Пришли результаты Тотального диктанта. Тройка😭

1-я ошибка (орфографическая) — «не умевший» пишется раздельно, т.к. есть зависимые слова (очень глупая ошибка, поторопилась)

2-я ошибка (орфографическая) — задумАвшись. Как здесь-то можно было накосячить?))

3-я ошибка (пунктуационная) — тоже глупая ошибка, не поставила запятую после однородных членов

4-я ошибка (пунктуационная) — «подобно Дерсу» выделять запятыми не надо было.

5-я ошибка (пунктуационная) — после «Куросавы» надо было поставить тире, т.к. оно заменяет отсутствующее сказуемое. Вполне можно было ошибиться.

Так обидно за глупые ошибки! Переживала очень из-за этого...

print("...ты один мне поддержка и опора, о великий, могучий, правдивый и свободный русский язык! (И. С. Тургенев)")

Привет всем.
Делюсь очередным движением😜
Data Science

Пару дней назад сдала проект "Викишоп". Заданием было определить токсичность комментариев, чтобы затем отправить их на модерацию. Это раздел машинного обучения NLP, обработка естественного языка.

Что делала:
предобработка данных, лемматизация, удаление лишних символов, токенизация, деление на обучающую и тестовые выборки, используя Pipeline векторизация + поиск гиперпараметров через GridSearchCV, выбор лучшей модели и тестирование. Данных было много,около 160тыс. Подбор гиперпараметров шел очень долго, поэтому я уменьшила выборку до 10 тыс., достигнув при этом метрику f1=0.75 при целевой 0.74. Считаю,что справилась на ура!

Данная тема была с жестким дедлайном, с пн на этом курсе у меня недельные каникулы.

Python

Изучаю новый фреймворк Flask. Сейчас работаю над финальным проектом.

Мой стек райт нау

Ревьюер принял проект по Flask. Начинаю постигать FastAPI.

Кстати, обучение по Python пройдено на 81%, а по Data Science — на 79%

Just do IT🚀

FastAPI

Начало...

SQL

Прошла всю теорию по FastAPI в Python, финальный проект пока отложила и перешла на SQL в Data Science.

Второй день изучаю/повторяю SQL: 7 тем, в каждой по 10-11 задач😱🤯😰. И казалось бы, они должны даваться легко, т.к я уже их изучала на курсе Python, но все равно есть некоторые моменты, которые я подзабыла.

Совет дня: повторение — мать учения!

Для тех, кто постоянно спрашивает: а когда ты уже закончишь обучение))) Как видите, осталось совсем немного🙏🏻

Что нового

Закончила пару дней назад тему SQL в Data Science.

Хочу подытожить свои впечатления. Данную тему я начала изучать на курсе Python. Там ее проходили совместно с Django. На тот момент был стресс: как бы понять Django, а тут еще и SQL))). Тогда я слабо ориентировалась в связях между таблицами и командами.
На курсе Дата сайнс тему баз данных раскрывают качественно . Проходишь много практических сложных задач, которые тренируют понимание взаимодействия таблиц.
Все-таки хорошо, что я выбрала параллельный курс)). Восполняются некоторые пробелы по темам. Сегодня я могу с уверенностью сказать, что SQL знаю хорошо!

Python: вчера отправила финальный проект по FastAPI на ревью.

DS: начала изучать компьютерное зрение.

Что хочет от меня эта шайтан-машина?)))

Человеко-часы

Я тут посчитала намедни. Чуть больше года прошло, как я учусь на пайтон-разработчика, а с октября еще и на дата-сайнтиста.

В среднем, я работаю/учусь примерно по 8-10 часов в день. То есть у меня немного другой, как мне кажется, сценарий. Я не оптимизирую свой день в поисках встраивания в него 2-3-часового обучения. Наоборот, я устраиваю жизнь вокруг обучения. В субботу и вс поменьше (по 4-5 ч.). За всё это время у меня не было ни разу ни одних каникул. Во время каникул в пайтон я занималась сайнсом и наоборот. Наверное, максимум 5-6 случаев было, когда я не работала больше 3 дней подряд.

Посчитаем примерно человеко-часы: 60 недель по 8-10 часов по 6 дней в неделю выходит примерно 3300 часов. Посчитаю не в свою пользу, вычтем 15%, итого 2800 часов потрачено)

Что сейчас:
1. В процессе финальный проект в 23 спринте в питоне. Впереди еще отчетный командный проект;
2. Участвую в одном хакатоне;
3. По гос. поддержке мне удовлетворили заявку на Data Engineer (универ Баумана);
4. Начала карьерный трек в питоне и сайнсе (об этом отдельно);
5. В сайнсе с пн последний спринт "Обучение без учителя". Затем дипломный проект.

