Репозиторий учебных проектов

projects during studying

Описание проектов:

Номер	Название и ссылка	Задача проекта
1	Исследование надёжности заёмщиков — анализ банковских данных	На основе данных кредитного отдела банка исследовал влияние семейного положения и количества детей на факт погашения кредита в срок. Была проведена предобработка данных и анализ. Выделены леммы в значениях столбца и категоризированы данные.
2	Продажа квартир в Санкт-Петербурге — анализ рынка недвижимости	Используя данные сервиса Яндекс.Недвижимость, определить рыночную стоимость объектов недвижимости и типичные параметры квартир
3	Исследования рынка общепита в Москве для принятия решения об открытии нового заведения	Исследование рынка общественного питания на основе открытых данных, подготовка презентации для инвесторов
4	Изучение закономерностей, определяющих успешность игр	Используя исторические данные о продажах компьютерных игр, оценки пользователей и экспертов, жанры и платформы, выявлены параметры, определяющие успешность игры в разных регионах мира. На основании этого подготовлен отчет для магазина компьютерных игр для планирования рекламных кампаний. Проведена предобработка данных, анализ. Выбран актуальный период для анализа. Составлены портреты пользователей каждого региона. Проверены гипотезы.
5	Оптимизация маркетинговых затрат для приложения	На основе данных о расходах компании на рекламу были установлены наиболее и наименее прибыльные каналы. Выявлены проблемы окупаемости, даны рекомендации
6	Изучение поведения клиентов приложения. Оценка результатов A/B теста	В данном проекте мной были изучены принципы событийной аналитики. Я построил воронку продаж, исследовал путь пользователей до покупки. Проанализировал результаты A/B-теста введения новых шрифтов. Сравнил 2 контрольных группы между собой, убедился в правильном разделении трафика, а затем сравнил с тестовой группой. Выявлено, что новый шрифт значительно не повлияет на поведение пользователей.
7	Прогнозирование вероятности оттока пользователей для фитнес-центров	В данном проекте использовано машинное обучение. Спрогнозирована вероятность оттока для каждого клиента; сформированы типичные портреты пользователей: выделены наиболее яркие группы, охарактеризованы их основные свойства; проанализированы основные признаки, наиболее сильно влияющие на отток.