект выглядит как индивидуальный учебный проект, а не готовое к продакшену решение.
Наблюдения по обновлениям
Проект содержит подробные инструкции и видео, но имеет мало звёзд и форков, что указывает на низкую популярность.
Что мы проверили
Карточка собрана по данным GitHub, README и структуре репозитория. Это не официальная документация проекта.
- Исходный репозиторий
- https://github.com/Nimnabeverly/Air-Quality
- Лицензия
- NOASSERTION
- Создан на GitHub
- 1 апреля 2026 г.
- Последнее обновление репо
- 1 апреля 2026 г.
- Последняя проверка GitRadar
- 1 апреля 2026 г.
- Изученные файлы
- README.md, cloud_function/main.py, requirements.txt, docker-compose.yaml, application/requirements.txt, ModelDevelopment/requirements.txt
FAQ
Для кого подходит?
Для ML-инженеров и дата-сайентистов, изучающих построение промышленных ML-систем с оркестрацией и облачным развёртыванием.
Источники
Нужна помощь с Nimnabeverly/Air-Quality?
Если проект подходит под ваш сценарий, можем помочь с установкой, интеграцией, доработкой или аккуратным форком под вашу инфраструктуру.