Всем привет! 😀

👨‍👩‍👦‍👦 Совместно с Яндекс.Практикум подготовил список бесплатных курсов, которые помогут Вам приобрести необходимые знания для прохождения собеседования и непосредственно работы, а также добавить немного информации в резюме.

ℹ️ Курсы идут в порядке, который я считаю самым верным. Все курсы опробованы мной. Подходят для изучения с 0. Примерное время прохождения указываю ⏰, но особо на него не ориентируйтесь. Занимает, обычно, дольше.

1️⃣ Основы математики для цифровых профессий. ⏰ 140 часов. Обратите внимание на спецкурс для аналитиков. Отлично изложен материал, есть вводный тест, плотность информации, это все нужно знать для комфортной работы.

2️⃣ Основы анализа данных и Python. ⏰ 12 часов. В Яндексе всегда отличные и завлекающие вводные курсы, после них обучение трансформируется в более академическую форму. Станете junior аналитиком: изучите немного Python, поработаете с визуализациями, метриками и гипотезами, даже МЛ будет.

3️⃣ Основы работы с DataLens. ⏰ 5 часов. Предсказываю, что DataLens станет или уже стал BI-инструментом #1 в СНГ. Так что его изучить будет очень дальновидным поступком. Принцип работы с BI-инструментами практически не меняется в зависимости от вендора, так что после DataLens пересесть на что-то другое будет проще, чем вообще без опыта работы с BI.

4️⃣ Бесплатный курс по созданию презентаций. ⏰ 4 часа. Дэшборды - это конечно хорошо, но старую добрую презентацию никто не отменял, а правил ее составления на самом деле много, чтобы она не превратилась в «текст на слайдах». Курс далеко не исчерпывающий, но некоторое представление даст.

5️⃣ Подготовка к алгоритмическому собеседованию. ⏰ 10 часов. В последнее время от аналитиков требуют не просто решить задачку на Python, но и выполнить условия по сложности алгоритма, поэтому основы знать надо, в работе пригодится.

6️⃣ Инженер облачных профессий. ⏰ 22 часа. Скорее всего облачное решение Вашей компании будет от Яндекса, поэтому понимать как все устроено (в том числе DataLens, ClickHouse) будет большим плюсом во время трудоустройства и поможет во время работы. В целом, можно остановиться на модуле «Хранение и анализ данных», тогда получится 9 часов вместо 22.

7️⃣ Основы Python-разработки. ⏰20 часов. Бесплатная часть курса, но для закрепления и расширения кругозора подойдет. Лично у меня были задачи связанные именно с разработкой на Python, поэтому советую.

8️⃣ Excel для работы. ⏰ 11 часов. Последний по всем параметрам, но все же может пригодиться, если есть пробелы в знаниях по Excel. Но многое, что использую я, там не изложено.

🧐 Как Вам такой контент? Если интересно, то расскажу про курсы, которые закончил на coursera.

🤝 Если понравилось и считаете полезным, то поделитесь с товарищами.

#курсы #подборка

😀 Всем привет!

🐼 Я уверен, что вы все использовали методы Pandas .iloc и .loc,которые позволяют нарезать 🔪 данные. Но задумывались ли вы когда-нибудь, какой из них быстрее? Давайте выясним! 🕵️‍♂️

🦄 Сначала давайте создадим два DataFrame для сравнения методов:

# импортируем необходимые библиотеки

import pandas as pd
import numpy as np

# Создаем данные со значениями от 0 до 100 и размеренностью 100_000 на 5

data = np.random.randint(0, 100, size=(100000, 5))

# Создаем DataFrame и даем название столбцами

df = pd.DataFrame(data, columns=list('ABCDE'))

⚖️ За меру возьмем срез от 0 до 500 индекса:

rows = range(0, 500)

🪄 С помощью magic word timeit сравним скорость выполнения методов:

%timeit df.iloc[rows]

67.9 µs ± 219 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%timeit df.loc[rows]

169 µs ± 1.52 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

🏎️ .iloc оказался в в 2.5 раза быстрее, чем .loc. в данном случае. Это потому что .iloc использует индексацию на основе целых чисел, тогда как .loc использует индексацию на основе меток.

🔢 Поскольку наш индекс является диапазоном целых чисел, то .iloc может воспользоваться этим преимуществом и показать хорошие результаты.

📍Однако, если вы работаете с DataFrame, который в качестве индексов использует метки, то .loc может оказаться быть быстрее.

