На прошлой неделе закончил вводный курс Аналитик данных. Решил, что в текущей работе мне не хватает навыков в аналитике, так как часто приходится работать с данными в двух аспектах: работа с таблицами и статистикой.

Еще пару лет назад я познакомился с отзывом на курс от Саши Михайлова и окончательно решил прокачивать экспертизу. Ко всему прочему на рынке курсов у Яндекс.Практикума наиболее хорошая репутация за счет подобных отзывов.

Изначально я решил пройти вводный курс ради скидки в 7%, которую дают за прохождение. При этом прохождение строго ограничено временем и если не успел, то ничего не получил. Но в процессе я как раз понял для себя разницу между аналитиком данных и специалистом по дата саенс на примерах задач.

В солнечную жаркую субботу я потратил около четырех часов на одно задание в финальной теме. Правда, больше ничего серьезнее этого не было.

В курсе представлено 2 модуля. Первый модуль (9 уроков, ≈12 минут) — это пересказ возможностей и плюшек Яндекс.Практикума, а второй модуль посвящен основам Python, где на нескольких простых кейсах ты понимаешь с чем придется работать и как это отличается от работы с большими данными. Во втором модуле 9 тем, в среднем по 10 уроков, которые можно пройти за ≈11 часов, но в реальности у меня ушло больше времени.

Темы второго модуля Аналитика данных.

Основы Python. Знакомство через историю о компании Moscow Catnamycs с кодом, переменными и ошибками. Самое главное: в первой теме тебя плавно погружают в структуру кода, что будто бы интуитивно тебе помогает на следующих уроках работать. Хотя некоторые строки кода мне было сложно запоминать:

import pandas

data = pandas.read_csv('polomki.csv', index_col='Магазин')

print(data)

В строке с переменной data после запуска библиотеки идет функция read для работы с CSV. Я никак не мог запомнить, что после read всегда подчерк. Структуру кода показывают наглядно и понятно:

Из теории в курсе Аналитик данных

Игровой процесс. Перед началом каждой темы дается небольшое количество теории и задачи на Python в «песочнице», где можно с помощью готового кода быстро посмотреть результат. При этом тебе просто предлагают скопипастить какую-то переменную и вжух ты уже программист, который наглядно визуализировал данные.

На мой взгляд вся концепция строится, как в компьютерной игре: на первых уровнях тебе показывают как взаимодействовать с интерфейсом и выполнять задания, постоянно обогащая тебя дофамином за выполнение мелких заданий. При этом сложность все время меняется, чтобы тебе не надоело или чтобы ты не застрял где-то. Хоть я и, в самом конце, все же обратился в чат за помощью, но пока они отвечали я нашел ошибку в коде :D

Интересные кейсы. При прохождении второго модуля, на выдуманных кейсах учишься работать с данными, как настоящий аналитик. Например, в первой теме ищешь среди большого количества данных причину поломок устройств. В седьмой теме нужно было найти окупаемость рекламных кампаний, что напрямую связано с моей текущей работой в WIM.Agency. Мне этот кейс показался самым слабым с точки зрения реальной работы. Я даже написал гневный комментарий в поддержу, что в одном из текстов нет связи с последующими вопросами по тексту и они обещали это исправить.

Задачи. В каждой теме есть разные типы задач: опрос с разными вариантами ответов, решение логических задач, где ответ вписывает сам студент, разнообразные квизы и задачи по написанию кода.

В первой задаче нужно правильно написать код, а во второй распределить столбцы из файла по типу переменных. После каждой темы есть большие задачи, где пишешь код с ноля и почти отсутствуют задачи.

Что я открыл для себя. Легкое погружение в программирование с минимальным набором навыков. Все это приблизило меня к цели писать всякие штуки по автоматизации для Альфреда на Питоне.

Несколько раз расстроился, что некоторые задания я перепроходил по два раза, так как никак не мог понять почему путь решения некоторых кейсов именно такой, какой тебе написали.

Моя требовательность к себе постоянно мешала обучению: я делал малейшие ошибки в ответах по тексту. И, конечно, кайфанул от самого процесса, когда некоторые сложные задачи получалось сходу решить.

Поздравление по итогу прохождения курса и скидка в 7% до 31 августа. Потом, увы, сгорает.

Планирую пойти на ближайший поток Аналитик данных плюс в сентябре, так как нагрузка размазанная и позволяет совмещать учебу с основной работой. Цена ≈160к за год не маленькая для меня, поэтому надеюсь сэкономить за счет кэшбека от Сбера и скидки амбассадора.

Еще по теме
Установка Python на macOS для аналитиков