LEFT JOIN

Более подробная расшифровка ответов: Положительное: выпускники Практикума имеют нужные хард и софт скиллы, а в недостающих областях им помогают более компетентные люди Нейтральное: сторонняя помощь мало на что влияет, так как тесты и живое общение все равно происходят 1 на 1 с кандидатом Отрицательное: это формирует неверные ожидания работодателя, т.к. вместо самого кандидата эксперты пишут за него резюме / учат отвечать на каверзные вопросы

Давно слушаю интересный технический подкаст "Запуск завтра", и последний выпуск посвящен разговору с Мишей Яновичем (основателем Практикума). Среди прочего в диалоге промелькнула интересная особенность. При завершении курсов выпускникам Практикума иногда помогают специалисты HR Яндекса. Я и раньше обращал внимание на резюме кандидатов, завершивших Практикум, а теперь еще больше. Действительно, обычно резюме содержит все "правильные" ключевые слова, на которые обращаешь внимание + всегда составлено грамотное сопроводительное письмо, что для среднестатистического технического специалиста (сорри) редкость.

@rbunin вчера очень интересно рассказывал про визуализацию, особенно полезны мне показались конкретные рецепты в Tableau (ссылка с таймкодом). Посмотрите, там всего минут 20.

​​Наконец-то закончил статью на одну из самых сложных для понимания тем - оконные функции в SQL. На ее написание ушло почти пять месяцев с перерывом на отпуск :) В статье на простых примерах с картинками разбирается принцип работы данных функций, а в конце вас ждут кейсы с расчетом моделей атрибуции «Первый клик» и «С учетом давности взаимодействий».

Хороший мануал по оконным функциям от канала @thisisdata. Было бы здорово дополнить его для какой нотации SQL написаны все текущие команды, т.к. местами исполнение отличается. К примеру, в Impala есть функция NTILE.

Оказалось, что доступ к докладам FutureData был весьма ограничен и доступен только людям с билетами. Организаторы выложили доклады на youtube, так что теперь их могут посмотреть все желающие 🙂

Продолжаю делиться ссылками на хорошие каналы по визуализации данных и смежным с ней областям. Канал Дашбордец. Ведет сотрудница Сибура, в целом посвящен работе в PowerBI, но подойдет всем составителям дэшбордов. Клуб анонимных аналитиков. Акцент на дэшборды и PowerBI. Регулярно встречаются переводные статьи из англоязычного сегмента интернета на тему визуализации данных и дэшбордов. Плюсом задорные статьи Алексея Колоколова о трудовых буднях руководителя компании, занимающейся бизнес-дэшбордами. Leftjoin. Больше упор на работу с данными и хардкор-аналитику. Канал Инжиниринг данных Дмитрия Аношина. Дмитрий работает дата-инженером в Амазон и ведет широкую просветительскую деятельность. На сайте datalearn.ru есть бесплатный курс по введению в Инжиниринг данных и аналитику, плюс Дмитрий ведет отличный ютуб-канал по той же тематике: https://www.youtube.com/channel/UCWki7GBUE5lDMJCbn4e1XMg И еще о бесплатных движухах по визуализации данных. Сервис DataLens совместно с Datayoga предлагает всем желающим поучаствовать в марафоне по визуализации данных. Начало 15 октября. Марафон Yandex DataLens – это 7-дневная самообразовательная программа освоения навыков работы с сервисом визуализации и анализа данных от Яндекса. Эксперты Yandex DataLens и DataYoga в деталях рассмотрят функционал сервиса и объяснят все тонкости простым языком. Записаться тут: https://datayoga.ru/datalens

LEFT JOIN попал в список рекомендуемых каналов от Александра Богачева. У Александра крутейший канал Чартомойка про визуализацию данных, который я уже давненько почитываю. В частности, интересен разбор графиков коронавируса. Саша много пишет про визуализацию и, в частности, в ближайшее время будет опубликована его книга «Графики, которые убеждают всех». Я себе уже заказал, рекомендую и вам поддержать автора 🎖

Сегодня Рома Колеченков из Yandex DataLens анонсировал 7-дневный самообразовательный марафон. Марафон позволит освоить навыки работы с сервисом визуализации и анализа данных Для кого это: • Аналитиков, решивших освоить новый инструмент анализа и визуализации данных • Дата-журналистов, находящихся в поиске удобного и функционального сервиса визуализации • Айтишников, стремящихся повысить свою профессиональную ценность • Студентов, ищущих возможности карьерного роста Старт - 15 октября Как проходит: - Каждый день участники марафона будут получать обучающие материалы, которые подобраны с опорой на практику. - Ежедневное обсуждение в чате. Изучение материалов займет у вас от 30 минут до 2 часов в день. Для первых 1500 участников, кто зарегистрируется на Марафон до 14 октября, Яндекс пришлет промокоды на 6 000 рублей для пользования сервисами Yandex Cloud Регистрация здесь @internetanalytics

Я делал обзор на DataLens в 2019 году, тогда он мне показался сыроватым. На текущей презентации Yandex Scale интерфейс выглядит поинтереснее, поэтому обязательно изучим новые возможности DataLens в цикле материалов про разнообразные BI-инструменты. И, конечно, рекомендую записаться на марафон от DataYoga.

