📦 Мои любимые книги

Курсы это конечно хорошо, но они, как правило, только задают вектор развития, не вдаваясь глубоко в темы.

А вот покопаться детальнее отлично помогают книги.

Хочу поделиться с тобой моим любимым списком книг, некоторые из которых вообще настольные, к которым можно возвращаться постоянно:

📎 По АБ-тестам не так давно вышла книга “Доверительное А/В-тестирование” от Рона Кохави, Дианы Тан и Я Сюй. Думаю многие уже читали её, но если ещё не, рекомендую. Не то чтобы закроет прям все вопросы, но очень многое точно прояснит.

📎 “Работа с данными в любой сфере” от Кирилла Еременко — отличная книга после курсов, когда ты впитал тонну информации, эта небольшая книжка помогает уложить всё по полочкам. Особенно хорошо раскрывается тема исследований. Полезна как новичкам, так и при первых симптомах выгорания 🙂

📎 Ещё одна суперпопулярная книга “Графики, которые убеждают всех” от Александра Богачева, про тонкости визуализаций. Если ты много работаешь с BI и не читал эту книгу, то ты где-то свернул не туда.

📎 “Big Data” от Анналина Ына — очень маленький обзорный справочник по алгоритмам ML, они не разбираются детально с точки зрения реализации, но там очень доходчиво описано зачем какой алгоритм нужен, какие задачи он решает и как ты можешь применять их своей практике. Алгоритмы там не супер сложные, все хорошо ложатся в практику продуктовой аналитики.

📎 “Практическая статистика для специалистов Data Science” от Питера и Эндрю Брюсов. Шикарная книга по статистике на практике, в которой разбираются 50 важнейших понятий на R и Python, от EDA до ML. Но она чуть сложнее в понимании, требует небольшой базы.

📎 “Аналитическая культура” Карла Андерсона — наверное, одна из моих любимых. Почти пошаговая инструкция как сделать из компании, которая знать не знала про аналитику — показательную data-driven компанию. От нюансов организации сбора данных до найма и бизнес-результатов.

Здесь я не стал писать про книги по языкам, но они тоже крайне полезны. Это скорее для общего развития.

Закидывайте своих фаворитов 🙂