Telegram Web Link
This media is not supported in your browser
VIEW IN TELEGRAM
Математика для Data Science: какая нужна и зачем

В этом ролике автор разбирает какая математика нужна для data science, где используется и для чего:

00:06 Пример
01:01 Школьная математика
01:39 Статистика
02:31 Линейная алгебра
03:20 Математический анализ
03:53 Теория вероятностей
04:21 Вывод

Смотреть это видео на youtube: youtu.be/wI0wnktEhGE

Секреты аналитики
Как собирать данные, где искать специалистов и куда всё движется

Какие байки ярче всего иллюстрируют заблуждения о больших данных? Какой на самом деле можно получить профит от Big Data? Сколько его придётся ждать и сколько денег необходимо в это вложить? Что лучше — построить свою внутреннюю службу или привлечь консультанта? И, конечно, главное — как правильно произносить это магическое словосочетание?
Всё это обсуждается в данном материале.

Секреты аналитики
А зачем это бизнесу? Экономическое обоснование использования ML для прогнозирования спроса на ж/д

Бизнес всегда хочет сократить затраты, и аналитик может ему в этом помочь за счет прогнозирования спроса. Зная спрос на железной дороге, мы понимаем, где в ближайшем будущем будут основные точки возникновения грузопотоков, куда имеет смысл заадресовывать наши вагоны, чтобы сократить порожние пробеги (когда вагон едет пустым) и остаться в прибыли.

Секреты аналитики
Media is too big
VIEW IN TELEGRAM
Интервью с Data Scientist

0:00:00 Начало
0:27:20 Переход в IT
0:38:17 Что такое Data analysis и Data Science
0:44:25 Big Data
0:45:40 Кто такой аналитик
0:46:06 Data mining
0:49:22 Машинное обучение, Deep learning, Нейронные сети
0:52:53 Data Set и обучение нейронных сетей
1:02:34 Как оценить сколько стоит Data Scientist
1:03:46 На чем пишут DS
1:08:54 Инструменты: Tableau, R, Wolfram
1:10:51 По каким процессам работает Data Scientist
1:22:37 Как развиваться чтобы стать DS и что предстоит пройти
1:26:50 Минимальные навыки, которыми должен обладать DS
1:31:25 Где брать практический опыт
1:35:05 Что спрашивают на собеседовании
1:36:17 Источники информации для обучения

Смотреть это видео на youtube: youtu.be/tQYCd8tg56U

Секреты аналитики
Язык 1С: плюсы и минусы для аналитических платформ

Мы часто сталкиваемся с несколько устаревшим мнением, что язык 1С – это только про финансовые системы. На самом деле 1С — это давно не только язык локальной бухгалтерской или финансовой программы, а мощное решение, проверенное огромным количеством компаний.

В этой статье автор подробно разберет, что он из себя представляет, где мы его применяем, какие плюсы и минусы у 1С есть.

Секреты аналитики
Что делают и сколько зарабатывают аналитики в крупных компаниях

Из-за того что профессия относительно новая, рынок ещё не определился, кто же такой дата-сайентист. Пока это «человек — швейцарский нож», который должен и анализировать, и программировать, и модели строить. А между тем каждая сфера — отдельная область знания, которую изучают и шлифуют годами. На одноимённую позицию в разных компаниях может требоваться разный набор знаний.

Впрочем, если просмотреть несколько десятков вакансий, можно выделить общие, уже устоявшиеся тенденции на рынке Data Science.

Секреты аналитики
Дублирующий скрипт: как с его помощью мы ускорили бизнес-процесс

В этой статье на примере большого и сложного процесса выдачи экспресс-кредитов автор расскажет, как смог реализовать полноценный дубль процесса на стороне одного проверочного скрипта и ускорить процесс выдачи экспресс-кредитов с двух рабочих дней до семи минут.

Секреты аналитики
Media is too big
VIEW IN TELEGRAM
Основы ЛИНАЛА для Data Science за 15 минут: векторы, матрицы, базис

В этом видео автор разбирает основы линейной алгебры, которые пригодятся для изучения Data Science:

00:10 Векторы
00:34 Координаты вектора
01:42 Пример с пространством векторов
02:15 Единичные векторы
03:00 Сложение векторов
04:37 Линейная комбинация векторов
04:55 Линейное преобразование векторов
05:57 Матрицы
06:59 Операции над матрицами
07:54 Транспонирование матрицы
08:18 Ранг и определитель матрицы
11:18 Пример, отображающий суть машинного обучения
13:08 Собственный вектор матрицы

Смотреть это видео на youtube: youtu.be/cGxK2-_0x40

Секреты аналитики
Анализ вакансий и зарплат в Data Science

Исследование вакансий и зарплат в сфере data science и data engineering. Спрос на специалистов растет, или рынок уже насытился, какие технологии теряют, а какие набирают популярность, размер зарплатных вилок и от чего они зависят?

