1 |
Изучение музыкальных предпочтений |
Проведение исследования аудитории сервиса Яндекс.Музыка для удержания клиентов и привлечения новых |
python, pandas |
2 |
Исследование надёжности заёмщика |
Определение того как, влияет ли семейное положение и количество детей клиента на факт погашения кредита в срок |
python, pandas , numpy, pymystem3, matplotlib, seaborn, collections |
3 |
Исследование объявлений о продаже квартир |
На основе данных Яндекс.Недвижимости определение рыночной стоимости объектов недвижимости в Санкт-Петербурге и соседних населённых пунктах за несколько лет |
python, pandas , numpy, pymystem3, matplotlib, seaborn, collections |
4 |
Определение перспективного тарифа для телеком-компании |
Анализ тарифов на выборке клиентов. Корректировка рекламного бюджета телеком-компаниии для определения наиболее доходного тарифного плана |
python, pandas , numpy, matplotlib, seaborn, scipy |
5 |
Сборный проект 1. Определение критериев определяющиех успешность игры и закономерности |
Определение критерии успешноти игры в регионе для проведения более успешной рекламной кампании |
python, pandas , numpy, matplotlib, seaborn, datetime, scipy |
6 |
Аналитика в авиакомпании |
Определиение предпочтения пользователей по различным направлениям перелетов |
python, pandas , numpy, matplotlib, seaborn, bs4, requests, SQL |
7 |
Маркетинговая аналитика Яндекс.Афиши |
Определение невыгодных источников траффика для снижения расходов |
python, pandas , numpy, matplotlib, seaborn, math, datetime, scipy |
8 |
Проверка гипотез. A/B-тест |
Приоретизация гипотез и анализ A/B теста для увеличения выручки интернет-магазина |
python, pandas , numpy, matplotlib, seaborn, math, datetime, scipy |
9 |
Рынок заведений общественного питания Москвы |
Анализ рынка объектов общественного питания для оптимального выбора места и величины открываемого кафе |
python, numpy, pandas, matplotlib, plotly, seaborn, pyyaml, requests |
10 |
Сборный проект 2. Анализ поведения пользователей мобильного приложения |
Изучение поведения пользователей мобильного приложения. Изучение воронки продаж. Определение того, как пользователи доходят до покупки. Изучение результатов A/A/B-эксперимента |
python, pandas , numpy, seaborn, scipy, math, matplotlib, plotly |
11 |
Автоматизация. Анализ взаимодействия пользователей с карточками Яндекс.Дзен |
Создание дашборда основыванного на пайплайне |
python, pandas , numpy, scipy, sqlalchemy, seaborn, plotly, matplotlib, dash |
12 |
Прогнозирование оттока посетителей |
Разработка стратегии взаимодействия с клиентами на основе анализа данных фитнес-центров. Подготовка рекомендаций по удержанию клиентов |
python, pandas , numpy, scipy, math, seaborn, plotly, matplotlib, sklearn |
13.1 |
Выпускной проект. Оценка результатов А/B-тестирования |
Оценка корректности проведения результатов A/B-теста |
python, pandas, numpy, matplotlib, math, scipy, plotly, seaborn |
13.2 |
Выпускной проект. Выявление профилей потребления |
Анализ покупательской активности магазина для дома и быта. Сегментация покупателей по профилю потребления |
python, pandas, numpy, pymystem3, collections, seaborn, math, scipy, plotly, sklearn |
13.3 |
Выпускной проект. Анализ базы данных SQL сервиса чтения книг |
Анализ базы данных сервиса для чтения книг по подписке. Формирование необходимыех SQL - запросов |
python, pandas , numpy, sqlalchemy, datetime, SQL |