Руководство по стилю SQL —основные рекомендации по стилю и оформлению запросов.
Памятка/шпаргалка по SQL — объёмная структурированная статья, в которой собрали основные понятия, операторы и методы работы с базой данных.
Нормализация реляционных баз данных — статья о том, как, пользуясь важными понятиями реляционной теории, можно спроектировать логичную базу данных.
Нормализация отношений. Шесть нормальных форм — материал о том, какие методы нормализации использовать при проектировании базы данных.

7 — Анализ бизнес-показателей

Статья «Как правильно считать прибыль» на VC.ru;
Статья «Оптимизация конверсии — полная инструкция: от основ до продвинутых техник» там же.

Когортный анализ

Статья «Когортный анализ. Метрики продукта vs метрики роста» на GoPractice,
Статья «Когортный анализ в маркетинге интернет-магазина» в блоге Oh My Stats,
Статья «Когортный анализ в Pandas» в блоге Алексея Куличевского,
Видео «О недооцененной конверсии и когортах» на YouTube.

Немного про суть изучаемых нами графиков. Основа это когортный анализ: Каждый конкретный день пользователи нашего приложения состоят из тех, кто только начал его использовать и тех кто уже использовал его ранее - вчера, неделю назад, месяц назад и т.д. Выводы по всей этой куче пользователей сделать нереально! Идея когортного анализа состоит в том, чтобы разделить пользователей на группы по определенным признакам, и отслеживать поведение этих групп во времени. Обычно группы пользователей (когорты) выделяют на основе недели, двух недель, месяца - когда пользователи зарегистрировались в приложении. Выделив такие группы пользователей (когорты) можно следить за ними в течение времени и измерять ключевые метрики для каждой отдельной когорты. Таким образом, сравнивая показатели разных когорт пользователей можно наглядно сравнивать соответствующие этим периодам времени метрики.

Вот тут можно почитать подробней:

https://blog.ohmystats.com/cohort-analysis/

https://gopractice.ru/cohort_analysis/

https://smysl.io/blog/pandas-cohorts/

Юнит-экономика

Цикл статей на Medium о комплексной оценке компаний от фонда Social Capital:
Diligence at Social Capital Part 1: Accounting for User Growth,
Diligence at Social Capital Part 2: Accounting for Revenue Growth,
Diligence at Social Capital Part 3: Cohorts and (revenue) LTV,
Diligence at Social Capital Part 4: Cohorts and (engagement) LTV.
Статья «Гайд: разобраться в юнит-экономике за один день» на VC.ru.
Статья «Юнит-экономика за 30 слов. Расчёт юнит-экономики без калькулятора» на GoPractice.

Пользовательские метрики

Статья «Как выбирать правильные метрики для продукта» на Medium,
Статья «Семь раз отмерь, один раз отрежь: как не запутаться в метриках продукта, процесса и счастья команды» на Хабре,
Статья «Когортный анализ: метрики роста против метрик продукта» на VC.ru,
Цикл видео «Яндекс.Метрика для бизнеса» на YouTube,
Блог и твиттер Яндекс.Метрики.

8 — Принятие решений в бизнесе

Основы проверки гипотез в бизнесе

Что почитать:

Олег Якубенков, статья «Когортный анализ: Метрики роста против метрик продукта»: https://vc.ru/flood/4242-cohort-analysis

Видео с ProductCampNsk Наталья Кунгурова, «Декомпозиция годовых целей, формирование метрик для продукта» https://www.youtube.com/watch?v=weU2tzDE6Ko

Мозговой штурм

https://4brain.ru/blog/мозговой-штурм/

ТРИЗ

https://4brain.ru/triz/

https://www.altshuller.ru/triz/

User Journey

https://medium.com/начинающему-ux-дизайнеру/что-строить-в-первую-очередь-user-journey-map-или-user-flow-4ece3ed60fb5

UX-исследование

https://medium.com/@grifer163/полное-руководство-новичка-по-ux-исследованию-319d69c928cb

https://habr.com/ru/post/347994/

https://askusers.ru/blog/pravila/testirovanie-saytov/

Customer Development

https://vc.ru/marketing/53090-vvedenie-v-customer-development

https://vc.ru/flood/42281-gid-po-customer-development-dlya-produktovyh-menedzherov

Выбор метода проведения эксперимента

https://vc.ru/design/39449-problemnoe-intervyu-ili-kak-proverit-svoyu-ideyu-na-polzovatelyah

https://vc.ru/marketing/33082-customer-development-50-voprosov-dlya-intervyu

Приоритизация гипотез

Матрица Эйзенхауэра

https://4brain.ru/blog/матрица-эйзенхауэра/

WSJF

https://medium.com/agiletransformation/wsjf-или-приоритезация-когда-все-вокруг-сложно-9ed97ff479be

