После 2 жесткого дедлайна осталось 50 человек🤨10 спринт предусматривает командный проект, над которым работают по 3 человека. Почти с нуля написать бэк на проект, который собирает отзывы пользователей на книги,фильмы,музыку.В моей команде одни из самых лучших ребят курса! Тимлидом мы назначили парня, который имеет больше опыта,и именно он взял на себя ответственность написать каркас проекта.Честно говоря,если бы не Никита, я бы не знала с чего начать. Потому что во всех ранних проектах всегда был какой-то скелет. Определенный код, от которого можно оттолкнуться и начать работать. Расписав в Яндекс-трекере задачи и распределив их между собой, мы начали... Шел 4 день работы над командным проектом, и у нас почти все готово. Почти... Я еще колдую над management-командами, а ребята доделывают свои задачи. Работая над этим проектом, я поняла,что у меня еще есть пробелы в определенных темах. И как-же тяжело осознавать,что ты вроде и читаешь, и конспектируешь, и запоминаешь, но все-равно что-то главное упускаешь😭

Дата сайнс - первый спринт

Базовый Python: 30 тем, 5 дней и 35 часов работы.

Переменные и типы данных, строки и списки, циклы, функции, словари, pandas, anaconda, Jupiter notebook, предобработка и анализ данных... Повтор и знакомство с новыми понятиями😄

И наконец, финальный проект сдан! Ура😉

Неделя отдыха здесь и начало нового спринта в Python: управление на удаленном сервере.

Вздохнули поглубже и поехали дальше😎!

#python #datascience

Что для меня обучение

Это не хобби в свободное от дел время, это не видосики в ютубчике под настроение. И уж точно, это не фоточки с цитатами в инсте.

Это работа. Это система. Значит, она часто тяжелая, требующая сил. Она весь день и постоянно.

Я сажусь за компьютер в 8:30. А встаю ближе к 23:00. Внутри этого времени есть 3-5 часов перерыва на прочие дела и тренажерку (попу тоже качать надо😝). В итоге,  выходит 8-9 часов в день учебы/ работы.

На итог: все двухнедельные спринты я прохожу за 7 -10 дней, трехнедельные - за две недели. Процесс идет плавно, информация усваивается ровно.

В общем, надо ПРОСТО РАБОТАТЬ🖥, не боясь ошибок. "Нормально делай - нормально будет" - отличный девиз, идеально ложится в ситуацию с обучением нового материала!

#python #datascience #обучение

Какая тема далась сложнее всего?

Объектно-ориентированное программирование (ООП): написать класс, метод инициализации или другой метод. А этот self зачем? И почему мы его здесь прописываем явно, а потом нигде не вызываем? Как происходит наследование и доступ к атрибутам? Инкапсуляция и полиморфизм – это вообще что-то из кибернетики😂? Вопросов было много. Я читала статьи, смотрела ролики, изучала примеры: почти везде рассказывалось о чертеже и доме или коте и Томе)))

Сейчас для меня класс – это абстрактный тип данных, в котором заключено общее описание, поведение. Описание чего, чье поведение? Конкретных объектов, которые мы расписываем внутри класса.

Любая тема для новичка вызывает вопросы. В теории вроде все понятно, а на практике – ступор🧐. Руки зависают над клавиатурой, думаешь: с чего бы начать. И тогда я начинаю рисовать/писать простыми словами, что от меня хочет заказчик. Это действительно помогает увидеть будущую картину проекта.

Хороших выходных, а я начинаю смотреть "Силиконовую долину".

Предобработка данных

Прошла двухнедельный спринт… За 6 дней. Всего-то надо было работать по 12 часов в день.

Идеальных данных не бывает. Их надо сначала подготовить к анализу: человеческий фактор, системные ошибки, ошибки выгрузки могут их «испортить» - сделать непригодными для анализа. Вот для этого и нужна предобработка.

Что я изучила в теории.
Работа с пропусками, определение аномальных значений, преобразование типов данных, методы поиска дубликатов, работа с несовершенными реальными наборами данных.

Финальный проект. Состоял из двух частей. Первая - решение задач с автопроверкой. И вторая - проект 'Исследование надежности заемщиков' с анализом данных и указанием аргументированного мнения и вывода📊. Эта часть проверялась ревьюером. Оценивалось не только владение нужными командами, но написание правильного, легкочитаемого кода, логического вывода и комментарии каждого шага. После 2 ревью мой проект был принят.😎

Следующий шаг: по Python - отправила на ревью проект 'Docker'. Читаю учебник по DS📙.

