Работаю на Python, использую библиотеки Pandas, Matplotlib, Plotly, Seaborn, Requests, NumPy. https://github.com/GayaneTen Работаю на SQL. Делаю дашборды в Tableau. https://public.tableau.com/profile/gayane7448#!/?newProfile=&activeTab=0 Анализировала A/B тесты Делаю прогнозы и предсказания с помощью машинного обучения. Пример некоторых работ. 1) Необходимо было узнать поведение пользователей мобильного приложения, повлияло ли изменение дизайна на продажи. Для решения этой задачи я изучала результаты A/A/B-эксперимента. Проект выполняла с помощью Python в Jupyter Notebook, визуализация с помощью plotly. Я проверяла результаты AA и A/B теста на корректность и выявляла статистическую значимость результатов с применением поправкой Бонферрони для множественных тестов (было 12 групп). Результат показал, что изменение в дизайне никак не отобразились на поведении клиентов. https://github.com/GayaneTen/yandex_projects/tree/main/Анализ%20интернет-магазина%20продуктов%20питания%20для%20бизнеса.%20Сборный%20проект 2) Необходимо было определить перспективный тариф для телеком компании. Была дана информация о тратах клиентов в течение месяца двух тарифов. Проект выполняла с помощью Python в Jupyter Notebook. Я провела исследовательский анализ данных, затем сформулировала нулевую и альтернативную гипотезы. Отличается ли средняя выручка от пользователей разных тарифов? (нулевая гипотеза - не отличается, альтернативная - отличается). Проверяла с помощью метода scipy.stats.ttest_ind. Результат оказался значимым, так что был сделан вывод о том, какой тариф приносит больше прибыли. https://github.com/GayaneTen/yandex_projects/tree/main/Перспективный%20тариф%20для%20телеком%20компании 3) В проекте надо было спрогнозировать вероятность оттока клиентов фитнес-клуба. Проект делала с помощью Python в Jupyter Notebook. Я выявила, какие признаки пользователей коррелируют с оттоком. Использовала библиотеки scipy и sklearn для создания модели прогнозирования оттока. Обучила модель на train-выборке двумя способами: логистической регрессией и случайным лесом. Использовала три метрики: Accuracy, Precision, Recall. Обучила модель кластеризации на основании алгоритма K-Means и спрогнозировала кластеры клиентов. По каждому кластеру построила распределение признаков и выяснила, какие из кластеров более надежные, а какие склонны к оттоку. https://github.com/GayaneTen/yandex_projects/tree/main/Прогноз%20оттока%20клиентов%20в%20фитнес%20клубе

Организация и прием студентов, работа с преподавателями, составление учебного плана, работа с документами.

Писала статьи на актуальные социальные темы(миграция, проблемы молодежи, религия, политические протестные движения и т.д.). Участвовала в совместных проектах, где мы использовали как социологические методы исследований (фокус-группы, интервью, опросы и т.д.), так и семантический анализ текстов, контент-анализ и т.д.