Секреты аналитики | Data Science, BI, Tableau

🤯 Грустный факт: 90% дата-сайентистов тратят больше времени на очистку данных, чем на сам анализ. А знаете, что еще хуже? Даже после всей этой работы модель может не показать хороших метрик. ❓Когда последний раз вы: — Объясняли, почему результаты модели зависят от качества данных, а не только от самой модели? — Оптимизировали код, но модель всё равно не показывала нужных метрик и работала медленно? — Тратили время на изучение нового инструмента, а он уже успел устареть? Чтобы стать востребованным специалистом и быстро решать реальные проблемы DS, подписывайтесь на Библиотеку Data Science. Там публикуют только годный контент: → Шпаргалки по работе с популярными библиотеками → Лайфхаки для оптимизации кода и моделей → Мемы, которые поймут только настоящие дата-сайентисты ➡️ Подписывайтесь, чтобы прокачать скиллы: @dsproglib P.S. В закрепе канала — шпаргалка по структурированию проектов Data Science, которая сэкономит вам часы работы. Реклама. ИП Дрёмов Артём Сергеевич. ИНН 771391651571. erid: 2VtzqvETn33

SQL для анализа данных В этом видеоуроке автор подробно разберет, как можно получать данные для их последующего анализа на примере реальной PostgreSQL базе данных. 00:00 Введение 01:47 From 04:03 Агрегатные функции 05:41 Where 09:36 Having 10:26 Join 14:24 Подзапросы 15:36 Вложенные таблицы 19:03 With 20:40 Оконные функции Смотреть это видео на youtube: youtu.be/ZnaYwGyJX1M Секреты аналитики

Новая библиотека для анализа данных Pandas AI: стоит ли пробовать? Появилась новая библиотека Pandas AI - надстройка над популярной библиотекой для анализа данных Pandas. Как уверяют разработчики, Pandas AI расширяет возможности Pandas за счет искусственного интеллекта. Секреты аналитики

Обзор дашборда в Tableau | Гайд по BI В этом видео автор подробно разбирает дашборд, созданный в Tableau на основе датасета Superstore. 00:25 Описание задачи 02:25 Структура обзора 07:11 Подготовка данных 07:50 Настройка отчетов и визуализации 13:21 Про создание параметрической сортировки 14:35 How-to: подготовка Bar-in-bar chart 16:49 Про dashboard filter actions 18:10 "Фишки" и сложности 21:10 Соответствие поставленной задаче Смотреть это видео на youtube: youtu.be/LKwqBy41E24 Секреты аналитики

SQL vs Excel: когда таблицы уже не справляются Когда в компании работа выстроена в Excel, проблем нет, пока в таблице несколько тысяч строк. Но бизнес растёт, и вот в файле уже миллион записей. Поиск тормозит, сложные формулы зависают. А если сотрудник случайно удалит столбец — восстанавливать придётся вручную. Это первые сигналы, что Excel не справляется. Секреты аналитики

Очень математический подкаст с гуманитарным уклоном В гостях у подкаста «Деньги любят техно» побывал директор Физтех-школы прикладной математики и информатики МФТИ Андрей Михайлович Райгородский — один из самых красноречивых популяризаторов математики, который славится способностью подбирать наглядное объяснение для любой задачи. Например, одну из знаменитых задач комбинаторной геометрии — проблему Борсука — объясняет на… тортиках. С первых слов Андрей Михайлович признается в любви математике, но при этом называет себя гуманитарием. Он говорит о важности развития науки, но не забывает о взаимодействии с прикладными отраслями. Он любит французскую литературу и читал её в оригинале. Нужны ли ещё аргументы, чтобы ознакомиться с подкастом? Выпуск можно посмотреть в ВК. Или послушать на подкаст-платформах.

Топ 5 качеств аналитика данных В этом ролике автор расскажет про самые полезные качества для аналитика данных. 0:00 Вступление 0:15 Мотивация 1:24 Внимательность и усидчивость 2:05 Любовь к математике и задачам 3:47 Оптимизм 4:40 Креативность 5:36 Заключение Смотреть это видео на youtube: youtu.be/kDuBVXqVDgY Секреты аналитики

В чем разница между наукой о данных, анализом данных, большими данными, аналитикой, дата майнингом и машинным обучением В последнее время слово big data звучит отовсюду, и в некотором роде это понятие стало мейнстримом. С большими данными тесно связаны такие термины как наука о данных (data science), анализ данных (data analysis), аналитика данных (data analytics), сбор данных (data mining) и машинное обучение (machine learning). Секреты аналитики

