| № | Название проекта | Сфера | Описание | Стек |
|---|---|---|---|---|
| 1 | Исследование надёжности заёмщиков | Финансы | Предобработка и анализ данных; лемматизация; исследовательский анализ данных | pymystem3 pandas matplotlib collections |
| 2 | Исследование объявлений о продаже квартир | Недвижимость | Предобработка данных; поиск корреляций | pandas matplotlib numpy |
| 3 | Определение перспективного тарифа для телеком компании | Телеком | Объединение данных из пяти таблиц в одну; изучение аномалий в данных; исследовательский анализ данных; статистический анализ данных | pandas numpy matplotlib functools datetime scipy |
| 4 | Исследование рынка видеоигр | Интернет-магазин | Предобработка данных; анализ данных; составление портрета пользователей каждого региона; проверка гипотез; выявление параметров, определяющих успешность видеоигр в разных регионах мира; подготовка отчета в целях планирования рекламных кампаний для магазина компьютерных игр | pandas numpy matplotlib scipy pylab |
| 5 | Обзор данных авиакомпании | Авиация | Предобработка данных; исследовательский анализ данных | pandas matplotlib numpy seaborn |
| 6 | Оценка источников трафика | Интернет-сервис | Расчет экономических показателей (метрики юнит-экономики); оценка окупаемости инвестиций в маркетинг; поиск "узкого места" в экономической модели; когортный анализ | pandas matplotlib numpy seaborn pylab scipy |
| 7 | Приоритизация гипотез и оценка результатов А/В-теста | Интернет-магазин | Приоритизация гипотез по фреймворкам ICE и RICE; оценка результатов A/B-тестирования; построение графиков: кумулятивная выручка, средний чек, конверсия по группам; расчет статистической значимости различий конверсий и средних чеков по сырым и очищенным данным | pandas numpy matplotlib scipy pylab seaborn math |
| 8 | Рынок заведений общественного питания Москвы | Общепит | Предобработка данных; запрос по API к Яндекс.Геокодеру; исследовательский анализ данных; подготовка презентации | pandas numpy matplotlib scipy pylab seaborn math яндекс.геокодер api requests pprint json |
| 9 | Событийная аналитика мобильного приложения | Мобильное приложение | Описание воронки событий (от первого запуска до покупки); поиск разницы между клиентской и пользовательской сессиями; когортный анализ; сравнение конверсий в группах по принципу A/B-теста | pandas numpy math seaborn matplotlib scipy plotly |
| 10 | Создание дашборда | Интернет-сервис | Создание пайплайна для получения данных из БД; проведение анализа взаимодействия пользователей сервиса с карточками; создание дашборда в Tableau Public; подготовка презентации | pandas sqlalchemy tableau |
| 11 | Прогнозирование вероятности оттока посетителей фитнес-центра | Ритейл | Исследовательский анализ данных, прогнозирование с использованием моделей машинного обучения, кластеризация | pandas matplotlib seaborn sklearn scipy |
| 12.1 | Выпускной проект, часть 1. Формирование модели монетизации | Мобильное приложение | Анализ продуктовых и маркетинговых метрик, проверка гипотез | pandas seaborn matplotlib numpy scipy math |
| 12.2 | Выпускной проект, часть 2. A/B-тестирование | Интернет-магазин | Исследовательский анализ данных, A/B-тестирование | pandas seaborn matplotlib plotly scipy math |
| 12.3 | Выпускной проект, часть 3. SQL | Мобильное приложение | SQL-запросы к базе данных | pandas sqlalchemy |
