Третий день моего пути в Data Science принес два крутых результата: глубокий анализ и небольшое сотрудничество.

📊 Датасет по анализу зарплат DS: Закончила разбор датасета с зарплатами DS’ов. Цифры там оказались достаточно ожидаемыми, но все равно поделюсь ими в следующем посте. 🤝 Сила нетворкинга: После прошлого поста мне в ЛС написал ML-специалист. Предложил объединить силы для соревнования на Kaggle, где я буду фокусироваться на анализе и feature engineering, а он — на ML-моделях.

🚢 Наш первый совместный таск: Для разминки решили вдвоем разобрать классический Titanic. Моя часть работы: • Предварительный осмотр и EDA • Очистка и предобработка данных • Feature engineering (создание новых признаков из имеющихся) • Построение baseline-моделей для оценки

Получилось продуктивно: я построила гипотезы, посмотрела на данные под разными углами. Применила навыки на практике.

Вывод дня: Действия + открытость = возможности и рост. Не бойтесь заявлять о своих целях — единомышленники найдутся!

А вы находили крутые проекты или наставников через нетворкинг? Делитесь историями 👇

#data_science #нетворкинг_работает #kaggle #команда #titanic #eda #featureengineering #совместная_работа #ds_челлендж #опыт