Привет, меня зовут Павел
Меня всегда увлекала работа с цифрами и табличными данными в Excel. Но в определенный момент стало ясно, что современному бизнесу недостаточно простых табличек — нужны более мощные инструменты для обработки данных, ведь на их основе сегодня принимаются важные стратегические решения.
Все это привело к изучению нового направления — анализ данных. С помощью karpov.courses освоил работу с SQL и pandas, подтянул теоретические знания о статистике, поработал с реальной аналитической инфраструктурой. Сейчас продолжаю активно осваивать все современные инструменты и делать упор на практике. Так, для развертывания своего проекта освоил базовую работу с Docker. Решаю, приближенные к реальным, задачи в Симуляторе Data Science от karpov.courses.
С энтузиазмом берусь за новые задачи и с упорством довожу их до финала. Готов к сотрудничеству и предложениям 🤝
| Проект | Что реализовано | Стек |
|---|---|---|
| Автоматизация отправки отчета (репозиторий) | С помощью Docker Compose на localhost развертывается Airflow, внутри которого каждый день в Telegram-чат отправляется отчет о работе приложения | Docker, Airflow, SQL, ClickHouse, Python, Telegram API |
| Анализ работы Интернет-магазина (репозиторий) | Реализованы когортный анализ и RFM-сегментация пользователей. Проведен ad hoc анализ. | Python, pandas, matplotlib, seaborn |
| Анализ результатов эксперимента (репозиторий) | Проверка с помощью статистических тестов гипотезы о том, что новый алгоритм рекомендации постов приведет к увеличению метрики CTR | Python, pandas, numpy, matplotlib, seaborn, pandahouse, SQL, ClickHouse, statsmodels, scipy |
| Решение тестового задания (репозиторий) | Интерпретация результатов АБ-теста, составление SQL-запросов и написание функций на Python | Python, pandas, matplotlib, seaborn, scipy, pandahouse, SQL, Clickhouse |