Секреты аналитики
Краткий гайд — резюме для Data Scientist

И, хотя каждый обладает базовой необходимой экспертизой по составлению резюме, всё же есть правила HR-кухни, которые лучше соблюдать, чтобы получить наибольшее количество ответов от работодателей.

Секреты аналитики
Какую математику сегодня проверяют работодатели при найме Data Analysts & Scientists

Всемирный экономический форум в своем прогнозе самых востребованных профессий до 2025 года поставил Data Analysts & Scientists на первое место рейтинга...

Секреты аналитики
Media is too big
VIEW IN TELEGRAM
Все, что нужно знать о профессии аналитика данных

В этом видео автор разбирает кто такой аналитик данных и какие навыки ему нужны. Вы узнаете как освоить одну из самых востребованных профессий нашего времени, что ждет вас на старте карьеры и чем занимаются специалисты каждый день.

Смотреть это видео на youtube: youtu.be/MwlgWMK_GZE

Секреты аналитики
Apache Spark и PySpark для аналитика

Есть много статей, которые дают инструкции по оптимизации Spark. Но, всё-таки, оптимизация запросов — штука непростая. По мнению автора статьи это не первый навык, который нужно освоить аналитику. Важнее как можно раньше научиться читать план запроса и следить за прогрессом исполнения расчётов в SparkUI.

В этой статье автор разберёт:
• что такое план запроса и чем он может помочь;
• как Apache Spark формирует план запроса;
• как пользоваться Spark UI, чтобы следить за планом запроса и прогрессом его исполнения;
• практические советы.

Секреты аналитики
Media is too big
VIEW IN TELEGRAM
Чем занимается продуктовый аналитик?

В этом ролике автор рассматривает, чем занимаются продуктовые аналитики, и подробно разбирает их основные задачи.

0:00 Введение
0:58 Кто такой продуктовый аналитик?
1:18 Примеры работ
2:07 Задачи
4:00 Зарплата
4:30 Инструменты продуктового аналитика

Секреты аналитики
Реальный путь в data science

Эта статья описывает путь автора к первой работе в Data Science. Путь был длинным и пройден за 2,5 года. Статья поможет вам сократить время обучения и быстрее пройти его.

Секреты аналитики
Media is too big
VIEW IN TELEGRAM
10 приемов Excel, которые обязательно нужно знать

В этом видеоуроке автор разберет:
• Закрепление строк и столбцов
• Буквы столбцов
• Сортировку
• Множественный ввод
• Изменение адреса ячейки (F4)
• Формат по образцу
• Быстрое заполнение
• Ввод автосуммы
• Формат 2 знака после запятой
• Вставку значений (а не формул)

Смотреть это видео на youtube: youtu.be/X7uTRUGi6PM

Секреты аналитики
Чем занимаются специалисты по работе с данными и как стать Data-инженером

В этом материале автор рассказывает, чем отличаются подходы к построению распределённых хранилищ данных Data Warehouse и Data Lake, и в чём специфика задач специалистов, работающих с данными.

Секреты аналитики
Совместные конфиденциальные вычисления: как работает технология, которая через 5 лет может изменить мир

Сложно конкурировать с крупными компаниями, опираясь только на собственные данные. Чтобы видеть максимально полную картину, нужно комбинировать разные источники, в том числе и базы данных партнеров. Но прямо обменяться данными не получится — российские и международные законы жестко регулируют этот процесс. Именно здесь на сцену выходят алгоритмы конфиденциальных вычислений и MPC — технология, которая позволяет делать сводную аналитику легально, без риска раскрытия и «слива» данных.

Секреты аналитики
А/В эксперименты. Ускорение вычислений с помощью бакетизации

В современном мире больших данных и высокопроизводительных вычислений оптимизация времени выполнения алгоритмов играет ключевую роль. Одним из эффективных методов ускорения вычислений является бакетизация данных.

Секреты аналитики
Настройка Data Science окружения на вашем компьютере

После прохождения различных курсов и обучения на различных образовательных платформах, вроде Datacamp, вашим следующим шагом станет использование полученных знаний о Python, R, Git или Unix Shell на персональном компьютере. Однако, многие затрудняются с тем, какие пакеты и программное обеспечение нужно установить, чтобы начать работу с различными технологиями. Именно об этом эта статья.

Секреты аналитики
2025/07/10 23:24:47
Back to Top
HTML Embed Code: