Обязанности и достижения:
В ходе обучения в Яндекс.Практикуме были освоены методы работы с сырыми данными, способы предобработки данных, принципы исследовательского анализа данных, способы визуализации данных с помощью библиотек Seaborn, Plotly, Matplotlib, принципы описательной статистики и методы проверки статистических гипотез, принципы написания SQL-запросов, работа с документацией SQL и агрегирующими функциями, методы расчета поведенческих метрик, принципы построения воронок, методы когортного анализа и юнит-экономики, порядок проведения и анализа результатов А/В тестов, методы приоретизации гипотез, принципы работы с библиотекой SQLAlchemy, работу с Tableau Public, изучены основные методы и принципы машинного обучения.
Выполненные проекты:
1. Исследование надежности заемщиков
Описание: для разработки модели кредитного скоринга необходимо было осуществить анализ данных статистики о платежеспособности клиентов, оценку влияния различных факторов на факт погашения кредита в срок
Стек: Python, Pandas, Pymysystem3, Collections
Выполнила предобработку данных с применением библиотек Pymysystem3 и Collections для создания массива лемм целей кредитования. Было оценено влияние количества детей, семейного положения, уровня дохода, пола и целей кредитования на возврат кредита, определен наиболее сильно влияющий фактор (пол клиента).
2. Продажа квартир в Санкт-Петербурге
Описание: для построения автоматизированной системы определения рыночной стоимости недвижимости необходимо было осуществить анализ архива объявлений о продаже квартир в Санкт-Петербурге и соседних населенных пунктах за несколько лет и определить параметры, влияющие на рыночную стоимость квартир.
Стек: Python, Pandas, Datetime, Matplotlib, Seaborn, NumPy
Выполнила предобработку данных, анализ вариантов заполнения пропущенных значений параметров в соответствии с СНИП «Строительные нормы проектирования жилых зданий», провела исследовательский анализ данных при помощи библиотек Matplotlib и Seaborn. Определила, что на стоимость квартиры преимущественно влияют площадь квартиры, количество комнат и этаж, на котором она расположена.
3. Исследование рынка общепита в Москве
Описание: для оценки инвестиционной привлекательности открытия нового кафе было необходимо провести исследование рынка заведений общественного питания в Москве и оценить текущее положение дел на рынке.
Стек: Python, Pandas, Matplotlib, Seaborn, Plotly, Сollections, Requests
Выполнила определение количества и доли разных типов заведений общественного питания, сетевых и несетевых заведений, определение количества посадочных мест в заведениях разных типов, районов и улиц наибольшей и наименьшей концентрацией заведений и оценки среднего количества посадочных мест в заведениях этих районов, также мною были сформированы рекомендации по выбору района расположения нового кафе, с учетом полученных данных и информации о возрастном соотношении населения и транспортной доступности по различным районам Москвы.