Проекты выполненные в ходе обучения по профессии "Аналитик данных"
🎓Диплом
🎓Diploma (english version)
| Название проекта | Задачи проекта | Навыки и инструменты |
|---|---|---|
| Финальный проект в формате буткемпа | Часть 1: На основе данных о транзакциях интернет-магазина товаров для дома и быта выявить профили покупателей, а также провести анализ товарного ассортимента. Часть 2: Используя данные о действиях пользователей провести оценку корректности A/B-теста и проанализировать его результаты. Часть 3: Произвести различные выгрузки данных о книгах, издательствах, авторах, а также пользовательских обзорах книг с помощью SQL. |
Python, Pandas, NumPy, Matplotlib, Seaborn, Plotly, SciPy, Scikit-learn, SQL, SQLAlchemy, PostgreSQL |
| Прогнозирование вероятности оттока пользователей для фитнес-центров | На основе данных о посетителях сети фитнес-центров спрогнозировать вероятность оттока для каждого клиента в следующем месяце, сформировать с помощью кластеризации портреты пользователей. | машинное обучение, классификация, кластеризация, Python, Pandas, Matplotlib, Seaborn, SciPy, Scikit-learn |
| Создание дашборда по пользовательским событиям для агрегатора новостей | Используя данные Яндекс.Дзена построить дашборд с метриками взаимодействия пользователей с карточками статей. | продуктовые метрики, построение дашбордов, Python, SQLAlchemy, PostgreSQL, Tableau |
| Анализ пользовательского поведения в мобильном приложении | На основе данных использования мобильного приложения для продажи продуктов питания проанализировать воронку продаж, а также оценить результаты A/A/B-тестирования. | A/B-тестирование, событийная аналитика, продуктовые метрики, проверка статистических гипотез, визуализация данных, Python, Pandas, Matplotlib, Seaborn, Plotly, SciPy, Math |
| Исследования рынка общепита в Москве для принятия решения об открытии нового заведения | Исследование рынка общественного питания на основе открытых данных, подготовка презентации для инвесторов. | визуализация данных, Python, Pandas, Matplotlib, Seaborn, Plotly, Requests |
| Проверка гипотез по увеличению выручки в интернет-магазине — оценить результаты A/B теста | Используя данные интернет-магазина приоритезировать гипотезы, произвести оценку результатов A/B-тестирования различными методами. | A/B-тестирование, проверка статистических гипотез, Python, Pandas, NumPy, Matplotlib, SciPy |
| Анализ убытков приложения ProcrastinatePRO+ | Несмотря на огромные вложения в рекламу, последние несколько месяцев компания терпит убытки. Ваша задача — разобраться в причинах и помочь компании выйти в плюс. | когортный анализ, юнит-экономика, продуктовые метрики, Python, Pandas, NumPy, Matplotlib, Seaborn |
| Исследование данных об инвестиции венчурных фондов в компании-стартапы | Произвести различные выгрузки данных инвестиций венчурных фондов с помощью SQL. | SQL, PostgreSQL |
| Изучение закономерностей, определяющих успешность игр | Используя исторические данные о продажах компьютерных игр, оценки пользователей и экспертов, жанры и платформы, выявить закономерности, определяющие успешность игры. | предобработка данных, исследовательский анализ данных, описательная статистика, проверка статистических гипотез, Python, Pandas, NumPy, Matplotlib, Seaborn, SciPy |
| Определение выгодного тарифа для телеком компании | На основе данных клиентов оператора сотовой связи проанализировать поведение клиентов и поиск оптимального тарифа. | описательная статистика, проверка статистических гипотез, Python, Pandas, Matplotlib, NumPy, SciPy |
| Продажа квартир в Санкт-Петербурге — анализ рынка недвижимости | Используя данные сервиса Яндекс.Недвижимость, определить рыночную стоимость объектов недвижимости и типичные параметры квартир. | предобработка данных, исследовательский анализ данных, визуализация, Python, Pandas, Matplotlib |
| Исследование надёжности заёмщиков — анализ банковских данных | На основе статистики о платёжеспособности клиентов исследовать влияет ли семейное положение и количество детей клиента на факт возврата кредита в срок. | предобработка данных, лемматизация, Python, Pandas, Pymystem3 |
| Исследование данных сервиса “Яндекс.Музыка” — сравнение пользователей двух городов | На реальных данных Яндекс.Музыки c помощью библиотеки Pandas и её возможностей проверить данные и сравнить поведение и предпочтения пользователей двух столиц — Москвы и Санкт-Петербурга. | Python, Pandas |
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent