Alexander Andrianov Email and Phone Number

Проект по анализу платежной дисциплины. Анализировал данные по владельцам лицевых счетов в многоквартирных домах. Выполнил проверку данных, устранение артефактов и дефектов; расчет сумм всех поступивших платежей каждого ЛС с учетом возвратов; расчет плановой выручки каждого ЛС по ставкам тарифов; расчет частоты платежей для каждой квартиры. Проект выполнен в colab с текстовыми комментариями кода. Использовал библиотеки pandas, seaborn, matplotlib.https://github.com/ecocity-coder/payers Проект по анализу продаж компьютерных игр. Анализировал данные о продажах игр в разных странах, от разных издателей и для разных платформ. Выполнил подготовку данных, преобразование типов, очистку данных. Провел исследовательский анализ данных, составил портрет пользователя и проверил гипотезы по рейтингам платформ и жанров игр. Использовал библиотеки pandas, seaborn, matplotlib. Выполнил notebook с текстовыми комментариями кода.https://github.com/ecocity-coder/games_market Проект по анализу данных сервиса Яндекс Недвижимость в Санкт-Петербурге. Выполнил поиск и заполнение пропусков, преобразование типов данных, поиск и очистка дубликатов, поиск редких и выбивающихся значений. Провел исследовательский анализ данных с построением гистрограмм по параметрам продающихся объектов. Выявил скорость продаж квартир и зависимость цены от параметров объектов. Использовал библиотеки pandas, seaborn, matplotlib. Выполнил notebook с текстовыми комментариями кода. https://github.com/ecocity-coder/real_estate_piter Проект по исследованию надежности заемщиков для кредитного отдел банка. Предобработка данных: очистка пропусков, исправление нулевых значений. Проанализировал зависимость платежеспособности заемщиков от трудового стажа, семейного положения, количества детей. Использовал библиотеки pandas, numpy, matplotlib. Выполнил notebook с текстовыми комментариями кода. https://github.com/ecocity-coder/credits

Цель: установить зависимость платежеспособности заемщиков от трудового стажа, семейного положения, количества детей и других факторов.Выполнил поиск и очистку пропусков, выявление артефактов, аномалий, повторов и ошибок.Провел исправление нулевых значений.Провел лемматизацию словоформ в данных о цели займа.Провел категоризацию заемщиков на основании их стажа, возраста, семейного положения, наличия детей.Установил категории заёмщиков, наиболее перспективные и безопасные для бизнеса кредитного отдела.Использовал библиотеки pandas, numpy, matplotlib, NLTKВыполнил notebook с текстовыми комментариями кода.https://github.com/ecocity-coder/credits

Цель: получить информацию о времени продажи квартиры. Найти факторы, которые большего влияют на стоимость квартиры.Выполнил поиск и заполнение пропусков, преобразование типов данных, поиск и очистку дубликатов, поиск редких и выбивающихся значений.Провел исследовательский анализ данных с построением гистрограмм по параметрам продающихся объектов. Выявил скорость продаж квартир и зависимость цены от параметров объектов. Выполнил notebook с текстовыми комментариями кода.https://github.com/ecocity-coder/real_estate_piter

перевел работу от использования файлов xlsx и google sheets к базе данных postgres. Python, SQL, Postgres, DataLens, dashboards, Pandas.

Цель: анализировать рынок игр на разных платформах для определения значимых продуктов. Определить факторы, влияющие на продажи.Выполнил подготовку данных, преобразование типов, очистку данных.Провел исследовательский анализ данных, составил портрет пользователя и проверил гипотезы по рейтингам платформ и жанров игр.Выявил факторы, оказывающее влияние на решение о покупке, и факторы, которыми можно пренебречь.Анализом установил, игры на каких платформах и каких жанров будут коммерчески более выгодны. https://github.com/ecocity-coder/games_market