KO
|
EN
gitlite — search
Search
#python
#java
#python3
#arduino
#golang
#machine-learning
#rust
#html
#flask
#javascript
#seismology
#nodejs
yandex_practicum_da
★ 18
Open GitHub ↗
No description available.
Download README (.md)
Explore Similar Repositories
javactrl-kafka
:
Distributed, Scalable, Fault-Tolerant, Minimalistic Workflow Engine - No DAGs, No YAML, No Cumbersome Diagrams, Just Code
DRG_JavaScript
:
Javascript Grouper for CHS-DRG
SimpleToastDemo
:
No description available.
autosneakphish
:
Automated evasive phishing infrastructure
naturesnap
:
No description available.
// repository documentation
Was this content helpful?
★ 0
(0 ratings)
Select Rating:
★
★
★
★
★
Submit Feedback
Recent Feedback
×
Download README
Do you want to download the
README.md
file for
yandex_practicum_da
?
Download (.md)
# Data Analyst ## Описание: В репозитории представлены проекты, реализованные в рамках курса Аналитик данных (Яндекc.Практикум). ## Основные инструменты и навыки: - Языки: Python, SQL - Библиотеки: Pandas, NumPy, SciPy, Math - Визуализация данных: Matplotlib, Seaborn, Plotly, Folium - Построение дашбордов: Tableau - Юнит-экономика, когортный анализ, событийная аналитика - А/В-тестирование, проверка гипотез ## Проекты: | Проект | Описание | Навыки и инструменты | |----------------|:---------:|----------------:| | [Анализ рынка продаж компьютерных игр](https://github.com/ZharikhinaAlena/yandex_practicum_da/blob/main/games/game_store%20.ipynb) | Было проведено исследование рынка игровой индустрии для прогнозирования наиболее прибыльных ниш и выявлены параметры, определяющие успешность игры в разных регионах мира. Это помогло сделать ставку на потенциально популярный продукт и спланировать рекламные кампании. | Python, Pandas, Matplotlib, Numpy, Seaborn, Scipy, предобработка данных, исследовательский анализ, проверка статистических гипотез. | | [Анализ бизнес-показателей развлекательного приложения Procrastinate Pro+](https://github.com/ZharikhinaAlena/yandex_practicum_da/blob/main/business_indicators/business_indicators.ipynb) | На основе данных проведен анализ поведения пользователей, рассчитаны продуктовые и маркетинговые метрики (LTV, ROI, CAC, конверсия, удержание пользователей). Выявлены причины неокупаемости рекламы, даны рекомендации по эффективным каналам привлечения. | Python, Pandas, Matplotlib, Numpy, Seaborn, когортный анализ, юнит экономика, продуктовые метрики. | | [Анализ поведения пользователей в мобильном приложении по продаже продуктов питания](https://github.com/ZharikhinaAlena/yandex_practicum_da/blob/main/aab_test/ab_mobile_app%20.ipynb) | В данном проекте была исследована воронка продаж и проанализированы результаты A/A/B-тестирования в мобильном приложении по продаже продуктов питания. Выявлено на каком этапе теряется большее количество пользователей, даны рекомендации по усовершенствованию приложения. В ходе проверки A/B теста сделан вывод, что изменение шрифта в приложении не повлияло на поведение пользователей. | Python, Pandas, Matplotlib, Numpy, Seaborn, Scipy, Math, визуализация данных, проверка статистических гипотез, событийная аналитика, A/А/B-тесты. | | [Анализ рынка заведений общественного питания Москвы](https://github.com/ZharikhinaAlena/yandex_practicum_da/blob/main/catering_moscow/catering_moscow.ipynb) | Мною было подготовлено исследование заведений общественного питания Москвы, найдены интересные особенности и презентованы полученные результаты инвесторам, даны рекомендации по открытию нового заведения. | Python, Pandas, Matplotlib, Seaborn, Plotly, Folium, исследовательский анализ, визуализация данных. | | [Выпускной проект: Анализ поведения пользователей в мобильном приложении «Ненужные вещи»](https://github.com/ZharikhinaAlena/yandex_practicum_da/blob/main/final_project_mobile_app/final_mobile_app.ipynb) | В ходе анализа поведения пользователей были выявлены общие поведенческие сценарии и построены по ним воронки событий. На основании исследования можно провести дальнейшую сегментацию пользователей и поработать над их вовлеченностью. | Python, Pandas, Matplotlib, Numpy, Seaborn, Plotly, проверка статистических гипотез, поведенческие сценарии, событийная аналитика, диаграмма Санкей. | | [Выпускной проект: A/B тесты](https://github.com/ZharikhinaAlena/yandex_practicum_da/blob/main/final_ab_test/final_ab_test.ipynb) | В ходе проекта удалось оценить корректность проведения A/B теста, изучить результаты тестирования и проверить статистические гипотезы. | Python, Pandas, Matplotlib, Numpy, Seaborn, Scipy, Math, Plotly, проверка статистических гипотез, A/B тестирование. |