На этой неделе начинаем новый цикл материалов: будем обозревать современные BI-системы на примере популярной группы датасетов SuperStore Sales. В рамках каждого материала при помощи конкретной системы построим дашборд и выставим каждой BI-системе оценку по нескольким внутренним критериям. Планируемые к обзору системы: Metabase, Redash, Apache Superset, Dash, Google Studio, Yandex Datalens, PowerBI, Tableau, Looker, Excel и другие. Если вы эксперт по какой-нибудь из перечисленных BI-систем и хотите поучаствовать в проекте, пишите мне в личные сообщения. Авторство будет соблюдено. Подробности: https://leftjoin.ru/all/modern-bi-systems/

Продолжаем строить дашборд по российским пивоварням Untappd: сегодня при помощи Dash Bootstrap Components сделаем таблицу популярнейших пивоварен России, а затем добавим к ней фильтр по городам с Dropdown-меню. https://leftjoin.ru/all/untappd-bootstrap-dashboard-part-2/

В Datalytics и data fm уже появлялись подборки Telegram-каналов о машинном обучении и аналитике, но по Instagram такого топа ещё никто не делал. Сегодня изучим библиотеку PyInstagram для сбора данных из этой социальной сети и соберём подборку десяти популярнейших Instagram-аккаунтов нашей индустрии. https://leftjoin.ru/all/python-instagram/

С 8 по 9 сентября прошла онлайн-конференция FutureData. На днях организаторы опубликовали записи докладов, и я собрал в пост всё, что меня заинтересовало. Среди авторов в подборке: сооснователь Tableau, создатель dbt, главный технолог DataBricks, CDO из Alteryx, а также Co-Founder Imply. Спикеры обсуждают, что сегодня происходит с аналитикой, данными и чего ждать от индустрии в будущем. https://leftjoin.ru/all/futuredata-conf/

Как-то раз с Ромой Буниным мы придумали совместный проект: построить красивый и функциональный дашборд с анализом рынка вакансий аналитиков по данным HeadHunter и максимально автоматизировать эту работу. Мы собрали уже более 12 тысяч вакансий, а Рома построил по ним дашборд Tableau, опубликовал в Tableau Public и записал видеоролик на Youtube о том, как использовать дашборд. Сегодня выпускаем материал о том, как мы собирали данные и какие инсайты можно извлечь из нашего проекта: https://leftjoin.ru/all/hh-dashboard-bi-and-analysts-market/ @leftjoin

В новом материале обозреваем лучшие практики по созданию таблиц: разбираемся, как правильно выравнивать столбцы, выделять ячейки, оформлять строки и какой функционал пойдёт данным на пользу. https://leftjoin.ru/all/guide-to-designing-tables/

Не так давно Redash привлек инвестиции от Databricks, а следом и похожая тулза PopSQL для коллаборативного SQL: https://techcrunch.com/2020/09/08/popsql-raises-3-4m-seed-round-for-its-collaborative-sql-editor/?tpcc=ECTW2020

Диалог @a_nikushin и @data_karpov о доступном образовании для аналитиков на Youtube вдохновил меня рассказать одну свою историю и поделиться ссылками. Так сложилось, что в Университете мне очень повезло с преподавателями (от линейной алгебры до баз данных и языков программирования). Один из них, В. Л. Аббакумов, разжег настоящую страсть к методам анализа данных своими лекциями и лабораторными заданиями. В. Л. — практик и был моим научным руководителем по дипломной работе (мы делали кластеризацию данных Ленты), а затем и по кандидатской диссертации (строили нейронную сеть специальной архитектуры, тогда еще в Matlab). Уже несколько лет назад в рамках ШАД и Computer Science Яндекса у него был записан курс Анализ данных на Python в примерах и задачах в двух частях. Настало время поделиться ссылками на первый и второй плейлисты на Youtube. Первая часть посвящена описательным статистикам, проверке статистических гипотез, иерархическому кластерному анализу и кластерному анализу методом к-средних, классификационным моделям (деревья, Random Forest, GBM). В целом, весь плейлист достоин внимания без отрыва 🤓 Во второй части более глубокое погружение в нейронные сети, keras, deep learning, xgboost и снова все лекции крайне рекомендованы.🎖 Смотреть можно смело на 1.5x. Материалы к видео: — Часть 1. Занятия и материалы — Часть 2. Занятия и материалы