Заскуль питона (DA/DS/ML) 🐸

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

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