Перейти к основному содержимому

Полезное новичкам

Полезные лайфхаки​

💡 Если что-то непонятно, то не стоит застревать надолго Если встречается незнакомый термин или тема, у тебя есть два варианта:

  • Быстро загуглить, спросить у GPT
  • Или выписать и разобраться позже

Важно: не трать на это больше 3–5 минут, иначе потеряешь нить того, что изучаешь.

💡 Повторение является нормой при обучении

Если видишь, что какая-то тема или статья встречается ещё раз - перечитай лишний раз! С первого раза редко всё укладывается в голове. Повторение вовсе не лишняя, а обязательная часть обучения.

💡 Разбирайся через действия, а не пропуск темы

По интернету гуляет крайне гибкая система для изучение чего-либо. Именует себя она, как "STAR". Эта аббревиатура делиться на 4 понятия, и их я расписал ниже.

  • S - Situation (Ты столкнулся с тем, чего не понимаешь)
  • T - Task (Ставишь задачу разобраться в теме непонятной)
  • A - Actions (Действуешь, изучаешь тему: смотришь видео, читаешь статьи и смотришь в интернете)
  • R - Result (В итоге ты понял тему; Пусть даже и не идеально, но на базовом уровне ты уже её знаешь)

💡 Лучше понять частично, чем идеально, но никогда

Не пытайся дожать до идеала каждую тему о которой услышал или прочитал. Да, усердие и усидчивость - это полезно, но всегда верно! Например, в темах полседующих основы все которые требуются для трудоустройства 100% будут затронуты.

💡 Учёба - это цикл! (Похоже на Agile методологию ^_^)

Ты будешь в течение долгого времени учиться именно вот так вот: читать → не понимать → пробовать → возвращаться → понимать

[Не переживай, так учаться все и если ты чувствуешь безумие, а безумие - это повторение одного и того же действия раз за разом, то ты учишься, мои поздравления ツ]

Полезные ссылки​

Примечание: По мере прохождения обучения будут статьи и я бы сказал, что много статей, зачитаетесь) Выше указал самую базу, которую рекомендую прочитать, понимать

Полезные книги​

  • https://search.worldcat.org/title/1428448875 [Грокаем алгоритмы - Aditya Y. Bhargava] (простая база по алгоритмам и структурам данных, чтобы лучше понимать логику и решение задач)

  • https://search.worldcat.org/title/844460899 [Наука о данных для бизнеса - Foster Provost, Tom Fawcett] (про то, как данные помогают бизнесу и как аналитик должен мыслить при работе с ними)

  • https://search.worldcat.org/title/1342105896 [Python для анализа данных - Wes McKinney] (база по pandas, NumPy и обработке данных на Python, очень полезно для практики)

  • https://search.worldcat.org/title/783162698 [Голая статистика - Charles Wheelan] (статистика простым языком, чтобы понять основные идеи без перегруза формулами)

  • https://search.worldcat.org/title/1569528858 [Сторителлинг с данными - Cole Nussbaumer Knaflic] (как правильно показывать данные на графиках и доносить выводы)

  • https://search.worldcat.org/title/1303336635 [Практическая статистика для специалистов по данным - Peter Bruce, Andrew Bruce, Peter Gedeck] (практическая статистика для реальных задач анализа данных)

  • https://search.worldcat.org/title/870972457 [Бережливая аналитика - Alistair Croll, Ben Yoskovitz] (про метрики продукта, рост и то, что именно важно измерять)

  • https://search.worldcat.org/title/984270859 [Большая книга дашбордов - Steve Wexler, Jeffrey Shaffer, Andy Cotgreave] (про дашборды, визуализацию и хорошие практики представления данных)

  • https://search.worldcat.org/title/948632001 [Визуальное представление количественной информации - Edward R. Tufte] (классика по визуализации данных и графиков)

  • https://search.worldcat.org/title/1371328941 [Проектирование data-intensive приложений - Martin Kleppmann] (уже посложнее, но помогает понять, как устроены данные, базы и системы)

Примечание: Рекомендую к прочтению! Удивительные книги, которые реально помогают понять многие аспекты профессии; лично прочёл половину из них и о другой половине сильно наслышан)