Почему рекомендации Netflix работают так плохо?
Те, кто с нами давно, знают, что это перезалив.

Если вы подписаны на Netflix, то знаете, что иногда его лента рекомендаций… удивляет. Почему популярный сервис, который собирает гору всевозможной информации о вас и ваших вкусах, так часто советует посмотреть какую-то чушь? Что он делает с этими данными — и что это вообще за данные, на которых строится работа рекомендательных алгоритмов?

Разбираемся в нашем видео:
🔜 YouTube
🔜 VK

Dataviz, Data Science и HR
К традиции подводить итоги в конце года все относятся по-разному: кому-то все равно, для кого-то это повод вспомнить, что хорошего произошло за последние 12 месяцев, а для кого-то —причина для стресса.

В последнюю категорию нередко попадают сотрудники корпораций. Те тоже в конце года подводят итоги и оценивают результаты своих подчиненных. 10% (или 15%, или 20%) лучших получат премии, а 10% со дна рейтинга отправятся искать новое место работы.

Обычно результат этой оценки представляют в виде всем знакомой куполообразной кривой. И это выглядит логично:
🔵 Это универсальный график, уместный для визуализации данных из самых разных областей. Если в компании дела идут нормально, то и результаты сотрудников тоже распределятся по осям нормально.
🔵График четко делит людей на несколько групп: «среднячки» в центре, топы и аутсайдеры по краям. Это наглядный, честный и объективный способ визуализировать, кто работал хорошо, а кто не постарался.

Так ведь?
Ну, не совсем. На графике данные распределяются симметрично, но давайте честно — отражает ли это реальность?
🔵 В любом коллективе почти всегда есть несколько топовых сотрудников, которые и правда «тянут» на себе весь отдел и генерируют львиную долю результата.
🔵 При этом обратной картины не наблюдается — их успехи не нивелируют провалы аутсайдеров из анти-топа. Встречаются люди, которые своей некомпетентностью приносят реальные убытки, но это скорее исключения, а не стабильные 10-20% от всего штата компании.

Если описывать ситуацию так, то это уже не скучное нормальное распределение, а правило Парето про 20% усилий, которые генерируют 80% результата. То есть сотрудники делятся на небольшую долю топ-перформеров, большинство «среднячков» и редких аутсайдеров.

Если интересно почитать подробнее, то в блоге Data Science for Fun and Profit про это есть любопытная статья. А мы просто отметим, что это отличный пример того, как датавиз влияет на восприятие данных и принятие решений.

Что внутри Postgres?
«Just use Postrges» — это выражение уже почти мем. Кто-то иронизирует над тенденцией в любой непонятной ситуации использовать Postgres, а кто-то говорит это вполне серьезно. Его любят за бесплатность, производительность, умение работать с разными типами данных — в общем, есть за что.

Но что, если заглянуть глубже и разобраться, как именно он работает?
🔵 Как хранит данные и распределяет ваши таблицы по папкам?
🔵 Как Postgres оптимизирует работу с большими файлами?
🔵 Что делают Pages, и как они помогают снизить вероятность ошибок записи?

Ответы — в лонгриде аж на 30+ минут вдумчивого чтения How Postgres stores data on disk.

Если вникнуть в тонкости того, как Postgres хранит данные, то, во-первых, появится еще несколько веских причин его любить. А во-вторых, это может пригодиться в работе — когда вы понимаете, как что-то устроено, намного проще исправлять ошибки или искать причины проблем.

Хотите переведем статью целиком и выложим в блог leftjoin.ru?
❤️ — Да, давайте!
🌚 — Нет, оригинала достаточно

Найти ценность для клиентов на пересечении науки и бизнеса | Ecom.tech (ex-Samokat)
🔵 Сервис по созданию рецептов из продуктов в корзине интернет-магазина.
🔵 Определение склонности покупателя к мошенничеству по его истории просмотра.
🔵 Сервис для «виртуальных фотосессий», которой позволяет «примерить» одежду из магазина на сгенерированного нейросетью аватара.
🔵Лента видеообзоров на товары, из которой понравившуюся вещь можно отправить прямо в корзину.

Что объединяет все эти вещи?
Это все — сценарии использования ИИ и Data Science в «Самокате». Кое-что уже внедрили в работу, а кое-что пока на стадии разработки. Хотите узнать, что уже применяется, а что ждет пользователей в будущем?

Тогда смотрите новый выпуск подкаста Data Heroes. Его героем стал Петр Лукьянченко, руководитель департамента машинного обучения в ecom.tech — бывшем Samokat.tech.

Про что выпуск?
🔵 Почему Samokat.tech сменил название?
🔵 Чем занимается департамент машинного обучения, почему он так быстро растет и как в него попасть?
🔵 Какую пользу ML и Data Science приносят всем отделам компании, продавцам и покупателям?
🔵 Почему операционное планирование — одна из самых красивых задач, которую бизнес ставит перед Data Science?