Математика для Data Science: где и как учить? В этом ролике автор поделится бесплатными ресурсами для изучения математики, необходимой для Data Science, и сделает их разбор. 00:00 Введение 00:34 Школьная математика 02:00 Статистика 03:00 Теория вероятностей 03:20 Линейная алгебра 04:07 Матанализ 05:00 Лучшие ресурсы 05:30 Создаем базу ресурсов вместе Смотреть это видео на youtube: youtu.be/6ajAbghWzrs Секреты аналитики

Как изучать Data Science, когда всё в огне Ставя перед собой цель освоить Data Science, сначала необходимо понять, какой набор навыков вы хотите получить. Дальнейшие действия представляются элементарными — нужно просто найти время, чтобы сесть и начать накапливать искомые навыки. С таким багажом вы станете перспективным кандидатом на собеседованиях и, весьма возможно, получите работу своей мечты. Секреты аналитики

Data Mesh: что это такое и для чего он нужен инженерам Data Mesh, что дословно можно перевести как «сеть данных», — это децентрализованный гибкий подход к работе распределенных команд и распространению информации. Главное в нем — междисциплинарные команды, которые публикуют и потребляют Data-продукты, благодаря чему существенно повышают эффективность использования данных. Секреты аналитики

Преобразование табличных данных в Python Предположим: вы полны желания изучить манящий массив данных. К счастью, для этого достаточно вашего компьютера. Итак, вы открываете блокнот Python или REPL, чтобы начать работать: какую библиотеку использовать? Секреты аналитики

Что такое dbt и зачем он нужен аналитику Рано или поздно аналитик сталкивается с проблемой организации данных. Их становится все больше, структура перестает быть прозрачной, а одни и те же SQL-запросы приходится переписывать по несколько раз. Решить эту проблему можно с помощью dbt – инструмента, который открывает новый подход к трансформации и моделированию данных. Секреты аналитики

Неструктурированные данные: примеры, инструменты, методики и рекомендации В этой статье мы окунёмся в мир неструктурированных данных, подчеркнём их важность и представим практичные советы по извлечению ценной информации из этого недооцененного ресурса. Вы рассмотрите разные типы данных, варианты хранения и управления ими, а также различные методики и инструменты для анализа неструктурированных данных. Подробно разобравшись в этих аспектах, вы сможете овладеть истинным потенциалом неструктурированных данных и преобразовать их в стратегический ресурс. Секреты аналитики

Практическое руководство по выбору между ChatGPT, Claude, Gemini, Grok и Perplexity В этой статье автор поделится руководством о том, какую модель искусственного интеллекта следует использовать. В нем сравниваются ключевые модели ИИ, с указанием их сильных и слабых сторон для разных сценариев использования. Секреты аналитики

Аналитика мобильных приложений на Flutter (часть 2) В первой части мы рассмотрели подключение решения Yandex AppMetrica. В этой части автор подробно разберет подключение решения от Google - Firebase. Секреты аналитики

Как прогнозировать рост выручки с помощью фреймворка В этой статье автор расскажет о фреймворке, который его команда разработала для бизнес-планирования и прогнозирования заказов. Он помогает понимать, сколько новых клиентов нужно привлекать в сервис, чтобы достигать финансовых целей. Секреты аналитики

Самописная платформа для A/B-тестирования Trisigma: что она умеет и какую пользу способна принести бизнесу Недавно AvitoTech выпустили на внешний рынок продукт, который помогает проводить эксперименты — это платформа для A/B-тестирования Trisigma. В этой статье автор расскажет, как работает Trisigma и чем она отличается от других платформ. Секреты аналитики

Инженер-аналитик или дата-инженер: как выбрать нужного специалиста? Не разобравшись, можно подумать, что дата-инженеры и инженеры-аналитики — это одно и то же. Звучит-то ведь похоже, верно? Но на самом деле у инженеров-аналитиков и дата-инженеров разные обязанности. Секреты аналитики

Cамообучение в Data science: с нуля до Senior за два года Цель статьи: дать понять, подходит ли вам эта специальность в принципе, и рассказать про эффективные подходы к самообучению, которые автору помогли. Отличные материалы уже существуют по большинству конкретных тем, автор и сам по ним учился. Но решил собрать полезные "мета" материалы о том, как выбирать курсы и статьи, по которым стоит учиться. Секреты аналитики