| 01 |
Исследование рынка заведений общественного питания Москвы |
В рамках данного проекта я подготовлю исследование рынка Москвы для открытия заведения общественного питания. Найду интересные особенности и презентую полученные результаты, которые в будущем помогут в выборе подходящего места для инвесторов из фонда «Shut Up and Take My Money» |
Python, pandas, matplotlib, math, scipy, numpy, random, warnings, re, missingno, os, requests, json, folium, seaborn, plotly |
| 02 |
Исследование надежности заемщиков |
Заказчик — кредитный отдел банка. Нужно разобраться, влияет ли семейное положение и количество детей клиента на факт погашения кредита в срок. Входные данные от банка — статистика о платёжеспособности клиентов. Результаты исследования будут учтены при построении модели кредитного скоринга — специальной системы, которая оценивает способность потенциального заёмщика вернуть кредит банку.По представленным статистическим данным о платежеспособности клиентов банка необходимо провести исследование- влияет ли семейное положение и количество детей клиента на факт погашения кредита в срок. Результаты исследования будут учтены при построении модели кредитного скоринга — специальной системы, которая оценивает способность потенциального заёмщика вернуть кредит банку. |
Python, pandas |
| 03 |
Исследование интернет-магазина «Стримчик» |
В рамках данного исследования я произведу анализ интернет-магазина «Стримчик», который продаёт по всему миру компьютерные игры. Из открытых источников доступны исторические данные о продажах игр, оценки пользователей и экспертов, жанры и платформы (например, Xbox или PlayStation). Нужно выявить определяющие успешность игры закономерности. Это позволит сделать ставку на потенциально популярный продукт и спланировать рекламные кампании. |
Python, pandas, matplotlib, math, scipy, numpy, random, seaborn, warnings, re, missingno |
| 04 |
Исследование объявлений о продаже квартир в Санкт-Петербурге |
В рамках данного проекта я подготовлю исследование объявлений о продаже квартир в Санкт-Петербурге и соседних населённых пунктов за несколько лет. Нужно научиться определять рыночную стоимость объектов недвижимости. Задача — установить параметры. Это позволит построить автоматизированную систему: она отследит аномалии и мошенническую деятельность. |
Python, pandas, matplotlib, seaborn, warnings |
| 05 |
Исследование сервиса аренды самокатов |
В рамках данного исследования я произведу анализ популярного сервиса аренды самокатов GoFast. Мне передали данные о некоторых пользователях из нескольких городов, а также об их поездках. |
Python, pandas, matplotlib, math, scipy, numpy, random, статистические гипотезы, распределения |
| 06 |
Исследование пользователей сервиса Яндекс Музыка |
Сравнение Москвы и Петербурга окружено мифами. Например: Москва — мегаполис, подчинённый жёсткому ритму рабочей недели; Петербург — культурная столица, со своими вкусами. На данных Яндекс Музыки я сравню поведение пользователей двух столиц. |
Python, pandas |