vmcapilla / Portfolio

Portfolio de mis programas

Portfolio de Victor

Proyectos en SQL

Proyecto 5: Alcala_FC_Stats

• Todo el análisis en MySQL
• Unión de las diferentes bases de datos, elaboración del EER
• Todo tipo de consultas de goleadores y consultas de segundo grado
• Guardado en vistas de las consultas más típicas

Proyecto 6: Expected Goals

• Limpieza de datos en Excel y Análisis en BigQuery
• Unión de dos subconsultas para realizar una tabla general con datos de local y visitante
• Creación de tabla en BigQuery y guardado de consulta como nueva tabla para subconsultas
• Consultas sobre goles esperados tanto a favor como en contra. También tabla resumen de los partidos con partidos jugados, ganados, empatados y perdidos.

Output by Top 5 xGC_Ratio:

SELECT 
  Team, GC, xGC, ROUND(GC/xGC, 2) AS xGC_Ratio
FROM
  `wc2018_all_games_stats` 
ORDER BY
  xGC_Ratio
LIMIT 5

Proyectos en R

Proyecto 1: Comparador de comportamiento en viajes. Usuarios vs Suscriptores

• Todo el análisis en R, paquetes principales: tidyverse, dplyr, ggplot2 y lubridate
• Unión de 12 bases de datos, limpieza de datos y formateo de tipos para su correcto análisis
• Análisis por semana, mes y estaciones de ~4.6M de registros, agrupando por tipo de usuario
• Resumen e indicaciones de las estaciones con más probabilidad de convertir usuarios en suscriptores.

Proyecto 2: Análisis reloj deportivo. Principales estadísticas (Sueño, Pasos, Actividad, BMI)

• Todo el análisis en R, paquetes principales: tidyverse, dplyr, tidyr, ggplot2, lubridate y scales
• Análisis de 4 bases de datos, limpieza de datos y formateo de tipos para su correcto análisis
• Análisis por característica (pasos, sueño, actividad y BMI)
• Elaboración de percentiles para su análisis por categoría

Proyecto 3: Rey de Europa. Sistema de Clasificación del Boxeo en el fútbol

• Todo el análisis en R, paquetes principales: tidyverse, dplyr, tidyr, ggplot2, lubridate, forcats y viridis
• Análisis en una base de datos, limpieza de datos y formateo de tipos para su correcto análisis
• Elaboración de columna condicional autorepercutida para calcular campeón en cada partido
• Elaboración de columna de país de cada equipo aplicando la mayoría de partidos en determinado país como su país de procedencia

Proyecto 4: Winner Stays.European Football Analysis with Streaks and Countries

• Todo el análisis en R, paquetes principales: tidyverse, dplyr, tidyr, ggplot2, lubridate, forcats y viridis
• Análisis en una base de datos, limpieza de datos y formateo de tipos para su correcto análisis
• Elaboración de columna condicional autorepercutida para calcular campeón en cada partido y las rachas si el campeón no cambia
• Elaboración de nuevas gráficas a modo de mapas con los datos obtenidos