Заскуль питона (Аналитика данных)

Заскуль питона (Аналитика данных) pinned a photo

СТАТЬЯ ПРО 20 статистических методов, используемых при анализе данных. Здесь указана база по статистике, которая используется для анализа данных (но это не точно) .

Можете прочитать статью на Дзене тут

P.S: Здесь указано применение в Python'e с точки зрения использования различных библиотек, о которых, возможно, вы пока не знаете. Советую на примере этого сайта просмотреть основные показатели, которые используют аналитики.

#статистика #python #библиотеки #дополнительно

P.S: есть ещё и PyCharm, про него можете отдельно почитать. Я говорю именно про оболочку написания кода в виде ноутбука поблочно.

Я подкрался незаметно...

В общем, для того чтобы кодить было приятно, а главное, понятно, читайте этот пост. Это база, через которую должен пройти каждый уважающий себя питонист. Короче, тема такая, вкратце объясняю.

У нас есть Python, мы заходим вот сюда и качаем самую последнюю версию.

Спросите меня, вроде бы все просто, к чему пост? Дело в том, что сам по себе Python - это подобие командной строки, первый раз было страшно...

Никто не работает так, потому что всё непонятно. Все используют какое-либо окружение, оболочку, об этом пост.

Выделяют несколько оболочек, я привык работать с Jupyter'ом, но есть еще и Google Colab.

Вроде бы красиво, теперь давайте устанавливать.

Если вы за Jupyter notebook и склоняетесь больше к нему, то вам сюда (тык)

Если вы за colab, то можете сейчас запускать и делать что-то)

Я пользовался 2-мя окружениями, больше нравится jup (можете посмотреть, что такое condas, он включается в себя jup и другое, если хотите, конечно же (тык)).

Различия можете посмотреть тут

#база

#мемы

Всем привет, сегодня я прикреплю список материалов, которые можно использовать для первичного обучения:

🐍 Python.

1. Инди-курс по программированию на Python (проходится за 2-3 недели, рассказаны базовые понятия, есть сертификат)
2. "Поколение Python": курс для начинающих (достаточно растянут, по моему мнению, есть несколько уровней прохождения, если кто-то проходил, дайте фидбек)
3. ПИТОНТЬЮТОР (краткий справочник по Python, можно использовать для заучивания синтаксиса, понимания каких-либо операций и др.)

📤 SQL.

1. Интерактивный тренажер по SQL (достаточно хороший курс, много заданий, работа с таблицами, подзапросами)
2. Практическое владение языком SQL (сайт, такое ощущение, что 2007 года, на упаковку не смотрим, много классных заданий, оконные функции, агрегирующие, в общем все, что нужно)
3. Онлайн тренажер с упражнениями по SQL (сайт с микро-учебником по SQL, хорошие задание, можно практиковаться спокойно)
4. Памятка/шпаргалка по SQL (статья на Хабре, читается на одном дыхании)

📊 Статистика (тут не про коэффициенты брачности/смертности, если что)

Основы статистики. 1 часть. (ведет Карпов, сейчас у него есть своя школа по подготовке спецов в сфере аналитике данных, очень классный. Рассмотрены базовые вещи, проведение A/B тестов, тестирование гипотез и многое другое, что используется в аналитике 24/7)
У него также есть 2 части по основам статистики, можно просмотреть
Основы статистики. 2 часть.
Основы статистики. 3 часть.

🎲 Теория вероятностей

Теория вероятностей - именно научная теория вероятностей, сложно, но разобраться можно
Вероятность и статистика - плейлист на ютубе от препода Яндекс.Практикума, много примеров, смотрится на одном дыхании.

📍 A/B тесты

A/B-тесты - что такое и как использовать? - неплохая статья для начала

🤖 Машинное обучение (very hard для новичка)

Машинное обучение для людей - статья, где рассказаны основные методы машинного обучения (минус в том, что они не подкреплены примерами из Python)
Введение в Data Science и машинное обучение - курс от того же Анатолия Карпова, который разбирал статистику, очень классный курс по введению

#база

Заскуль питона (Аналитика данных) pinned «Воины, стоит определиться кто вы. 💪🏼 Прочитать статью можно по ссылке Многие знакомые говорят, что основной отток идёт от DS к продуктовым аналитикам. Существует очень много разветвлений того, чем можно заниматься, но по стандарту для аналитика следующий…»

Позже мы все поймем.

#мемы

Привет, друг! Если ты видишь это сообщение, значит попал на канал, созданный в честь направления подготовки РАНХиГСа и Иннополиса «Python для анализа данных».

Здесь будут публиковаться полезные статьи по темам, разбираемым в рамках курса, возможно, разборы задач, похожие проекты.

Цель данного тг-канала - создать мощное коммьюнити, которое заинтересовано в том, чтобы создавать крутые проекты, заниматься нетворкингом и классно проводить время.

P.S: Если у кого-то появятся предложения, идеи по публикациям и в целом, пишите в личные сообщения

Воины, стоит определиться кто вы. 💪🏼

Прочитать статью можно по ссылке

Многие знакомые говорят, что основной отток идёт от DS к продуктовым аналитикам.

Существует очень много разветвлений того, чем можно заниматься, но по стандарту для аналитика следующий стек оптимален во многих направлениях:

📊 Статистика
🎲 Теория вероятностей
🐍 Python
📤 SQL
🗾 Дэшборды (Power BI, Tableu)
😉 GitHub - публикация проектов, работа с командой
🧮 Математика (линал, матан)
🤖 Основные принципы машинного обучения

#база

Channel created