🎉 Результаты розыгрыша:

🏆 Победители:
1. Илья - г. Шахты, Ростовская область - Игра в цифры
2. Наталья - г. Москва - Графики которые убеждают
3. Алина - г. Самара - Погружение в аналитику
4. Ольга - г. Санкт Петербург - Данные: Визуализируй
5. Александра - г. Москва - Статистика и Котики

Ники и ссылки на странице скрыты от ботов
убедиться в результатах можно по ссылке

✔️Проверить результаты

#Воспоминания:
🧦Пост для милениалов 35+

Утроился я в снежную королеву, моя вторая, хоть и не долгая работа аналитиком.

Первая неделя, молоденькая hr💃, назначает мне встречу вместе с другими новичками в компании. 👯‍♀👯‍♂

Идёт встреча, нам показали как выглядит на фото генеральный директор, все знакомятся, очередь доходит до меня и у меня спрашивают:
- Виталий, что Вы знаете о компании?
- Снежная королева, модные куртки справа и слева, есть подешевле, есть подороже, королевский выбор кожи! Метро Войковская, снежная королева.
-...

Вообще никто ничего не понял.
Ни hr, ни новые сотрудники.
И как с вами работать, дорогие зумеры?

📎Автоматизируем подготовку промтов для GPT: Python-функция для детального описания DataFrame

🕵‍♂️Следствие установило, что для получения качественного ответа (без загрузки базы в чат) часто приходится потратить довольно много времени на описание таблицы, где какой тип данных, примеры, формат, количество nan значений, диапазон дат и прочие нюансы.
Будто при допросе вместо описания преступника, следователь внимательно изучает все родинки у допрашиваемого лица. И у адвоката.
⏰В качестве жертвы у нас рабочее время, которое можно потратить на описание задачи.

В какой то момент я подумал, а почему бы не сделать универсальную функцию которая будет собирать эту информацию за меня, и до кучи сразу писать какой-нибудь усредненный промт (обычно писать мне его лень, и вы можете его подкорректировать под себя)

⬇️ В общем вашему вниманию представляю эту функцию.

Всё что нужно, это вставить код в ячейку, и в следующей команде указать ваш датафрейм. Принт выведет вам готовый промт с описанием вашей таблицы, расскажет тип данных каждого столбца, покажет примеры значений, диапазоны и количество пропусков, а заодно проверит датафрейм на дубликаты.

Простой пример на основе календаря, но в функции учитываются и числа с точкой.

prompt = generate_df_prompt(calend, "calend")  # Второй аргумент имя таблицы
print(prompt)

Сама функция в первом комментарии к посту

✏️ А как вы готовите промты для анализа данных? Делитесь вашими лайфхаками в комментариях. И ставьте 🐳 если используете ИИ.

🕵‍♂ Сегодня у меня полтора года работы в Комусе.
Питон, sql, excel и Fine bi. Стали моими ежедневными друзьями, и я вспомнил как три года назад весной 2022 года, я вообще узнал о профессии аналитика данных.

Это было видео Андрея Noukash на Ютубе "Кем работать в айти на удалёнке?" которое и определило профессию в которую я решил вкатываться.
В 2022 году я ещё не знал, чем я буду заниматься, какую профессию выбрать и изредка баловался в Экселе, в эйфории от того, что знаю формулу ВПР.

В общем крутой канал, слежу четвертый год, а многие видео достойны чтобы их пересмотрели и по несколько раз, потому что даже через года не сильно потеряли свою актуальность, например:
Инструменты Ананалитика

🔍А когда и как вы первый раз узнали про профессию аналитика данных? Было бы круто почитать ваши истории.
#рекомендации #воспоминания

1️⃣ Первый всероссийский конкурс по визуализации данных для детей

📎 А вот и коллаба о которой я говорил:
🤩 Пост для всех тех у кого есть дети (племянники) 6-11 лет.
🕵‍♂️ Буду в составе жюри и я рад участвовать в таком замечательном мероприятии!

Номинации:
Рисунок, Поделка, Диджитал

Сроки отправки работ:
до 30 октября

Что ждёт участников:
• крутые подарки - iPad, LEGO и ещё много всего классного
• обучающие эфиры, где диаграмму можно построить из игрушек или конфет (первый эфир на 20 минут уже в субботу)
• бонусы каждому ребёнку
• детский гайд по диаграммам при регистрации

Погнали вместе с детьми превращать сухие цифры в креатив!

Регистрация

Возвращаюсь к вам с крутой рекомендацией — канал «Зачем мне эта математика» от Яндекс Образования 🧩

Авторы пишут про применение математики в реальных задачах: от архитектуры и искусства до машинного обучения и аналитики. Команда доступно объясняет и показывает, как строгая наука работает в реальных кейсах.

Эти посты показались мне особенно полезными:

- метрики и правила, которым они подчиняются
- линейная регрессия в работе ML-моделей
- откуда к нам пришли знаки =, +, –

А еще редакция регулярно публикует задачки для разных уровней: есть и попроще, и посложнее. Главное — всегда можно прочитать подробное решение и обсудить его в комментах.

Читайте, прокачивайте мозги и замечайте больше математики в повседневности!

😴Новый навык разблокирован

Я сопротивлялся этому.
Я избегал это.
И сегодня я сдался.
Сегодня я открыл для себя бездну.

Power Pivot

Нужно было дать бизнесу сводную, в привычном формате, но количество строк стремилось к 10 млнам 🫡

Я сначала упорно строил сводные на питоне, и давал данные в агрегированном виде, но запрос был, чтобы фильтрация работала.
Раньше в подобных случаях я делал мини датасет на файне, в целом нормальная замена, но не самая быстрая. И хорошо работает если будет периодичность, и для разового запроса городить меры и новую таблицу на хд не хотелось.

Выход:
сохраняем данные в ткст, привязываем к Экселю как источник данных, добавляем в модель данных, и упарываемся в DAX который на первый взгляд больше похож на Файн биай, чем на Эксель.
Размер файла улетает в космос, но сводные строются, все корректно считается

➡️ В целом плюс строчка в резюме - специалист с опытом 5 лет, а там разберемся 😁

Ставьте 👍 если используете power Pivot в работе. Пишите комментарии
Ставьте 🙈 если из принципа не используете эксель и все что с ним связано.
Ставьте 🐳 если вы ничего не понимаете

PS: Уже ищу курсы, которые оплачу и брошу после трёх лекций 🫥