📚Задание: попробуйте сравнить данные методы в других условиях и поделитесь результатами.

🧸 В комментариях буду теперь прикладывать код в формате .ipynb, чтобы Вам было удобнее.

#pandas

😀 Привет!

📚 Астрологи объявили годы курсов по аналитике данных, поэтому если Вы только планируете записаться на один из них или уже учитесь, то Вам это будет как минимум - любопытно, а как максимум - полезно. Возможно, позволит Вам избежать ошибок или узнать на что сделать упор.

📊 Немного фактуры, чтобы понять, почему мое мнение вообще стоит рассматривать (или нет).

📈 С 01.07.2022 я провел более 300 занятий по анализу данных: Python, SQL, менторство, подготовка к собеседованиям.

🈴 За это время, наверное, набрал максимальный рейтинг на Профи.ру: 5 ⭐️ за 53 отзыва. У кого больше - скидывайте, даже интересно 🧐

🧑‍🎓 Студенты были с Яндекс.Практикум, Sky.Pro, SkillFactory, Karpov.Courses, GeekBrains, SkillBox и Нетология, ВШЭ и РАНХиГС и других.

🎯 Разберем общие закономерности, которые я выявил во время занятий, вне зависимости от курсов.

📖Тему разобьем на несколько частей, в каждой из которых разберем определенную проблематику.

🏋️‍♀️ Тренажеры

🤦‍♀️ Тренажеры - это некий слой абстракции между учеником и данными, который подобно приставным колесам велосипеда, должен быть надежной опорой аналитика в начале пути.

🤹‍♀️ Ученики работают в вымышленном мире, который ни своим интерфейсом, ни своим функционалом даже отдаленно не напоминает привычный всем DBeaver или DataGrip, программы с которыми аналитик взаимодействует каждый день.

🔬Постоянные сбои, ошибки в приеме заданий и прочие радости работы тестировщика будут верными спутниками студента на протяжении всего обучения.

🤖 Роботизированные, однотипные задания, которые обязательно надо 100 раз отправить, чтобы тренажер удовлетворился полученным ответом, а какой-то обратной связи от системы ждать не приходится.

📨 С точки зрения курсов идея понятна: тренажер позволяет выстроить неплохой конвейер, но к сожалению, вместо деталей, на нем лежат настоящие люди, требующие если уж не индивидуального подхода, то хотя бы человеческого отношения.

🚧 Как самостоятельно подключиться к БД или создать свою? Как связать Python и БД? Как загрузить данные в таблицу? Как оптимизировать SQL запрос? Как читать ER-диаграммы? Ответы на эти и другие важнейшие вопросы перекидываются на неокрепшие плечи будущих соискателей.

⚒ Решение: у учеников должен быть доступ к базе данных курса через DMT, чтобы привыкать не только к интерфейсу и функционалу, но и возникающим ошибкам. Необходимо сразу начинать работать в реальном мире, иначе рискуете остаться в мире грез 🧚‍♀️ тренажера навсегда.

🔝 В следующей теме разберем домашние задания и выпускные проекты.

☄️ Если вы сталкивались с подобным или наоборот у вас противоположный опыт, то приглашаю в комментарии.

📹 Планировал записать ролик, но решил сначала переложить опыт и мысли на текст, услышать обратную связь, а потом уже сделать полноценное видео.

#курсы #часть1

Всем привет! 😀

🥷 Сегодня узнал о коллаборации Хабр Карьера ✖️ VK с громким и наболевшим названием «Как найти первую работу в IT», которая началась сегодня вчера 24 апреля и продлится до 5 мая.

🖼 В рамках сотрудничества организаторы задались вопросами, которые мы подробно с Дианой разобрали в нашем первом ролике (в закрепе): Почему не отвечают на отклик? По каким критериям оценивают? и так далее.

📢 Спикеры очень разносторонние: от стажеров до CEO и не только из компаний-организаторов, а также из Ozon, Microsoft Яндекс (хотя и Практикум). Каждый день будет посвящен одной теме.

💕 Я зарегистрировался и бегло ознакомился с первыми двумя роликами: «Про рынок честно» и «Где и как компании ищут себе стажеров и джунов». Мне было очень интересно послушать: рассказывают хорошо и по делу, узнал про разнообразие стажерских программ.

🕵️‍♂️ Думаю, что людям находящимся в поиске работы очень полезно узнать про внутреннюю кухню процесса, позаниматься нетворкингом и пополнить копилку советов про найм.

