Вчера меня обрадовали. Прислали сообщение о том, что на всех маркетологов в компании лид аналитики разослал ссылку на доклад с Матемаркетинга-2019.

"Пользуясь случаем, поделюсь докладом с последнего Матемаркетинга о data driven. Он длится не сильно больше, чем всякие популярные обзоры на ютубе, но охватывает и сложности, с которыми встречаемся, и способы борьбы с ними. Мы будем очень рады, если вы его посмотрите. Ссылка на доклад"

Имеет смысл поделиться со всеми 😊

Алена Артемьева очень емко и точно рассказывает о построении data-driven маркетинга в маленькой компании, когда еще вроде не так много данных и не так много денег.

Видео доступно на YouTube: https://youtu.be/BfKIZ8JvtWs

@internetanalytics

​​Хороший доклад про сложности и их решения при построении data-driven маркетинга и аналитической культуры в компаних разного масштаба.

via @MarkeTech

🔥3 простых совета, чтобы быть успешным в Data Science

Крутой пример семантического анализа на основе открытых данных. В статье представлен весь цикл анализа: начиная от сбора и заканчивая визуализацией данных с помощью plotly

http://leftjoin.ru/all/constitution-sentiment-analysis/

Большой туториал по использованию Pandas на примере задачи оценки студентов. По сути, это такое интересное решение типичной Excel'евской задачи с помощью Python. Рекомендую новичкам, чтобы повысить свою насмотренность

https://realpython.com/pandas-project-gradebook/

Александр Осиюк опубликовал хороший обзор различных решений на базе google bigQuery с примерами sql и задачками, которые можно решать

https://link.medium.com/j8lvMyOlf8

Для тех кто только начинает свой путь в аналитике данных с помощью Python, может быть полезным сравнение одних и тех же манипуляций с данными в SQL и в Pandas

https://towardsdatascience.com/how-to-rewrite-your-sql-queries-in-python-with-pandas-8d5b01ab8e31

Коронавирус: первые итоги пандемии и карантина. Осознайте цифры и ужаснитесь. Хотя, если вы читали мои предыдущие статьи по теме и вас что-то удивляет, то читали вы, вероятно, невнимательно. Последние официальные данные от различных государственных ведомств лишь детализируют то, о чём я всех предупреждал ещё весной.

https://habr.com/ru/post/511968/

​​Особенности метрик отчетов по страницам Google Analytics и как их рассчитывать по данным в BigQuery. Примеры SQL-запросов.

@BigQuery

Вы являетесь представителем самой сексуальной профессии XXI века (по мнению Harvard Business Review) если специализируетесь на больших данных и умело их анализируете.

Cобрали 12 курсов по анализу больших данных — и для тех, кто только начинает осваивать профессию, и для тех, кому необходимо прокачать уже имеющиеся навыки:

https://bit.ly/2x6cDEq

👨🏻‍💻 Профессия в IT - рассмотрим каждого!

▪️ Профессия Data Scientist: кто это? - Смотреть
▫️ Профессия тестировщик программного обеспечения: кто это? - Смотреть
▪️ Профессия Веб разработчик: кто это?  - Смотреть
▫️ Как стать разработчиком игр - Смотреть
▪️ Python-разработка. Как стать программистом - Смотреть
▫️ Профессия разработчик iOS-приложений - Смотреть
▪️ Специалист по информационной безопасности — кто это и как им стать - Смотреть
▫️ DevOps-инженер — кто это и как им стать - Смотреть
▪️ Веб дизайнер - что за профессия - Смотреть
▫️ Кто такой Java-разработчик - Смотреть
▪️ Golang-разработчик – кто это?  - Смотреть
▫️ Как стать Android-разработчиком и создавать приложения  - Смотреть

@itlecture

🗣️Объектно-Ориентированное Программирование

1. Инкапсуляция - Смотреть
2. Наследование - Смотреть
3. Дочерний класс в памяти - Смотреть
4. Агрегация и Композиция - Смотреть
5. Класс Обёртка - Смотреть
6. Множественное Наследование - Смотреть
7. Анонимный Объект - Смотреть
8. Раннее и Позднее Связывание - Смотреть
9. Functor или Объект-Функция - Смотреть
10. Двойное наследование в памяти - Смотреть

@itlecture

​​Особенности метрик отчетов по страницам Google Analytics и как их рассчитывать по данным в BigQuery. Примеры SQL-запросов.

@BigQuery

🐍Программы на Python (подборка)

▪️ Распознавание лиц на Python | Аналог FindFace - Смотреть
▪️ Telegram бот на Python - Смотреть
▪️ Поиск девушек Вконтакте - Смотреть
▪️ Автоматический поиск SQL инъекций на Python - Смотреть
▪️ Hotword для windows - Смотреть
▪️ Telegram бот модератор - Смотреть
▪️ Синтез речи на Python. Качественный голос - Смотреть
▪️ Качаем файлы с открытых веб-директорий - Смотреть
▪️ Бот ВКонтакте на Python - Смотреть

@itlecture

Как правило Яндекс Метрику внедряют копируя код в пользовательский HTML тег, однако сегодня это уже не единственный способ ее внедрения на сайт
https://bit.ly/3isq2Zp

via @prometriki

Статья про конкурентный анализ средствами Python. Я уже кидал предыдущую часть статьи, в которой рассматривались особенности парсинга. В этой же части автор рассказывает об организации хранения полученных данных с помощью простой SQLite-базы

https://habr.com/ru/post/512208/

Доступно и просто о статистике A/B-тестов.
Несколько примеров:

https://medium.com/@rezwan.islam99

via @ABtesting

Анекдот из жизни про A/B тесты: https://www.facebook.com/454859268600716/posts/746949199391720/?sfnsn=scwspmo&extid=LuBD7LdYGbc1Uj8R

Бывает трудно без помощи разработчика отслеживать отправку формы. Частично проблему можно решить отслеживаем видимости элемента в GTM: https://bit.ly/3kPSXIN

Mail.ru Group и hh.ru составили портреты российских специалистов по анализу данных (Data Science) и машинному обучению (Machine Learning). Аналитики выяснили, где они живут и что умеют — а также чего ждут от них работодатели и как меняется спрос на таких профессионалов.

https://habr.com/ru/company/mailru/blog/511104/

Predictive Power Score (PPS) — это метрика, позволяющая определять степень линейной и нелинейной зависимости между двумя колонками, в том числе для ассиметричной зависимости. Эта метрика может быть отличной заменой коэффициента корреляции Пирсона. Пример реализации подсчета Predictive Power Score на Python и сравнение с Пирсоном:

https://www.kaggle.com/frtgnn/predictive-power-score-vs-correlation

Также рекомендую почитать статью про PPS:

https://towardsdatascience.com/rip-correlation-introducing-the-predictive-power-score-3d90808b9598

Вдохновлено постом https://news.1rj.ru/str/ProductAnalytics/249