Смотреть: YouTube, VK Видео
Слушать: Spotify, Apple Podcasts

Дмитрий Аношин про разницу между туризмом и иммиграцией, выгорание в Amazon и work-life balance
Работа в корпорации с громким названием вроде Microsoft или Amazon для кого-то может выглядеть, как мечта — ведь это большая зарплата, стабильность, интересные проекты. Но иногда реальность разочаровывает, и перестают мотивировать что статус, что деньги.

И как быть?
В новом выпуске LEFT JOIN Partners дата-инженер Дмитрий Аношин (вы наверняка знаете его по его проектам вроде Surfanalytics и курсам на Data Learn), рассказал о переезде в Канаду, работе в Amazon и Microsoft и борьбе с выгоранием.

Обсудили не только трудности.
🔵 Как сегодня переехать в Северную Америку и найти работу в IT?
🔵 Сколько платят дата-инженерам в Amazon?
🔵 Что нужно, чтобы стать востребованным специалистом и построить карьеру в IT на западе?

🔜 YouTube
🔜 VK

Глубокое погружение в машинное обучение
Парадокс машинного обучения: с одной стороны, оно сейчас абсолютно везде. С другой стороны, может быть непонятно, как войти в эту область сейчас и стоит ли вообще это делать?

Давайте разбираться.
Руководитель ШАД Алексей Толстиков рассказал про обстановку в ML в России на подкасте MLinside. Как всегда, приведем в посте самое интересное.
🔵 Нужны ли ML-щики сейчас? Тут ответ короткий: да, спрос большой, и он будет расти.
🔵 В ML важно не только знать математику, уметь мыслить абстрактно и работать с алгоритмами. Без софт-скиллов тоже далеко не уедешь: пригодится умение грамотно доносить свою точку зрения до коллег и заказчиков и объяснять ценность ML тем, кто от него далек.

Небольшой оффтоп про харды. Да, математика нужна, но вкатиться в сферу можно и без оконченного физмата. Алексей рассказал про музыканта, который отучился у них в ШАД, успешно ушел в ML и стал разработчиком в Алисе.

🔵 Найти работу поможет насмотренность — понадобится и понимание возможностей ИИ в целом, и знание, как с его помощью решать реальные, практические задачи. Хороший способ прокачать свои скиллы — соревнования по ML.
🔵 Сложно бывает не только найти работу, но даже поступить на учебу — в тот же ШАД многие попадают не с первого раза. Но тут главное не унывать и не бросать попытки — если, конечно, действительно хотите работать в ML.

А что вы думаете — согласны со словами Алексея? 👀

Аналитики читают LEFT JOIN и слушают Data Heroes
Мы это не сами выдумали, а прочитали в результатах исследования компании NEWHR, которое они провели в октябре 2024. В исследовании приняли участие почти 1300 аналитиков разных специализаций — продуктовые, маркетинговое, системные, дата-аналитики и так далее.

💬 Самыми читаемыми экспертами по аналитике оказались Анатолий Карпов, Валерий Бабушкин и Роман Бунин. В десятку попал и Николай Валиотти — создатель LEFT JOIN.

💬 В рейтинге каналов и подкастов первые три места заняли karpov.courses, Reveal the Data и Настенька и графики. 💙 LEFT JOIN на 4 месте, на 20-м — наш подкаст Data Heroes.

Спасибо, что читаете (а еще смотрите и слушаете)! ❤️

Ну и конечно, обязательно ознакомьтесь с результатами исследования целиком — наверняка найдете для себя новые интересные каналы про данные и аналитику.

Специальный рождественский датавиз
Католики и протестанты сегодня отмечают Рождество, так что в честь праздника делимся находкой с Tableau.

Приближаются не только праздники и новый 2025-й год, но и пик солнечной активности, который приведет к появлению ярких полярных сияний. На инфографике, собранной в Tableau, автор рассказывает, в каких частях мира они будут особенно хорошо видны на это Рождество. И заодно рассказывает, почему полярные сияния бывают разных цветов.

А вы когда-нибудь видели полярное сияние? 👀
❤️ — Да!

🙈 — Нет…

Владимир Наумкин про экономику пива, интуитивное пивоварение и рынок крафта в России

Обычно про данные и аналитику мы говорим с точки зрения диджитал-компаний — онлайн-школ, интернет-магазинов и финтехов. В честь Нового Года мы решили оторваться от компьютеров и обратиться к офлайну!

А именно — узнать про 🍻аналитику пивоварения🍻!

🔵За какими метриками следит пивовар, чтобы пиво получилось, как надо?
🔵Как варится пиво и как пивовары обеспечивают стабильный вкус от партии к партии?
🔵Чем сейчас живет рынок крафта в России, и откуда такая любовь к томатному гозе и «супам в банке»?
🔵Из чего складывается стоимость банки пива, и какие сорта варить выгоднее всего?

🔜 Смотрите на YouTube и в VK

Гайд по «Друзьям»
А вы смотрели сериал «Друзья»?

В любом случае, у нас для вас гайд по всем 10 сезонам с рейтингами каждого эпизода краткими описаниями и информацией про персонажей. Теперь вы знаете, какие серии стоит посмотреть (или пересмотреть), а какие можно скипнуть.

А вы смотрели «Друзей»? 👀
❤️ — Конечно!

🙈— Нет :(