🏎 «Движуха» (так авторы сами называют свое мероприятие) бесплатная, есть домашние задания, в конце будет еще конкурс, победителя которого выберут, согласно правилам, по критериям: креативность подхода к заданию и оформление (то есть как захотят).

🔬 Сегодня будет разбор резюме. К сожалению, свое уже не отправить, но первую домашку еще сделать можно. Не переживайте, сделаем с Дианой свой разбор Ваших резюме!

🧐 После просмотра решил поискать программы стажировки с Хабра.Карьеры для аналитиков данных. Всего 21 позиция, да и то не все актуальные. Так что реальность как всегда немного суровее.

⛈ Из минусов для меня - это огромное количество приседаний вокруг VK, аккаунт в котором у меня украли лет 5 назад.

✒️ Будете участвовать? Приглашаю в комментарии.

#поискработы

Всем привет!

📚 Продолжение поста о курсах, в котором разберем тему домашних заданий.

😑 Проблематика здесь уходит корнями еще во времена школьной программы, где постулируется принцип, что домашние задание - это способо закрепления материала и перевод информации из знания в навык. Все верно, но большинство задания не делают, а списывают.

🤦‍♀️ Причина в том, что единственный способо «заставить» кого-то выполнить «домашку» - это сделать ее интересной для ученика, тогда проблема списывания решится сама собой и уйдет соблазн воспользоваться 🤖 ChatGTP.

🪚 Домашние задания на курсах оторваны от жизни на столько, что кроме забористых формулировок и неясных требований ничего не остается в памяти. Все ради того, чтобы проверить усвоил ли ученик несчастную оконную 🪟 функцию или она выветрилась вместе с другой информацией из головы.

🎭 Подобно персонажу произведения, которому зритель может сопереживать, только проведя параллели со своей жизнью и найдя в них себя, задание должно быть отражением реальности, которое ловко упаковано и интегрировано в учебный процесс.

🤷 Как сделать это в рамках больших курсов-конвейерах сказать сложно, наверное поэтому они со временем и уйдут (нет).

💰Но с такими бюджетами, можно конечно развить успех потрясающе интересных вводных частей курса, которые после оплаты резко превращаются в академические лекции, где вываливают знания, уже без интересной истории про аналитика Гришу.

🧑‍🎤 В менторской практике я всегда строю обучение вокруг зоны интересов ученика, тогда вместо выполненных домашних заданий получаешь полноценные исследования, которые выходят далеко за рамки первоначальных требований.

🏁 Поэтому думаю, что занятие 1 на 1 с ментором не только эффективнее с точки зрения знаний, но и финансов.

🏊 Первоначальная задача ментора стать ненужным своему ученику как можно быстрее и пустить его в свободное плаванье.

💵 У курса задача, чтобы ты еще потом «усиленную математику плюс» докупил и тогда уж точно найдешь работу своей мечты.

✒️ Уверен, что у многих опыт схожий, если готовы, то поделитесь своим мнением в комментариях.
#курсы #часть2

📽 Посмотрел видео с Анна Штенгауэр, HRD в ubic.tech, в рамках проекта «Как найти свою первую работу в IT» от Хабра.Карьеры и VK. Особенно понравилось, когда Анна рассказывала про нативную интеграцию CRM с HH, а не Хабра.Карьерой. 😕

✒️ Пока смотрел видео конспектировал, и подготовил для Вас небольшую выжимку.

🧙‍♀️Прописные истины в составлении резюме:

1️⃣ Необходимо делить текст на абзацы.

2️⃣ Отображать количественные результаты работы и добавлять много фактуры: команда, задачи и так далее.

3️⃣ Писать резюме под конкретную вакансию.

4️⃣ Если есть предыдущий опыт, то его необходимо инкрустировать в резюме, чтобы подсветить доменную область, задачи, которые вы считаете «крутыми» вне зависимости от области, и задачи, связанные с аналитикой.

5️⃣ Необходимо транслировать свою мотивацию в резюме.

6️⃣ Стараться «закинуть» резюме через людей, которые Вас знают и будут вашими рефералами. Можно даже искать переговорщика в сети 😉

7️⃣ Ментор может не только научить, но и порекомендовать.

8️⃣ Пользуйтесь карьерными сайтами интересующих компаний, чтобы сопроводительное письмо (СП) было более релевантным.

