​​Пошаговое руководство запуска моделей машинного обучения в dbt и BigQuery ML без проблем, связанных с управлением инфраструктурой.

@BigQuery

Как-то раз на YouTube мы нашли гайд по Radial Pie Gauge Chart в Tableau. Нам он очень понравился — диаграмма сильно напоминает кольца активности Apple Watch. Но по задумке автора кольца графика останавливаются на 270 градусах, а все цели сравниваются только между собой. Мы доработали график — показываем, как сделать масимально приближенную к кольцам активности реализацию в Tableau:

https://leftjoin.ru/all/radial-pie-v-tableau/

Среди резюме иногда можно встретить совершенно любопытные названия должностей у кандидатов. Вот, например, интересный образец.

Недавно мы завели аккаунт в Instagram (подпишитесь!). В новом материале расскажем о том, как с использованием Python и Selenium можно автоматизировать часть действий в социальной сети.

Что с этим делать — на усмотрение читателя. Решения для масслайкинга и массфоловинга решили не описывать в силу их сомнительной легитимности и эффективности.

https://leftjoin.ru/all/instagram-python-selenium-bot/

Один из самых популярных и известных алгоритмов кластеризации — k-means, его знает каждый, кто хоть как-то начинал работу с методами машинного обучения.
Совершенно понятно, что про k-means уже написано огромное количество материалов, что на R, что на Python, но мне попалась интересная ссылка-визуализация того, как работает алгоритм.

Если только начинаете знакомиться, то можно довольно быстро понять принцип обновления центроидов в кластерах.

Из поста особенно понравилась табличка сравнения (отправлю ниже). Но, кажется, что ошиблись c Redash и not query centric.

Кейс Dropbox по использованию Apache Superset: https://dropbox.tech/application/why-we-chose-apache-superset-as-our-data-exploration-platform

Для планирования своих ежедневных дел я использую приложение Хаос-контроль, которое доступно как на мобильных устройствах, так и на десктопе.
Недавно я давал интервью создателю приложения о том, что такое тайм-менеджмент для меня, как я управляю своими делами и проектами и как использую приложение автора.

Рекомендую само приложение и делюсь своими соображениями в интервью.

#ссылка #интервью

📈 DATAMARATHON.RU 📈

Сегодня расскажу о запуске авторского обучающего проекта для погружения в область аналитики. MVP был в прошлом году опробован на близким круге знакомых, с тех пор был существенно изменен и переработан.

В интернете много клёвого бесплатного контента: наши коллеги из коммьюнити делают курсы, а мировые вузы выкладывают программы обучения в открытый доступ. Для тех, кто хочет получить профессию, поддержку и хорошую подачу материала есть также и море платных курсов. И всё же, иногда совсем не хочется тратить большие деньги и пару месяцев своего времени на полный теоретический курс, чтобы понять, подходит тебе профессия аналитика или нет.

Мы решили, что нужен пробный курс, который позволяет за 7 дней погрузиться в профессию и назвали его «Марафон данных». Получилась целая разработка по-взрослому: фронтенд в виде чат-бота с материалами, видео-лекциями и заданиями, бэкенд и API, рейтинги, несколько тарифов с обратной связью и без — поэтому наш марафон платный.

При этом базовый тариф стоит смешных денег — 2900 рублей, но если нужны персональные консультации — тоже велком в тарифы с поддержкой инструктора и персональной обратной связью.

Внутри — авторские видео по каждой теме из марафона, уникальные задачи из реального опыта, шпаргалки и вспомогательные материалы.

На выходе — ясное понимание, интересно ли вам углубляться в тему анализа данных, базовое владение базами данных, SQL и аналитическим аппаратом Python.
Бонусом: успеем даже собрать аналитический дашборд на Redash.

👉 Ознакомиться с программой марафона и принять участие 🎟.

Ночное чтиво: чувак рассказывает как собрал данные с HackerNews в несколько потоков, загрузил в S3, а оттуда в Snowflake и проанализировал с помощью нескольких SQL-запросов. В частности, изучил упоминания популярных в последние дни тикеров $GME и прочих.

И вышел наиболее крупный релиз NumPy 1.20.0, в котором довольно много разнообразных изменений. Тем, кто использует Python для анализа данных имеет смысл ознакомиться.

Уже продложительное время я слушаю подкаст про технологии Запуск завтра.

Горячо его рекомендую, поскольку в русскоязычном пространстве это самый интересный подкаст, который вообще существует.

Автор подкаста Самат Галимов ведет телеграмм-канал Запуск завтра, в котором пишет про технологии. Кстати, как вы уже догадались, подкаст получил название одноименного канала в телеге.

Помимо этого, Самат вместе с партнером помогают бизнесу с IT, так что если вашей компании что-то нужно профессионально разработать или починить разработку, обращайтесь к Самату!

Спешу рассказать любопытную историю про наше тесное аналитическое коммьюнити. На прошлой неделе присоединился к онлайн-дискуссии в рамках ИНИД (в основном, в качестве слушателя), в которой Настя Кузнецова интересно рассказывала про подход к построению визуализации. Настя ведет телеграмм-канал "Настенька и графики", который я читаю и рекомендую.
После своего выступления Настя написала мне в телеграмм и выяснилось, что мы уже около года заочно знакомы (!), т.к. в рамках одного из проектов мы с командой аудировали аналитический стек компании, в которой работает Настя, и я лично задавал Насте n-ное количество вопросов 🙂
Совпадение? Не думаю!

Офигенный пост и про телеграм, и про аналитику.

Давно известно, что в телеграмме есть фича по поиску ближайших к тебе людей (еще можно организовать чат, основанный на локации), в английской версии это называется Find People Nearby.

Чувак конкретно запарился, сэмулировал свою геолокацию GPS, запилил свою версию приложения телеги (тк под андроид опенсорс), в которой логировал передвижения и определение близлежайших к нему людей.

Из математики в посте — описание как он рассчитывал координаты людей поблизости.

Ключевая суть и его консерн о безопасности телеги в том, что потенциально можно подменить свою геолокацию на желаемую и обнаружить практически точные координаты людей поблизости (актуально не для густонаселенных городов).

Хорошая новость в том, что дефолтно эта опция отключена, но если вы ее ранее включили, проверьте на всякий случай (ниже скриншот где искать) :)

Telegram-боты не обладают методами для выгрузки подписчиков из каналов, но это можно сделать при помощи Telegram API. Сегодня напишем скрипт, который при помощи библиотеки Telethon собирает логины, имена, фамилии и телефоны подписчиков вашего канала.

https://leftjoin.ru/all/tg-api-parse/

Недавно наткнулся на очень интересный доклад в Stanford от создателя Segment о том, как они искали свой Product-Market Fit.
Peter (один из фаундеров) делится тем, с чего Segment начинался, насколько кардинально все поменялось в процессе и вообще безумно интересно рассказывает историю возникновения их стартапа.

У доклада есть продолжение в виде подкаста-интервью от YCombinator.

Иногда при возникновении ошибки во время работы с базой данных необходимо отменить все предыдущие действия. Для этого существуют транзакции — они представляют собой единую последовательность действий, у которой есть начало, конец и откат в случае ошибки. Сегодня изучим, как в библиотеке SQLAlchemy для Python использовать транзакции на примере парсинга информации о пользователях ВКонтакте в базу данных MySQL

https://leftjoin.ru/all/tranzakcii-v-sqlalchemy/

Для тех, кто уже в Clubhouse: подписывайтесь на меня @valiotti.

Для тех, кого еще там нет, дарю сегодня 5 инвайтов по случаю своего ДР.
Пишите комментарий, если вам нужен инвайт :)