ICE/RICE

https://habr.com/ru/company/hygger/blog/422131/

https://habr.com/ru/company/hygger/blog/424323/

Подготовка к проведению A/B-теста

https://gopractice.ru/how-not-to-analyze-abtests/

Анализ результатов A/B-теста

https://indicator.ru/mathematics/udovolstvie-ot-x-stiven-strogac.htm

9 — Как рассказать историю с помощью данных

Сезонность и внешние факторы

Познакомьтесь с исследованием Яндекса «Как меняется спрос на товары и услуги в течение года»

Есть и другие известные парадоксы. Их часто спрашивают на собеседованиях. Например,

Где ещё почитать про презентацию результатов исследования:

Школа менеджеров Яндекса — про презентации

Как понять когда слайд нужен

Библиотека seaborn

Самостоятельно изучите применение встроенных стилей в matplotlib в документации: https://matplotlib.org/tutorials/introductory/customizing.html

Библиотека seaborn

Странные корреляции в данных

Как работать со странными корреляциями в данных

Подборка цветовых палитр для визуализации данных

Библиотека plotly

Немного про кино или как делать интерактивные визуализации в python

Качественно новый уровень визуализации данных в Python

Событийная аналитика

Как настроить систему аналитики для мобильного приложения

Как создать трекинг план

Data Taxonomy Playbook

10 — Автоматизация

Что такое дата-пайплайны и зачем они нужны

Дата пайплайн на python

Про ETL системы

Проектирование и разработка дашбордов в dash

Прочитайте про SQLite подробнее здесь: https://habr.com/en/post/149356/.

Проектирование и разработка дашбордов в dash

Краткое руководство по dash

Как построить дашборд в dash

11 — Основы машинного обучения

Вот ссылки на материалы, которые помогут вам закрепить полученные знания, узнать про ML-сообщество или просто разнообразить досуг занимательным чтением:

«Стартовая» страница профессионального ресурса про машинное обучение (на русском языке) — определения и формулы:

http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение

Курс в формате статей на Хабр от OpenDataScience-сообщества и ссылка на их страницу:

https://habr.com/ru/company/ods/blog/322626/

https://ods.ai/

Конспект на русском языке книги Machine Learning Yearning, Andrew Ng)

https://habr.com/ru/post/321368/

Блог Дьяконова:

https://dyakonov.org/map/

https://alexanderdyakonov.files.wordpress.com/2018/12/intro2datamining.pdf

Вместо библии для начинающих строителей моделей:

https://scikit-learn.org/stable/

Материалы, которые помогут вам закрепить и детализировать полученные знания:

Общие ссылки (на материалы на серии лекций или статей по алгоритмам ML):https://www.youtube.com/playlist?list=PLJOzdkh8T5krxc4HsHbB8g8f0hu7973fK
https://habr.com/ru/company/ods/blog/322626/
https://dyakonov.org/map/ (раздел «Машинное обучение», «Алгоритмы»)
Линейная регрессия и градиентный спускhttps://github.com/esokolov/ml-course-msu/blob/master/ML15/lecture-notes/Sem07_linear.pdf
https://www.youtube.com/watch?v=qlLChbHhbg4&feature=youtu.be&list=PLkt2uSq6rBVctENoVBg1TpCC7OQi31AlC&t=50m16s
Логистическая регрессияhttps://habr.com/ru/company/ods/blog/323890/#2-logisticheskaya-regressiya
https://github.com/esokolov/ml-course-msu/blob/master/ML15/lecture-notes/Sem10_linear.pdf
В этом курсе не были рассмотрены некоторые алгоритмы классификации, такие как KNN. О нём можно почитать тут:https://github.com/esokolov/ml-course-msu/blob/master/ML15/lecture-notes/Sem02_knn.pdf
https://habr.com/ru/company/ods/blog/322534/#metod-blizhayshih-sosedey
Решающие деревьяhttps://scikit-learn.org/stable/modules/tree.html
https://github.com/esokolov/ml-course-msu/blob/master/ML15/lecture-notes/Sem04_trees.pdf
Ансамбли. Случайный лес:https://habr.com/ru/company/ods/blog/324402/
dyakonov.org/2016/11/14/случайный-лес-random-forest/
Ансамбли. Градиентный бустинг:http://www.machinelearning.ru/wiki/images/7/7e/Sem03_ensembles_2014.pdf
https://habr.com/ru/company/ods/blog/327250/
Реализации градиентого бустинга, которые чаще всего используют: CatBoost и LightGBM. Их детальное рассмотрение не вошло в этот курс, но вы можете почитать про них подробнее:catboost: https://yandex.ru/dev/catboost/
lightgbm: https://github.com/Microsoft/LightGBM
Кластеризация и метрики кластеризации:https://habr.com/ru/company/ods/blog/325654/
Методы снижения размерности (задача обучения без учителя) не вошли в этот курс, но почитать о них можно тут:http://www.machinelearning.ru/wiki/images/a/a4/MOTP11_5.pdf
https://habr.com/ru/company/ods/blog/325654/ (разбор метода главных компонент)