🌙 Новинки:

🔝 В разделе «обо мне» можно оставить свой ТГ и тогда не нужно HR тратить денюжку компании на ваш отклик и конверсия звонков увеличится. Уже вижу, как разработчикам 🧑‍💻, вне спринта, прилетает задача на устранение фичи бага.

🙋‍♀️ Ответы на вопросы, которые задавали в чате:

❓Можно ли считать учебный опыт рабочим?
Ответ: да, это MVP, которое демонстрирует вашу работу

❓Читаешь ли ты СП?
Ответ: Да, но нужен удобный формат. Большое - ок, если в нем есть ценность. Можно добавить ссылки на работы, не только гитхаб, но и визуал.
От меня: Для аналитиков можно сделать небольшое исследование компании и добавь его в СП.

❓Надо ли писать в названии резюме «стажер»?
Ответ: Нет, но правильное название важно.
От меня: Будете писать, когда будет плашка Senior 😀

❓Откликаться на вакансии или связываться напрямую? (Обсуждали с Дианой, видео в закрепе)
Ответ: да, если по делу, но не переходите личные границы, чтобы не спугнуть и не казаться назойливым.
От меня: да, испечь торт будет слишком ☺️

❓Как понять по количеству откликов: переоцинил себя или нет?
Ответ: переоценили, если откликов нет, недооценили, если по зарплате предлагают меньше.

❓Можно ли опыт онлайн курсов выдать в качестве работы в компании?
Ответ: Не надо, очень легко, лучше быть честным 😇

❓Как избежать падения вакансии в выдаче?
Ответ: никак, у всех внутренняя кухня. Эйджизм 👨‍🦳и сексизм 🤵‍♂️есть в компаниях, от него не убежать, но не в нашей 😇

❓Надо ли указывать возраст?
Ответ: Да, но на эйджизм, не обижайтесь.

❓ Есть школы онлайн курсов, которые ценят больше? Является ли ЯП жирным плюсом?
Ответ: Ориентируйтесь на экспертов в онлайн школе, а не на вендора.
От меня: Нет

❓Увеличатся ли шансы, если скажу, что готов работать бесплатно?
Ответ: Нет, надо себя ценить 💰

🏋️ Кто-нибудь уже присоединился к «движухе»? Как Вам?

🔥 Кто хочет на «Прожарку» резюме, присылайте их в комментарии к посту или мне в личные сообщения, мы разберем с Дианой, head of HR DataGo. Если хотите, то личные данные можете убрать.

#собеседования

😀 Всем привет!

📹 Вчера в видео мы затронули такую сущность как массивы numpy. Разберем в чем их отличия от списка в Python.

📊 Списки - это встроенная структура данных в Python, которая может содержать разнородные элементы любого типа. Давайте рассмотрим пример создания списка:

my_list = [1, 2, 3, 'a', 'b', 'c']

🔢 Массивы numpy являются фундаментальной структурой данных в научных вычислениях и специально разработаны для числовых операций. Они однородны по своей природе, что означает, они могут содержать только элементы одного и того же типа данных. Вот пример создания массива numpy:

import numpy as np

my_array = np.array([1, 2.5, 3])

array([1., 2.5, 3.])

my_array.dtype

dtype('float64')

🧮 Как мы видим, numpy автоматически переводит из формата int64 в float64 целиком весь массив, даже если хотя бы один элемент является float64 - однородность это цена, которую приходится заплатить за скорость.

🎯 Еще одно ключевое отличие заключается в том, что массивы допускают поэлементные операции:

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

result = arr1 * arr2

print(result)

# Output: [4, 10, 18]

🤔 Напротив, выполнение поэлементных операций со списками потребовало бы перебора каждого элемента, что медленнее и не так лаконично.

🔭 Еще одной полезной функцией массивов numpy является broadcasting, которая позволяет выполнять операции между массивами различной формы:

import numpy as np

arr = np.array([1, 2, 3])

result = arr * 2

print(result)

# Output: [2, 4, 6]

📝 Таким образом, в то время как списки являются структурой данных общего назначения в Python, массивы numpy специально разработаны для вычислений и обеспечивают лучшую производительность и функциональность. Однако, если вам нужно хранить элементы разных типов, то придется использовать списки.

🏠 Попробуйте повторить поэлементные операции и broadcasting с помощью списка Python и присылайте резудьтаты в комментарии.

🏎️ В следующих постах отдельно разберем индексацию и сравним скорость работы разных методов.