Docker

Спринт #12 - Docker - пройден.
Тему я поняла. Были сложности с установкой и зависимостями. Но моя операционка не подвела меня😅!

Сегодня в Data science открылся 3 спринт - Исследовательский анализ. Недавно на вебинаре на запрос дать побольше доп.материала на будущее, наставник сказал: "Не бегите впереди паровоза, следуйте программе, пошагово изучайте темы, от простого к сложному.
Все-таки хорошо, что я учусь по системе, а не самоучка😂🙏

#datascience #docker

Управление проектом на удаленном сервере: Docker, nginx, DevOps, Continuous Integration, GitHub Actions, deploy... Куча тестов и ошибок. Даже пришлось откатиться на 2 спринта назад, чтобы проверить нужный образ. Около 45 часов работы над 13 спринтом. Результат: проект  сдан, и я смело могу писать в резюме, что знаю DevOps🙃

Вчера я отдыхала весь день, а сегодня начинается Статистический анализ в #datascience🔨

Статистический анализ и не только

Дисперсия, математическое ожидание, теория вероятности, эксперименты, проверка гипотез...
Короче, вы меня поняли😁
Сдала проект, как прошла через темный лес...

А в Python у меня месяц на самостоятельный проект: написать бэк с нуля — веб-приложение для обмена рецептами с элементами социальной сети.

Медленно, но верно я двигаюсь вперед...

Горячий 5 спринт Data Science

Неделя на сборный проект по DS. Предобработка, анализы, прогнозы, всё, что захотим... Главное, результат)))
Cкорее бы сдать на ревью и снова заняться Python😎

Сдала Сборный проект 5-го спринта Data Science.

Было не тяжело, но напряжённо. Мозг кипел от анализов и поиска зависимостей.
К слову сказать, знания Python очень облегчают мне работу на курсе DS. Сейчас написать функцию, как расплюнуть. Главное, знать, что ищем и выводим, и как прикрепиться к нужной таблице.
Впереди доработка самостоятельного проекта по Python и неделя каникул по DS. И никто, к сожалению,не отменял работу над проектом на новогодних каникулах.

Сдать два проекта по Data Science во время одного самостоятельного по Python. А мне не слабо😁.
С наступающим, друзья!

После праздников тяжело втянуться в учебу, но есть слова "надо" и "дедлайн". Поэтому продолжаем работать...
Data Science подарил мне каникулы, но я читаю тему "Теория вероятности", которая никак не хочет дружить со мной((. В универе статистика была, но на базовом уровне. А при машинном обучении модели вероятностей нужно знать очень хорошо...

Что касается проекта по Python: жду ответа от ревьюера, который, видимо, тоже отходит от праздников.

Python
Проект 14 спринта сдан, я очень рада. Сайт получился прикольный, яркий, но ВМ я остановила, поэтому не зайти уже😜.
Теперь жду 16 января, чтобы начать большую тему "Алгоритмы".
Data Science
Новый спринт начнется тоже 16 января, но до тех пор я упорно пытаюсь вникнуть в теорию вероятности. На днях опубликую одну из задач данной темы, чтоб вы представляли, с чем я имею дело)))

Python
Тема "Алгоритмы" до самого апреля! Предвкушаю бессонные ночи...
С наступающим старым Новым Годом🥂! Загадываем желания🌟 и сами же исполняем их!

Ну вы меня поняли😂

Data Sciense
Очередной проект успешно сдан🔥.
Машинное обучение: проверка адекватности модели, борьба с дисбалансом, классификация, метрики, поиск наилучшей модели. Следующая тема "Машинное обучение в бизнесе" начнется 30.01.

В последнее время мои два курса накладываются друг на друга, и уже очень тяжело перемещаться между ними. Времени на написание самостоятельных проектов нет - это очень огорчает меня. Вчера зарегилась на kaggle. Надо бы поучаствовать в каком-нибудь соревновании или просто проанализировать для себя Титаник, например.
В голове тревога, что алгоритмы не дремлют, и на них тоже надо тренироваться🤯

Python
16 спринт сдан🧐. Но я все ещё не очень люблю алгоритмы😕.

Data Science
Начала читать теорию по машинному обучению в бизнесе. Мне кажется, теория на данном курсе написана слабенько. У меня есть, с чем сравнить, как преподносится информация, и как собрана программа. Почему-то на этом курсе я очень много ищу доп.материала. Я не хочу сказать, что на курсе пайтон я вообще не обращаюсь к гуглу. И я знаю, что поиск необходимого - это часть обучения. Но датасайнс заставляет меня открывать кучу вкладок и искать подробные разъяснения тех или иных моментов...

Desk setup😍