Данные проекты были выполнены в ходе обучения в Яндекс.Практикуме, профессии "Аналитик данных" / "Специалист по Data Science".
| Название проекта | Задача | Используемые библиотеки |
|---|---|---|
| Музыка больших городов | Сравнение предпочтений пользователей Яндекс.Музыки из Москвы и Санкт-Петербурга в зависимости от времени (утро и вечер) и дня недели (понедельник, среда, пятница) | Jupyter Notebook, Pandas. |
| Оценка надёжности заёмщиков | Описать связи между категориями заёмщиков и тем, будет ли возвращён займ в срок. | Jupyter Notebook, Pandas, Seaborn. |
| Исследование объявлений о продаже квартир | Установить признаки, при наличии которых объявление можно считать аномальным. Это позволит автоматически выявлять потенциально мошеннические объявления. | Jupyter Notebook, Pandas, Matplotlib, Seaborn. |
| Определение перспективного тарифа для телеком-компании | Определить, какой из тарифов приносит "больше денег". На основе анализа будет "скорректирован" рекламный бюджет. | Jupyter Notebook, Pandas, Matplotlib, Seaborn. |
| Исследование признаков успешной игры | Выявить закономерности, которые определяют успешность игры, чтобы магазин мог выбрать потенциально популярный продукт, закупил и рекламировал именно его. | Jupyter Notebook, Pandas, Matplotlib, Seaborn, Numpy, Scipy.stats . |
| Анализ бизнес-показателей. Поиск причины убытков в рекламе. | Найти причину убытков от рекламной кампании, возникших в последние несколько месяцев. Требуется, чтобы реклама окупала себя. | Jupyter Notebook, Pandas, Matplotlib, Seaborn, Numpy, Scipy.stats . |
| Оценка и проверка гипотез по увеличению выручки | Расставить гипотезы по увеличению выручки по приоритету, начиная с наиболее перспективной. Запустить A/B-тест, проанализировать его результаты. | Jupyter Notebook, Pandas, Matplotlib, Seaborn, Numpy, Scipy.stats . |
| Изучение поведения пользователей мобильного приложения в воронке продаж | Изучить воронку продаж. Где застревают пользователи на пути к целевому действию? Как они отреагировали на изменение шрифта? | Jupyter Notebook, Pandas, Matplotlib, Seaborn, Numpy, Scipy.stats . |
| Предприятия общественного питания в Москве | Инвестор выбирает, какое предприятие питания и где открыть. Нужно описание предприятий общественного питания в Москве. Расположение, тип, меню, цены. Составить лаконичную презентацию. | Jupyter Notebook, Pandas, Numpy, Matplotlib, Seaborn, Numpy, Scipy.stats, Plotly, Folium. |
| Анализ поведения пользователей приложения | Ответить на вопросы продакт-менеджера мобильного приложения. Приложение является площадкой для тех, кто хотел бы отдать вещи даром или получить их. Продакт-менеджер желает вовлекать большую долю пользователей в целевое действие. Также он ищет предложения, как улучшить приложение. | Jupyter Notebook, Pandas, Numpy, Matplotlib, Seaborn, Plotly, Tableau. |
| Оценка результатов A/B-теста | Оценить корректность проведения теста при проведении нескольких конкурирующих тестов одновременно, вблизи к праздникам; проанализировать результаты теста. | Jupyter Notebook, Pandas, Numpy, Scipy, Matplotlib, Plotly. |
| Анализ данных запросами к SQL базе | Анализ базы данных крупного сервиса для чтения книг по подписке. Эти данные помогут сформулировать ценностное предложение для нового продукта. | Jupyter Notebook, Pandas, SQLAlchemy строго 1.4.46 (чтобы импорт в Pandas не вызывал ошибок). |