пока разбираюсь с вопросом, насколько глубоко нужен питон дата-инжеренеру-аналитику

смотрю курс Яндекса по бэкенду — там-то люди точно умеют в питон. Можно одним глазом посмотреть на их кухню и более менее представить, что там делается на питон, и что из этого может пригодится в работе аналитика.

а первой части рассказали про основные понятия в БД, а во второй начался уже полный хардкор:
⁃ драйверы (psycopg2, pg8000 и другие)
⁃ подключения, сессии, курсоры, транзакции
⁃ SQL Alchemy и её query builder
⁃ ORM и миграции

В прошлом году закончил курс по аналитике данных в Яндекс Практикуме и сменил профессию.

Почему не в Data Science?

Аналитик данных — для меня это быстрый старт в новой отрасли; такой MVP. «Быстрый» — относительно Data Science:

1. Ниже порог входа по необходимым знаниям. Соответственно, быстрее обучение.
2. Больше потребность на рынке (167 вакансий по запросу «Data Scientist» против 2669 «аналитиков данных» по данным hh.ru). Соответственно, быстрее поиск новой работы.

Ещё три абзаца в блоге
https://sashamikhailov.ru/blog/all/data-analyst-and-data-scientist/

интерактивный помогатор для cron — с примерами и лучшими практиками

https://crontab.guru/tips.html

Про базы данных со стороны бэкэнда

Лекция Татьяны Денисовой для курса по бэкэнду от Яндекса

Это лекция, которая проходится по верхам основных тем для работы с базами данных. Темы, о существований которых надо знать — чтобы при необходимости знать, что писать в поисковый запрос.

https://youtu.be/YjSIdz8DnAo