Τα Projects μου
Εξερευνήστε τη δουλειά μου σε Python, Τεχνητή Νοημοσύνη και Data Science. Δείτε ανά κατηγορία για να βρείτε τα έργα που σας ενδιαφέρουν.
Εκπαιδευτική πλατφόρμα εκμάθησης της Python
Η εκπαιδευτική πλατφόρμα της Pyhton στοχεύει στην εκμάθηση της γλώσσας προγραμματισμού Python. Παρέχει χρήσιμους συνδέσμους προς επίσημους ιστότοπους, όπως το python.org, το W3Schools και το Stack Overflow, διευκολύνοντας την πρόσβαση σε εκπαιδευτικό υλικό και κοινότητες προγραμματιστών.
View my Platform →AI Mini App — Ανάλυση Συναισθήματος Κειμένου
🔹 Περιγραφη:
Εδώ, ένα μοντέλο τεχνητής νοημοσύνης 🚀 διαβάζει το κείμενό σου και αποκαλύπτει το συναίσθημα που κρύβεται πίσω από τις λέξεις. Γράψε ή επικόλλησε το κείμενό σου στο πλαίσιο, πάτησε το κουμπί Analyze και άφησε το AI να αξιολογήσει αν το μήνυμά σου είναι θετικό, αρνητικό ή ουδέτερο — μαζί με το ποσοστό βεβαιότητας.
In Huggingface →Marketing Analytics Dashboard
Αυτό το marketing dashboard επιτρέπει στους χρήστες να:
📂 Να ανεβάζουν CSV αρχεία με δεδομένα marketing (πωλήσεις, επισκεψιμότητα, conversion rates) και αναλύστε τα με ευκολία.
🎨 Μοντέρνο & Φιλικό UI για μια ομαλή & ευχάριστη εμπειρία χρήστη.
Web Development (Προσεχώς)
1️⃣ DevLink: Πλατφόρμα Διασύνδεσης Προγραμματιστών
📌 Περιγραφή:
Μια κοινωνική πλατφόρμα για προγραμματιστές όπου οι χρήστες μπορούν να δημιουργούν προφίλ, να μοιράζονται projects, να συνδέονται με άλλους developers και να συζητούν για νέες τεχνολογίες.
💡 Τεχνολογίες: React.js, Node.js, MongoDB, Express.js
Data Sience "Sales Data EDA Dashboard"
Το Sales Data EDA Dashboard είναι ένα διαδραστικό σύστημα ανάλυσης δεδομένων πωλήσεων, κατασκευασμένο με τη χρήση της βιβλιοθήκης Streamlit σε γλώσσα Python. Σκοπός του είναι να προσφέρει έναν εύχρηστο τρόπο στους χρήστες να ανεβάζουν δικά τους αρχεία .csv με δεδομένα πωλήσεων και να αποκτούν άμεσα στατιστικά, γραφήματα και πληροφορίες που υποστηρίζουν την επιχειρηματική λήψη αποφάσεων.
View on Streamlit Cloud →Εκπαίδευση Ενηλίκων "Ανάλυση Συναισθήματος σε Κριτικές Ταινιών" (Προσεχώς)
Το project αυτό επικεντρώνεται στην ανάλυση συναισθήματος (sentiment analysis) σε κριτικές ταινιών, χρησιμοποιώντας τεχνικές μηχανικής μάθησης και NLP (Natural Language Processing). Στόχος είναι η ανάπτυξη ενός μοντέλου που θα μπορεί να ταξινομεί τις κριτικές σε θετικές ή αρνητικές, καθώς και η δημιουργία οπτικοποιήσεων που θα δείχνουν τις τάσεις συναισθήματος σε διαφορετικές ταινίες.
View on GitHub →