💬 Есть хотите обсудить аналитику данных, попросить совета по резюме, поделиться тестовыми или просто задать интересующие вопросы, то присоединяйтесь к нашему чату.

#numpy #python

😀 Всем привет!

🎥 В сегодняшнем выпуске разберем заграничный IT рынок без привязки к конкретной локации (на сколько это возможно)

🧐 Видео проводит параллели между разными IT рынками, чтобы зритель смог самостоятельно сделать выводы.

✒️ Поделитесь своим опытом или задавайте интересующие вопросы в комментариях.

#видео #интервью #поискработы

😀 Всем привет!

📕Сегодня продолжим тему курсов, обсудив такое явление как проект, который по уверению создателей курсов, станет жемчужиной Вашего резюме и дополнит портфолио.

🦄 Изначальный смысл портфолио - это отражение навыков, а также «уникального» почерка владельца, путем демонстрации своих лучших работ.

🎭 Портфолио сыграет свою роль, только в первый раз, когда HR или кто-либо другой его увидит, но в реальности подборку работ уже знают все наизусть, а удивить они могут только лишь своим отсутствием.

🏅 В плане навыков тут еще сложнее, так как зачастую проекты и правда довольно сложные в реализации, но заботливое руководство курсов осмотрительно снабдит ученика несколькими готовыми функциями, которые по своему размеру больше напоминают полноценный модуль. И вместо подробного разбора работы, заставит бездумно применить функции в нужных местах.

🧪 Задания на АБ тесты сконцентрированы всегда на финальной части, а именно расчете, где необходимо понять: прокрасились метрики или нет? Совершенно упуская из вида важнейшую часть - дизайн эксперимента, которая остается за кулисами в качестве сухой теории.

🧑‍🏫 Код-ревьюеры заслуживают отдельного внимания. От тренажера, который мы обсудили в прошлых частях, их отличает не столько человеческий подход, сколько большая склонность к ошибкам. Однобокость оценки сродни их автоматизированного коллеги.

🎨 В итоге имеем безликий набор работ, который не помогает ни выделиться среди равных, ни подкрепить изученные знания практикой.

🖼 Намного ценнее, если бы ученики на протяжении всего обучения создавали свой один уникальный проект, пусть не на столько отполированный, как готовые, но зато самобытный, живой и отражающей уникальные подходы владельца к анализу данных.

✒️ Было бы интересно послушать мнение студентов, нанимающих и ревьюеров, всех приглашаю в комментарии.

#курсы #часть_3

🧑‍💻 Аналитики, привет!

🚯 Можете смело бросать изучение Python, SQL и статистики, потому что вышел временно бесплатный курс по ChatGTP от DeepLearning.AI в партнерстве с OpenAI.

🧑‍🏫 Небольшой ликбез:

👅 Большая языковая модель (LLM) - это тип искусственного интеллекта (AI), которая может понимать и генерировать человеческий язык. Она создается путем обучения нейронной сети на огромном наборе данных текста, что позволяет ей изучать закономерности и взаимосвязи языка.

🧑‍🏫 После обучения LLM может выполнять различные задачи по обработке естественного языка (NLP), такие как перевод, обобщение и генерация текста. Одним из примеров LLM является модель GPT-3 (Generative Pre-trained Transformer 3).

🤖 ChatGPT - это компьютерная программа, предназначенная для общения с людьми. Она использует искусственный интеллект, чтобы понимать, что пишут люди, и генерировать соответствующие ответы.

📕 Promt - это набор команд для ChatGTP.

📚 У меня прохождение курса заняло один вечер, хотя в описании написано, что он рассчитан на 1 час.

🏆 Вы научитесь лучшим практикам по написанию «промтов», создадите чат бота и узнаете как использовать OpenAI API.

⚒ Уверен, что умение использовать ChatGTP или любой другой LLM будет отличным дополнением любого резюме, особенно аналитика, так как ChatGTP не просто заменяет junior специалиста, а еще и на работу не опаздывает.

🐡 DeepLearning.AI, во главе с Andrew Ng, на протяжении 6 лет создают потрясающие курсы на тему AI. Их профессиональный сертификат по TensorFlow стал одним из первых, который я полностью прошел.

🍾 OpenAI в рекламе не нуждаются, собственно они эту LLM и разработали.

✒️ А вы уже используете ChatGTP или другие ИИ в своей работе?

#chatgtp #курсы