Полный вперед🔥🚀

Я вошла в рабочий процесс...
И кстати, с днем рождения меня🥳

Python
Сегодня приняли проект с бизнес-задачей: велась работа с облачной платформой Google Cloud Platform.
Что делала: уже ранее (на предыдущем спринте) разработанное приложение "Фонд поддержки котиков QRKot ( FastAPI) настроила и подключила к Google API, использовав сервисы Google Sheets API и Google Drive API. Добавила к приложению возможность формирования отчёта в гугл-таблице.

Впереди меня ждет командный проект, который станет финалом обучения на курсе Python-разработчик плюс. А затем получение диплома🙏🏻

Data Science
Последний проект я сдала дня три назад. Впереди неделя каникул, а затем финальный проект. На этом курсе он не командный. Потом получение диплома🙏🏻

Осталось совсем чуть-чуть...
Пожелайте мне удачи☺️

Забежала сказать, что сегодня начинается работа над дипломным проектом в DS.
Держите за меня кулачки😃

Да, дипломные проекты в самом разгаре...

Если в DS я почти закончила, то по Python почти и не начинала (выполнила пока только одну таску).

Всё обо всем потом...

Я закончила курс Data Science!

Привет, друзья. Начинаю принимать поздравления🤗

Закончила курс Data Science🏆, но такое чувство,что мне что-то не додали, осталось чувство "хочу еще", а уже "всё, конец" )))
Но я склоняюсь к мнению - такое чувство от того, что DS  - направление, связанное со стремительным развитием в области ИИ, а значит, всегда нужно будет совершенствоваться и учиться,  и познавать, и все равно будет мало.
Надо сказать, что на курсе дали почти все, что нужно знать крепкому джуну.
И добавить: если бы я к началу обучения курса не знала основ по Python, было бы тяжелее вникнуть в новые темы. 
Итак, задачей дипломного проекта было: для снижения затрат за электроэнергию спрогнозировать конечную температуру плавления стали при определенных факторах. Для того,чтобы получить необходимый состав стали для конечного продукта, в процессе плавления добавляются доп. вещества + прибавляют/убавляют температуру в печи. Конечно, я почитала предварительно про данный процесс, чтоб быть в теме)).
Что делала в проекте: исследовательский анализ, предобработка, удаление аномальных выбросов (визуализация хорошо помогает) Нашла полную мощность, работу,  с помощью матрицы корреляции определила зависимость факторов и среди сильно коррелирующих пар удалила только один фактор. В итоге собрала сводную, по которой провела деление на выборки, затем обучение с помощью пайплайна и гридсерча, подбор гиперпараметров, выбор лучшей модели (у меня хорошо себя показала модель бустинга) и тестирование. В конце - определение важности факторов, которое показало, что наиболее влияющими факторами оказались первоначальная температура и длительность нагрева. И хотя доп. вещества тоже оказывают влияние на температуру (ведь при их добавлении мощность может снизиться), в моем случае они заняли не первые места. Метрика MAE на обучающей выборке показала 6.0, а на тесте 6.2. Учитывая требование заказчика МАЕ<=6.8, можно сделать вывод: модель сработала хорошо.

Насчет диплома:
Так как на этот курс я поступила по гос. программе, то с бюрократией по срокам диплом я получу через месяц :). А электронный вариант мне уже скоро вышлют на эл. адрес.

В пятницу у нас выпускной! Вообще, он запланирован как онлайн-мероприятие. Но мы, москвичи, решили собраться в ресторане и подключиться толпой к остальным онлайщикам.
#яндекспрактикум #мояистория

Data Engineer

С 1.06 начался курс Data Engineer при МГТУ им. Н.Э. Баумана.

Система "посмотри вебинар 2 часа, потом еще 2 часа разбирайся, что там было на презе, а потом сделай домашку, которую почти никто не проверяет" мне не нравится! Это прекрасно, когда тебе читают лекции крутецкие профессора и доценты, но чтение слайдов, которые я и сама могу почитать - такое себе удовольствие)))
Однако ж, не буду воротить нос от того, что далось даром от гос-ва и буду дальше познавать мир Big Data😜