Exploratory Data and Statistical Analysis

Game Profitability Study

This project builds a predictive system for Interconnect, a telecommunications operator, to anticipate customer churn. Using historical data on contracts, services, and customer characteristics, the model identifies patterns to proactively manage customer retention strategies.

Highlights: Pandas, NumPy, SciPy, Matplotlib, Seaborn, data cleaning, handling of missing and duplicate values, exploratory data analysis (EDA), initialization and exploratory data analysis of the "games.csv" dataset, data cleaning, analysis of video game sales by platform and genre, and hypothesis testing on platform and genre classifications

Installation

To install the project from GitHub, follow these steps:

1. Clone the repository: git clone https://github.com/Lani-Dom/Exploratory-Data-Statistical-Analysis.git
2. Navigate to the project directory: cd Exploratory-Data-Statistical-Analysis
3. Install dependencies using the Requirements.txt file.
4. Open the Jupyter Notebook to explore and execute the code.
5. Utilize the datasets folder to access the data used in the project.

*This project was created by Lani Domínguez (Product Designer and Data Scientist) during TripleTen Academy's Data Science bootcamp.

Análisis Exploratorio de Datos y Estadístico

Estudio de Rentabilidad de Juegos

Este proyecto desarrolla un sistema predictivo para Interconnect, un operador de telecomunicaciones, para anticipar la cancelación de clientes. Utilizando datos históricos sobre contratos, servicios y características de los clientes, el modelo identifica patrones para gestionar proactivamente las estrategias de retención de clientes.

Características destacadas: Pandas, NumPy, SciPy, Matplotlib, Seaborn, limpieza de datos, tratamiento de valores ausentes y duplicados, análisis exploratorio de datos (EDA), inicialización y análisis exploratorio de datos del dataset "games.csv", limpieza de datos, análisis de ventas de videojuegos por plataforma y género, y pruebas de hipótesis sobre clasificaciones por plataforma y género

Instalación

Para instalar el proyecto desde GitHub, sigue estos pasos:

1. Clona el repositorio: git clone https://github.com/Lani-Dom/Exploratory-Data-Statistical-Analysis.git
2. Navega al directorio del proyecto: cd Exploratory-Data-Statistical-Analysis
3. Instala las dependencias utilizando el archivo Requirements.txt.
4. Abre el Jupyter Notebook para explorar y ejecutar el código.
5. Utiliza la carpeta de datasets para acceder a los datos utilizados en el proyecto.

*Este proyecto fue creado por Lani Domínguez (Product Designer y Data Scientist) durante el bootcamp de Ciencia de Datos de TripleTen Academy.