Хотите стать дата-сайентистом? Вот краткая дорожная карта с основными ресурсами.

#datascience #roadmap

Партиционирование данных: что это такое и зачем нужно

Простыми словами, партиционирование — это разбиение больших таблиц на более мелкие части. Такой подход полезен не только аналитикам, но и всем, кто работает с базами данных — он ускоряет работу отчетов и позволяет быстрее получать ответы на запросы.

У нас на сайте появилась статья, в которой вы сможете узнать больше подробностей о партиционировании, способах его реализации и отличиях от шардирования. Вы также увидите, как это работает в разных СУБД. Прочитайте, потому что это та база, которая пригодится каждому: https://tprg.ru/xHb6

#бд #datascience

Data Science с нуля: подробный гайд для начинающих

Хорошо структурированный материал, который охватывает весь путь новичка в Data Science: от математики и Python до визуализации, машинного обучения и портфолио. Поможет понять, с чего начать и в каком порядке двигаться.

https://tproger.ru/translations/a-beginners-guide-to-data-science

#datascience #гайд

«С чего бы я начал, если бы сегодня снова выбрал Data Science»

Когда входишь в ML, легко запутаться. Как выстроить обучение, чтобы оно было последовательным и не отбивало мотивацию?

Автор этой статьи — уже опытный специалист, но в этом тексте он смотрит назад и честно отвечает на вопрос: *что бы он сделал иначе, если бы учился заново?*

— с чего стартовать, если вы пока только слышали про Python и Pandas;
— почему не стоит сразу лезть в LeetCode;
— как не сгореть по пути и не превратить обучение в бесконечную теоретическую гонку;
— что читать, где пробовать себя, и как искать первые задачи на практике.

Никаких обещаний «через 2 месяца вы в Data Science». Зато — полезный ориентир для тех, кто выбирает направление и хочет пройти путь без лишнего шума.

#ml #datascience

Топовый тренажёр для тех, кто изучает Data Science

DataLemur — это LeetCode для дата-сайентистов. Здесь собраны реальные задачи с собеседований в Tesla, Twitter, Microsoft и другие компании.

Можно изучать конкретные категории, например, SQL, Python, ML. Или отфильтровать по уровню сложности и решать все темы подряд.

В общем годнота. Пробуем тут.

#инструмент #datascience