Анализ данных. Как стать профессионалом

В книге разобраны восемь сценариев, с которыми неизбежно придется иметь дело любому аналитику данных. Рассказано, как на языке Python обращаться не только с готовыми, но и с частично обработанными и фрагментарными данными.Рассмотрены инструменты из популярных библиотек Pandas и Numpy, освещена проблема доведения незавершенных проектов до результата, объяснено, как построить минимальную полноценную модель и проверить ее работоспособность. Особое внимание уделено анализу временных рядов и других данных, которые могут быстро меняться.

В реальной практике анализ данных бывает сложным и запутанным.Чтобы преуспеть в нем, придется освоить работу с не вполне достоверными источниками данных, неоднозначными запросами и несовместимыми форматами — зачастую без источников.

В этой книге вы не найдёте чистеньких структурированных примеров, которые разбираются на курсах и тренингах. Напротив, здесь пошагово объяснён профессиональный подход, вооружившись которым, вы справитесь с обработкой данных любой сложности.

В книге разобраны восемь сценариев, с которыми неизбежно придется иметь дело любому аналитику данных.

Вы научитесь:

• моделировать данные;
• вычленяя пользовательские записи;
• ориентироваться в плохо очерченных метриках;
• извлекать данные из PDF — и многому другому;
• подхватывать и доводить до конца незавершенные проекты;
• в кратчайшие сроки создавать прототипы, опираясь на реальные данные.

Особое внимание уделено обработке временных рядов и данных, которые динамически обновляются в режиме реального времени. Книга проиллюстрирована подробными листингами на языке Python.

Основные библиотеки, на материале которых автор строит примеры, — Pandas и NumPy. Вооружившись этими знаниями, вы обзаведетесь внушительным портфолио — не забудьте похвастаться им на собеседовании.