🐍 Бесплатные ресурсы для изучения Python для анализа данных — собрала всё в один пост 💙 Хэндбуки и учебники Яндекс Хэндбук Python Pythonworld Python Data Science Handbook 🤩 Курсы Stepik — «Поколение Python: курс для начинающих»
Stepik — «Поколение Python: курс для продвинутых»
Stepik — «Программирование на Python»
Code Basics — Python Kaggle Learn Яндекс Практикум — «Основы анализа данных и Python»
Kaggle Learn — Intro to Programming Kaggle Learn — Python 🧑💻 Курсы по NumPy NumPyCourse (GitHub)
Python Data Science Handbook — NumPy NumPy Quickstart Tutorial NumPy Tutorials 🐼 Курсы по Pandas Kaggle Learn — Pandas Python Data Science Handbook — Pandas Pandas Getting Started Tutorials Kaggle Learn — Data Cleaning Kaggle Learn — Data Visualization 🧠 Практика и тренажёры Kaggle Exercism Python HackerRank Python LeetCode 🍗 Открытые датасеты для практики Kaggle Datasets UCI Machine Learning Repository Google Dataset Search Data.gov 🤓 Библиотеки, которые должен знать аналитик
- NumPy — работа с массивами и вычислениями
- Pandas — обработка и анализ табличных данных
- Matplotlib — базовая визуализация
- Seaborn — статистические графики
- Plotly — интерактивные визуализации
- SciPy — статистика и научные вычисления
- scikit-learn — машинное обучение
🤩 YouTube и лекции selfedu_ru Corey Schafer 🦋 Главное правило обучения: 20% теории и 80% практики
После каждой новой темы делайте мини-проекты. Например:
• проанализируйте данные Airbnb: какие районы самые дорогие и что влияет на цену жилья • исследуйте датасет Netflix: какие жанры популярнее всего и как менялся каталог по годам • проанализируйте поездки такси в Нью-Йорке: как спрос зависит от времени суток и дня недели • проведите когортный анализ пользователей и посчитайте retention • постройте интерактивный дашборд в Plotly
Именно реальные проекты чаще всего помогают получить первую работу аналитиком
🫵 Сохраняйте, дополняйте в комментариях
