{"id":15097642,"url":"https://github.com/nikita-data/eda_projects","last_synced_at":"2026-01-06T17:15:16.394Z","repository":{"id":239959047,"uuid":"800953843","full_name":"nikita-data/EDA_projects","owner":"nikita-data","description":"Exploratory data analysis projects ","archived":false,"fork":false,"pushed_at":"2024-05-28T18:06:46.000Z","size":21356,"stargazers_count":1,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-03-27T16:20:00.934Z","etag":null,"topics":["cac","data-analysis","data-visualization","eda","folium-maps","hypothesis-testing","ltv","math","matplotlib","numpy","plotly","python","regular","roi","scipy","seaborn","segmentation","statistics","unit-economics"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/nikita-data.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2024-05-15T10:13:19.000Z","updated_at":"2024-06-20T02:24:01.000Z","dependencies_parsed_at":"2024-05-28T13:13:21.724Z","dependency_job_id":"a8c4a6d7-cabf-4289-a7f3-35a13a6589b8","html_url":"https://github.com/nikita-data/EDA_projects","commit_stats":{"total_commits":71,"total_committers":1,"mean_commits":71.0,"dds":0.0,"last_synced_commit":"39e7f574d0d5b86e028c33def16751c9676ce8c1"},"previous_names":["nikita-data/eda_projects"],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/nikita-data%2FEDA_projects","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/nikita-data%2FEDA_projects/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/nikita-data%2FEDA_projects/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/nikita-data%2FEDA_projects/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/nikita-data","download_url":"https://codeload.github.com/nikita-data/EDA_projects/tar.gz/refs/heads/main","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":245878929,"owners_count":20687297,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["cac","data-analysis","data-visualization","eda","folium-maps","hypothesis-testing","ltv","math","matplotlib","numpy","plotly","python","regular","roi","scipy","seaborn","segmentation","statistics","unit-economics"],"created_at":"2024-09-25T16:24:27.245Z","updated_at":"2026-01-06T17:15:16.340Z","avatar_url":"https://github.com/nikita-data.png","language":"Jupyter Notebook","readme":"# EDA-projects\n\n| №  | Наименование проекта  | Описание проекта | Стек |\n|:-- |:----------------------|:--------------|:-------------|\n| 01 |[Исследование рынка заведений общественного питания Москвы](https://github.com/nikita-data/EDA_projects/blob/main/01_Catering%20market%20research/Catering_market_research%20(2).ipynb)|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 |\n| 02 |[Исследование надежности заемщиков](https://github.com/nikita-data/EDA_projects/blob/main/02_bank%20borrower%20research/bank_borrower_research%20(1).ipynb)|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|\n| 03 |[Исследование интернет-магазина «Стримчик»](https://github.com/nikita-data/EDA_projects/blob/main/03_e-commerce%20research/E-commerce%20research.ipynb)|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 |\n| 04 |[Исследование объявлений о продаже квартир в Санкт-Петербурге](https://github.com/nikita-data/EDA_projects/blob/main/04_real%20estate%20research/real%20estate%20research.ipynb)|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 |\n| 05 |[Исследование сервиса аренды самокатов](https://github.com/nikita-data/EDA_projects/blob/main/05_scooter%20rental%20research/scooter%20rental%20research.ipynb)|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|\n| 06 |[Исследование пользователей сервиса Яндекс Музыка](https://github.com/nikita-data/EDA_projects/blob/main/06_yandex%20music%20research/yandex_music_research.ipynb)|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|\n","funding_links":[],"categories":[],"sub_categories":[],"project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fnikita-data%2Feda_projects","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fnikita-data%2Feda_projects","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fnikita-data%2Feda_projects/lists"}