Дневник начинающего Data-аналитика

Дневник начинающего Data-аналитика А на сколько необходимо глубоко знать инструменты машинного обучения (искусственного интеллекта) мне помог опять Яндекс.Практикум. На одном из вебинаром я услышал такую фразу, что для Data-аналитик должен грамотно применять разработанные пакеты инструментов с использованием языка программирования R или Python, а вот Data-Science обязан знать именно Python, т.к. множество готовых решений именно в машинном обучении разработаны на этом языке

Когда я погружался в сущность профессии анализа с данными я столкнулся с двумя ветками развития в Data-аналитика и Data-Science, и честно не особо понимал разницу между ними. Пока однажды мне не попался курс на Яндекс.Практикум с большой таблицей, где подробно разъясняется между этими профессиями. Вот одна из выдержек этой информативной таблицы:

Заметки начинающего Data-аналитика С нового года решил погрузить в анализ данных и усилить свои компетенции в области аналитики. Решил по старинке начать с чтения книг и выбрал аудиокнигу на Литрес Романа Зыкова "Роман с Data Science. Как монетизировать большие данные". Книга в действительности больше ориентирована на новичков, где по сути дается введение в профессию и даются ответы на многие вопросы сути работы Data-аналитика. Книга также подойдет людям, кто хочет развивать бизнес в этой сфере, есть дельные бизнес-советы. Готовых кодов или алгоритмов анализа тут нет, но есть описанный опыт автора, который может подтолкнуть к идеям и решениям. Для тех кто вникает в эту профессию очень рекомендую.