Часто задаваемый вопрос: "Есть знание теории, но как поддерживать навык на практике?"

Есть множество ситуаций, когда вроде как есть знания, но практической подготовки кажется не хватает. Это может случится по 2 основным причинам:
📍мало практики было на обучении, упор на теорию "на бумажке" (не получили практический опыт)
📍практика была давно и в текущих задачах вы не применяете те инструменты и знания, которые вы изучали (не поддерживаете практический опыт на прежнем уровне)


✅ Практические проекты (или так называемые "pet-проекты") - отличный способ тренировки своих навыков

В сети есть огромное количество данных, которые можно найти под ваши интересы и использовать в проекте. Тем самым у вас есть самостоятельный выбор:
1️⃣ какой проект хотите реализовать
2️⃣ какие навыки хотите подтянуть в момент реализации проекта
3️⃣ какие инструменты хотите вспомнить/освоить в процессе


А чтобы было проще определиться с темой и найти данные, делюсь ссылками на подборки датасетов в статьях:

52 датасета для тренировочных проектов

Подборка датасетов для машинного обучения

Лучшие датасеты для машинного обучения и анализа данных

ТОП 3 сайта для поиска датасетов
1️⃣Kaggle
2️⃣The World Bank Data Catalog
3️⃣Google Dataset Search


Хочешь узнать больше про проекты в сфере data-анализа и инжиниринга данных, освоить нужные инструменты для их реализации, записывайся в группу курса "Основы анализа данных" 😉