Как говорил классик: "У России 3 пути - в**кам, зак**дки и IT"
Но сегодня мы рассмотрим особый путь - путь аналитика
Почему аналитика привлекательна?
Для вката в аналитику достаточно лишь базовых знаний + к тому же возможен перекат из продуктового аналитика в хайповый Data Science.
Что же нужно знать для получения позиции стажера/джуниора в корпорациях?
Проанализировав требования 16 крупных компаний и изучив несколько ресурсов, я выделил несколько ключевых требований к знаниям: Python, SQL, Статистика, Теория вероятности, Excel, A/B тестирование, графики и визуализация.
Дальше в статье я расскажу, как заботать Python (Остальные позиции из списка ожидайте в следующих статьях):
1. Python 🐍
1) "Поколение Python": курс для начинающих - курс для тех, кто никогда не изучал Python или хочет повторить базовые понятия. Содержит очень много практики, поэтому каждую тему вы точно поймете.
2) Python: основы и применения - продвинутый курс, в котором изучаются различные структуры данных, функции, работы с файловыми системами.
3) Программирование на Python - после этого курса у вас точно будет хорошая база для изучения ML'я или других направлений, косвенно связанных с питоном.
4) LeetCode - практика, о которой я говорил в посте об алгоритмах. Для вката в аналитику будет достаточно заботать задачи легкого/среднего уровня сложности.
x) Seaborn и Matplotlib - библиотеки для построения и кастомизации различных графиков. Основы можно выучить за час, но в будущем будет крайне полезно.
Следующий пост будет посвящен продолжению вката, а точнее мы поговорим про SQL, Excel и A/B тесты