DataSciencePRO

Обучающие видеоматериалы по библиотеке pandas. https://proglib.io/w/f45d811b

Книга "Классические задачи Computer Science на языке Python"

Немного полезной литературы

От идеи стать программистом в 35 до ОФФЕРА Канал основан на реальной истории ☝️

в рамках рекламы, канал человека который в 35 решил изменить свою жизнь и ВОЙТИВАЙТИ)))

https://www.learnpythonwithrune.org/the-ultimate-statistical-guide-for-data-science-using-pandas/

​​Продвинутый уровень визуализации данных для Data Science на Python Когнитивное искажение о невозвратных затратах (sunk cost fallacy) является одним из многих вредных когнитивных предубеждений, жертвой которых становятся люди. Это относится к нашей тенденции продолжать посвящать время и ресурсы проигранному делу, потому что мы уже потратили — утонули — так много времени в погоне. Заблуждение о заниженной стоимости применимо к тому, чтобы оставаться на плохой работе дольше, чем мы должны, рабски работать над проектом, даже когда ясно, что он не будет работать, и да, продолжать использовать утомительную, устаревшую библиотеку построения графиков — matplotlib — когда существуют более эффективные, интерактивные и более привлекательные альтернативы. Читать...

https://pythonist.ru/glubokoe-obuchenie-i-nejronnye-seti-s-python-i-pytorch-vvedenie-chast-i/

https://proglib.io/p/15-sovetov-dlya-dzhunov-kak-bystro-vzyat-sebya-v-ruki-za-pyat-minut-do-sobesedovaniya-2022-07-08

🔥 15 Open Source библиотек для повышения качества данных Читать @data_analysis_ml

🔍Как обнаружить выбросы в проекте по исследованию данных Выброс — это данные, которые имеют слишком высокое или слишком низкое значение по отношению к другим исследуемым данным. Конечно, в наборе данных может быть несколько выбросов, поэтому приходится неоднократно исключать их из набора данных. В противном случае выбросы способны вызывать статистические проблемы в анализе данных. Но каковы критерии исключения выбросов? Чтобы ответить на этот вопрос, рассмотрим три метода обнаружения выбросов. Читать дальше @data_analysis_ml