Junior Data Analyst

Задачки с собесов на python 1. Есть два словаря: рецепт пирога и запасы. Написать функцию, которая будет определять, сколько можно испечь пирогов из имеющихся запасов recipe = {'bread':1,'sugar':10, 'salt':100, 'milk':50} storage = {'bread':10,'sugar':1000, 'salt':510, 'milk':270} 2. В переменной х уже сохранено целое положительное число. Вычислите x + x0x0x. Результат сохраните в переменную result. То есть, если x = 2, то нужно вычислить 2 + 20202 3. В переменной m хранится целое положительное число — продолжительность сна в минутах. Если продолжительность сна составит от 7 до 9 часов включительно, то в переменную optimal_sleep_duration сохраните значение True. В противном случае присвойте это переменной значение False. #python #python_собесы

Задачка с собеседования на вероятность Два игрока по очереди бросили два кубика (стандартные кубики, от 1 до 6). Найдите вероятность того, что в результате у них выпала одинаковая сумма очков, равная 5 или 6, на кубиках. #теорвер #матан_собесы

Приглашаем на 3 поток бесплатного курса по Pandas 🔥 Вчера мы поделились с вами лайфхаком, который рассказывали на мастер-классе в рамках 2 потока нашего бесплатного курса по Pandas. А сегодня мы стартуем набор на 3 поток! 🔗 Записаться на поток: ссылка На бесплатном курсе по Pandas вас ждет: - Подробные видео лекции по Pandas - Практические задания и бизнес-кейсы (ABC/XYZ-анализ, автоматизация финансовой отчетности и т.д.) - Закрытый мастер-класс - Общение в чате со студентами и преподавателями В общем, будет круто! Новых потоков в ближайшее время не будет, поэтому записывайтесь по ссылке - давайте проведем время с пользой! 🙂 🔗 Записаться на поток: ссылка

Статистика, теорвер, аб-тесты (вопросы от HR) - методы оценки статзначимости, которые использовали и почему? - что такое сплит-тестирование? - какие виды распределений знаете? распределение Бернулли - чему равна медиана [4, 1, 2, 3]? - кидаем 5 раз монетку: какая вероятность, что 3 раза подряд с самого начала выпадет Орел? - мы провели 1000 А/А-тестов, брали порог значимости в 5%. Сколько раз мы должны увидеть ложные прокрасы? - что такое ошибка I и II рода? MDE? - что такое p-value? - отметьте верные утверждения о p-value. A) 1 - (Вероятность того, что повторный тест приведёт к тому же решению) B) Это вероятность при справедливости нулевой гипотезы получить значение статистики, такое же или ещё более экстремальное С) Вероятность истинности нулевой гипотезы D) Вероятность истинности альтернативной гипотезы - от чего зависит размер выборки, необходимый для эксперимента? - от чего зависит длительность эксперимента?

Вопросы по питону HR задают редко, часто они про типы данных, могут быть мини задачки Python - типы данных в питоне (какие изменяемые, какие нет) - в чём разница между списком и кортежем? - есть список a = [1, 2, 3, 4, 5, 6]. Что выведет a[-3:-1]? - какие типы данных могут использоваться как ключ в dict (Python)?

Итак, начнем с вопросов-фильтров от hr. HR практически всегда задают вопросы джунам, мидлам уже намного реже. SQL - отличие where от having? - в чем отличие UNION от UNION ALL? - в чем отличие TRUNCATE DROP DELETE? - каким оператором можно фильтровать значения в агрегирующих функциях? - вернут ли count(*) и count(столбец) одинаковые результаты? Почему дали такой ответ? - какой функцией в SQL можно найти предыдущую строчку? - порядок выполнения запроса - какие знаете типы соединений? чем они отличаются др от др? - что такое NULL? чем отличается от 0? - какие оконные функции знаете? - выберете верные утверждения: A) NULL <> 1 B) NULL <> NULL C) NULL IS NULL D) NULL = NULL - Есть две таблицы A1 и A2. В A1 - 3 строчки, в A2 - 4 строчки. Не зная какие цифры лежат в ID обеих таблиц, необходимо предположить какое количество строк может вернуть запрос: SELECT * FROM A1 LEFT JOIN A2 ON A1.ID= A2.ID

Коллеги, привет так получилось, что за 2023 я два раза сменила работу: геймдев - е-комм - финтех 🫠 Было пройдено не мало собеседований в разные компании, и у меня сохранились вопросы и задачи (и даже немного тестовых с лохматых времен) :) в ближайшее время планирую ими поделиться. Начну с вопросов-фильтров от HR, продолжу задачками на SQL и Python, немного продуктовые вопросов, теорвер и статистика. Все вопросы/задачи разной сложности - у разных компаний разные требования🧡 кстати, на картинке тру стори 😄

Вышел бесплатный курс по Python для начинающих от Саши Ильина На создание курса ушло полгода – я представляю какая колоссальная работа стоит за этим и это достойно уважения. Вдогонку он поделился роадмап для Python-разработчика: с нуля до первой работы почти без вложения денег. Он большой, внутри ссылки на все ресурсы и советы от него, в каком порядке всё учить. 🔥🔥🔥Ссылка на курс

