TGViewer
LEFT JOIN Insider LEFT JOIN Insider @leftjoin_insider · 1.43K subscribers
Post #118 1.1K
«Это база» или что почитать, чтобы прокачаться в Data

Как-то один умный человек сказал: «Все знают и все понимают только дураки да шарлатаны». Поэтому сейчас мы вынуждены постоянно узнавать что-то новое, чтобы развивать свои навыки.

А так хотелось бы скачать все знания на флешку и загрузить себе в мозг. Но пока такой способ еще не изобрели, мы подготовили подборку книг и статей, которые стоит почитать, чтобы лучше «уметь в Data».

🔵Fundamentals of Data Visualization (Claus O. Wilke)

В книге описаны принципы выбора подходящих графиков, правильное использование цветов и масштабов, а также важность контекста для восприятия информации. А также подробно разобраны do и don't в вопросе отображения данных.

🔵Introduction to Modern Statistics (2-е издание)

Учебник рассчитан на начинающих изучать статистику. Он знакомит с основами работы с данными, методами анализа и визуализации. Первое издание лежит рядом на том же сайте.

🔵Лонгрид про базы данных №1

В лонгриде описаны принципы работы и компоненты баз данных. По сути — выжимка всего самого главного из двух классных книг по теме. Ссылки на книги можно найти там же.

🔵«Графики, которые убеждают всех»: 2-е дополненное и переработанное издание (Александр Богачев)

Книга рассказывает, как подготовить данные к работе, как выбрать подходящий график или диаграмму и оформить их так, чтобы они ясно доносили ваш месседж. А еще там можно найти узнать, как распознать ситуацию, когда статистикой пытаются манипулировать.

🔵15 Math Concepts Every Data Scientist Should Know (David Hoyle)

Поскольку алгоритмы машинного обучения становятся все более мощными, нужно четко понимать их ключевые компоненты. В этой книге объясняются основные математические принципы, лежащие в основе часто используемых алгоритмов, подробно описывается их важность и практическое применение.

🔵Data Pipelines Pocket Reference: Moving and Processing Data for Analytics (James Densmore)

В этом справочнике дается определение конвейеров и объясняется, как они работают в современном стеке данных.

🔵Думай как математик: Как решать любые задачи быстрее и эффективнее (Барабара Оакли)

Эта книга не о формулах и уравнениях. Она о том, как научить свой мозг решать сложные задачи и справляться с большими объемами информации.

Делитесь в комментариях своими рекомендациями книг и статей — будем переопыляться достойными материалами по теме 👀

🔜 @leftjoin_career

#into_data
  • ❤ 9
  • 👍 9
  • 🔥 7
More from @leftjoin_insider
  1. Apr 29, 2025Middle Data Engineer в LEFT JOIN У нас появилось несколько новых проектов, поэтому мы снов…
  2. Apr 25, 2025Открыт предзаказ на книгу «Аналитика для руководителей» Про аналитику написано много сложн…
  3. Apr 9, 2025Подводные камни аутсорса: лаги в коммуникации Продолжаем серию постов про трудности, часты…
  4. Apr 2, 2025Что мы поняли, когда сверстали таблицы в Metabase Работа инженера данных каждый день подки…
  5. Mar 26, 2025Вашей маме аналитик не нужен? Или не маме, или не аналитик. В общем, если вы знаете кого-т…
  6. Mar 21, 2025Подводные камни аутсорса: текучка и непредсказуемость Мы работаем в формате аутсорса или а…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →