Uczenie maszynowe w F1

Uczenie maszynowe na danych z Formuły 1 (timing + telemetria przez FastF1). Seria notebooków prowadzi od surowych danych do modeli i analizy ich błędów:

1. Pierwszy kontakt z danymi - API FastF1 na przykładzie jednej sesji (Monza 2024)
2. Budowa zbioru danych - z surowych okrążeń do tabeli cech
3. Eksploracja danych (EDA) - co siedzi w danych i co psuje modele
4. Regresja: czas okrążenia - przewidywanie czasu okrążenia
5. Klasyfikacja: podium - kto stanie na podium?
6. Analiza błędów - gdzie i dlaczego modele się mylą

Dane: sezony 2023-2024 (46 wyścigów, ok. 39,6 tys. czystych okrążeń, 918 par kierowca-wyścig), pobrane przez FastF1 i dostępne w repozytorium jako pliki parquet. Porażki modeli po drodze są celowe - pokazują, dlaczego coś nie działa, zanim pokażemy naprawę. Więcej w O projekcie.

Notebooki są wykonane - wykresy (Plotly) są interaktywne bez uruchamiania czegokolwiek. Kod źródłowy: straightchlorine/f1-ml-lab.