🚀 Бесплатный курс по Pandas! Хотите работать с данными в Python, но не знаете с чего стоит начать? Приходите на наш бесплатный онлайн-курс, где на практических примерах и задачах вы сможете прокачать свои навыки и знания по работе с данными с помощью библиотеки Pandas в Python. Что вас ждет на курсе: ◾️ начнете работать с Pandas на примере реальных аналитических задач (проведете многомерный ABC-анализ, XYZ-анализ, рассчитаете динамику продаж и т.д.) ◾️ изучите самые азы и продвинутые функции по Pandas (например, сложная агрегация, оконные функции и т.д.) ◾️ сделаете собственный проект — ваш итоговый кейс! (реальный кейс автоматизации обработки финансовой отчетности от крупной региональной аптечной сети и сможете добавить его к себе в портфолио) Если вы только начинаете путь в анализе данных и хотите научиться использовать современные инструменты, мы поможем сделать первый шаг 😉 🔗 Зарегистрироваться на курс Реклама. ООО "Айти Резюме". ИНН 4025460134. Erid:LjN8Jxwhp

Нерегулярная подборка ссылок (Зато каких! =) 📊 DataLens и подкасты Сходил на подкаст к ребятам из Data Coffee. Обсудили DataLens и его выход в опенсорс, каким вижу идеальный BI и насколько инженеру данных нужно в этом разбираться. Если вы в сфере инжиниринга данных и любите подкасты, то очень рекомендую ребят. А если хотите ещё больше про DateLens, то можно послушать Пашу Дубинина в подкасте MakeSence про историю продукта или посмотреть как ребята из сообщества SuperSet сравнили его c DateLens (всё в целом по делу). Δλ Советы от Тани Мисютиной Таня запустила ответы на вопросы на сайте Бюро и приглашает всех присоединиться к задачке по визуализации трансферов игроков футбольных команд. Круто и подробно описала логику работы и предлагает вам сделать свои варианты. Отличный шанс прокачать датавиз мышление и получить обратную связь, присоединяйтесь. А ещё мы с Таней переделали наш курс — приходите. 🎯 BI-стратегия Саша Бараков собрал офигенную миро-доску про способы вовлечения пользователей в ваши дашборды. А ещё у него в ноябре пройдет курс по BI-стратегии, если вы синьор-помидор и строите BI внутри компании, то очень рекомендую, сам проходил. Саша обещает в этот раз разнообразить лекции воркшопами и совместной работой. 🎓Основы аналитики Алексей Куличевский решил выкладывать свои лекции про гугл-таблицы, питон и SQL для новичков в открытый доступ. Если только начинаете работу в мире аналитике, то контент огонь. 💼 Вакансия по Табло Ребята из Спортмастера ищут BI-аналитика работать с Табло (!) и делать на нём дашборды, редкость! #дайджест

Коллеги, привет! Были ли у вас на собесах задачки на мат ожидание, теорвер? Поделитесь в комментах? *свои тоже кину

Руководство по оконным функциям (5 бесплатных уроков)

Продуктовый аналитик (джун) в Тинькофф

Райф ищет стажера bi-аналитика

В Karpov.courses действительно оч хорошие курсы (я прошла 3:))

вакансия для джуна в Тинькофф

🔥 Базовая Шпаргалка по Pandas 🔥 Pandas - один из самых основных и важных инструментов для работы с данными в Python. Он предоставляет множество удобных функций для загрузки, обработки, и анализа данных. Мы собрали шпаргалку, в которой все основные функции, которые пригодятся вам в повседневной работе с Pandas: ✅ Импорт данных: Загрузка данных из разных источников. ✅ Исследование данных: Ознакомление с данными, просмотр первых и последних строк, получение информации о типах данных. ✅ Извлечение информации из датафреймов: Выбор столбцов и строк, выполнение различных операций. ✅ Добавление и удаление данных: Добавление новых столбцов и строк, удаление лишних данных. ✅ Фильтрация: Выбор данных по условию, множественные условия. ✅ Сортировка: Сортировка данных по столбцам, множественная сортировка. ✅ Агрегирование: Группировка данных, вычисление статистических показателей, подсчет уникальных значений. И для удобства мы сделали для вас notebook 😊 Сохраняйте и пользуйтесь 👇 https://colab.research.google.com/drive/1XOF8oQB3kzs0Yxt17XdtGy8IFNudvp4c?usp=sharing Если у вас есть какие-либо дополнения, не стесняйтесь оставлять в комментариях! 🐼 #python #pandas

ресурсы, по которым я готовилась к собеседованиям 👾 учебник по ml от шад: хороший математичный учебник, все базовые темы точно покрывает (и даже чуть больше), но может быть сложным для совсем новичков 👾 курс по алгоритмам от cs центра: очень здорово, понятно и с примерами рассказывается база алгоритмов — это маст 👾 карточки на литкоде: здесь уже можно решать задачки на алгоритмы и структуры данных — в карточках все агрегировано по темам, можно идти по очереди 👾 вопросы по питону: питоновская теория, мне задавали некоторые вопросы из списка на собесах 👾 nlp for you от лены войта: это уже специализированно для моей сферы в ml — nature language processing. мой любимый интерактивный учебник! в целом, это все. математику я не повторяла (и, если честно, не знаю, как ее быстро повторить можно) я готовилась чуть больше месяца, но, чтобы хорошо подготовиться, времени нужно больше точно, потому что на собеседованиях спрашивают все очень подробно и у всех свои требования 🤧