Celem niniejszej analizy jest grupowanie krajów na podstawie wybranych czynników wpływających na poziom szczęścia, takich jak poziom PKB, wsparcie społeczne, zdrowie, wolność, hojność oraz postrzeganie korupcji. W analizie wykorzystano dane dla roku 2024, aby uniknąć wielokrotnego występowania tych samych krajów. Zastosowano metody redukcji wymiarów (PCA, MDS) oraz algorytmy klastrowania: K-means, PAM oraz CLARA.

Celem niniejszego projektu jest zastosowanie metod uczenia maszynowego nienadzorowanego do odkrywania reguł asocjacyjnych w danych filmowych. W analizie wykorzystano zbiór MovieLens, zawierający informacje o ocenach filmów wystawianych przez użytkowników. Po odpowiednim przetworzeniu danych oraz wyodrębnieniu pozytywnych ocen, zastosowano algorytm Apriori w celu identyfikacji zależności pomiędzy filmami. Jakość uzyskanych reguł oceniono przy użyciu miar wsparcia, ufności oraz współczynnika lift. Otrzymane wyniki wskazują na istnienie istotnych powiązań pomiędzy preferencjami użytkowników i mogą znaleźć zastosowanie w systemach rekomendacyjnych.