Однако мы приводим источники, которые, при необходимости, помогут вам разобраться с ними:

построение и отбор признаков:https://habr.com/ru/company/ods/blog/325422/
разбиение выборки:https://www.youtube.com/watch?v=8jVUPFtYR0g
подбор параметров алгоритмов (гиперпараметров):https://www.youtube.com/watch?v=kBhYSbh0wg8
https://www.youtube.com/watch?v=EXGeYEuqtbs
интерпретация моделей:https://dyakonov.org/2018/08/28/интерпретации-чёрных-ящиков/

“Y,M,R” Шорткаты для конвертации типов ячеек

Y — code
M — markdown
R — raw

https://github.com/konicaRu/i_am_data_analyst

https://github.com/Higem11/Yandex-Data-Analysis

https://github.com/alexeiveselov92/Yandex-Data-Analysis

https://github.com/KuzmichVK/Yandex.Practicum_projects

https://github.com/Drewleks/yandex_praktikum

https://re-thought.com/how-to-suppress-scientific-notation-in-pandas/

https://github.com/konicaRu/i_am_data_analyst/blob/master/2_project_research_data_analysis/2_project_flat_for_sale.ipynb

Чтобы пройти программу необходимо заполнить форму.

Несколько важных моментов:

при заполнении формы, мы просим указать 2 ваши почты: 1 почта, которая закреплена за вами в тренажере Яндекс.Практикума; 2 почта, которую используете для входа в Slack. Если указанные почты будут некорректными, то добавление не произойдет.
в день запуска вам придет приглашение в Slack-канал da_ds_employment_28_n (где n – номер группы) в этом канале появится ссылка, при переходе вам будет открыт доступ карьерному треку в тренажере
в начале каждого месяца открывается регистрация на новые потоки трудоустройства, поэтому если не удаётся пройти в феврале, то можно будет пройти в любой другой месяц.
в программе трудоустройства можно будет участвовать и после окончания курса,
но только в течении первых 6 месяцев

Программа полностью бесплатная. Мы поможем подготовить резюме, собрать портфолио, написать сопроводительное письмо, пройти видео-интервью и составить небольшой карьерный план.

Карьерный трек проходит в тренажере, в Slack-канале же можно задавать вопросы и просить помощь в случае проблем или сложностей.

В улучшении карьерных артефактов вам будет помогать обратная связь от команды HR-экспертов, с реальным рекрутёрским опытом в Яндексе, ManyChat, EPAM и других IT-компаниях

Успешное прохождение программы обеспечит вас артефактами, пригодными для реальной рассылки работодателям.

Программа трудоустройства состоит из 4 спринтов:

Резюме (2 недели) Упаковка опыта работы и правильно представляем обучение в Яндекс.Практикуме, для прохождения скрининга рекрутером.

Портфолио (2 недели) Собираем проекты выполненные за обучение и упаковываем в портфолио на Github, для прохождения скрининга техническим экспертом.

Сопроводительное письмо (2 недели) Правильно формулируем сопроводительное письмо, чтобы отклик был замечен рекрутером или представителем компании.

Публичное собеседование (2 недели) 2 раза в месяц мы будем проводить публичные собеседования в которых можно принять участие как Зритель (посмотреть и послушать со стороны, сделать пометки, задать вопросы) или Участник (лично пройти собеседование у рекрутера, получить обратную связь по ответам на вопросы рекрутера и предоставленном резюме, задать вопросы).

Публичные собеседования будут доступны как в Программе Трудоустройства, так и в Акселерации.После выполнения 4 спринта в в Slack-канале потока появится форма для регистрации в программу Акселерации.Акселерация - это практика поиска работы под нашим наставничеством. Мы поддержим вас на протяжении всего процесса поиска работы, проконсультируем по сложным вопросам. Но результат полностью зависит от ваших усилий и мотивации.Акселерация проходит в отдельном слак-пространстве и телеграм-канале.

Вы делаете регулярные отклики на вакансии, решаете тестовые задания, проходите собеседования.
Мы делимся вакансиями партнеров, а также помогаем находить инсайты в формате сессий Q&A и вебинаров с HR тематикой и приглашенными гостями в числе которых лиды аналитики и рекрутеры.

По любым вопросам, касающимся программы трудоустройства и любым техническим вопросам — @Ekaterina Efremova

Аналитик Данных

Report Page