Kurs data science

Dlaczego: Statystyka pozwala odróżnić rzeczywiste trendy od przypadkowego szumu w danych.

Jak:

• Skup się na rozdziałach dotyczących korelacji i prawdopodobieństwa.
• Rób notatki z pojęć: średnia, mediana, odchylenie standardowe.
• Zrozum, dlaczego korelacja nie oznacza przyczynowości.

Gotowe, gdy: Przeczytano całą książkę i sporządzono notatki z kluczowych definicji.

Dlaczego: Większość algorytmów Data Science zakłada, że dane mają rozkład normalny (krzywa Gaussa).

Jak:

• Naucz się obliczać Z-score, aby standaryzować dane.
• Zrozum, że 95% obserwacji mieści się w granicach dwóch odchyleń standardowych od średniej.
• Wykorzystaj darmowe kalkulatory online do wizualizacji rozkładu.

Gotowe, gdy: Potrafisz samodzielnie narysować krzywą Gaussa i opisać jej parametry.

Dlaczego: To kluczowa umiejętność przy testach A/B i sprawdzaniu istotności wyników biznesowych.

Jak:

• Zdefiniuj hipotezę zerową (H0) i alternatywną (H1).
• Zrozum, że p-value < 0.05 zazwyczaj oznacza wynik istotny statystycznie.
• Przeanalizuj błędy I i II rodzaju.

Gotowe, gdy: Rozwiązanie 5 zadań z testu t-Studenta na papierze lub w arkuszu.

Dlaczego: Anaconda to standardowe środowisko zawierające wszystkie potrzebne biblioteki do nauki danych.

Jak:

• Pobierz instalator ze strony anaconda.com.
• Uruchom 'Anaconda Navigator' i otwórz Jupyter Lab.
• Stwórz swój pierwszy plik .ipynb i przetestuj komendę print('Hello DS').

Gotowe, gdy: Środowisko działa poprawnie i wyświetla wynik kodu.

Dlaczego: Bez znajomości list i słowników nie będziesz w stanie przetwarzać danych wejściowych.

Jak:

• Przećwicz tworzenie list (list) i słowników (dict).
• Naucz się 'list comprehension' dla szybszego pisania kodu.
• Zrozum różnicę między krotką (tuple) a listą.

Gotowe, gdy: Napisanie skryptu, który filtruje listę słowników według określonego klucza.

Dlaczego: Pandas to najważniejsze narzędzie do pracy z tabelami (DataFrame) w Pythonie.

Jak:

• Skup się na metodach: .read_csv(), .head(), .info(), .describe().
• Opanuj filtrowanie wierszy i wybieranie kolumn.
• Naucz się łączyć tabele za pomocą .merge() i .concat().

Gotowe, gdy: Wczytanie dowolnego pliku CSV i obliczenie średniej wartości dla wybranej kolumny.

Dlaczego: Większość danych firmowych przechowywana jest w bazach SQL, a DBeaver to uniwersalny klient do ich obsługi.

Jak:

• Zainstaluj PostgreSQL lokalnie.
• Połącz się z bazą przez DBeaver.
• Zaimportuj przykładową bazę danych (np. 'DVD Rental' lub 'Northwind').

Gotowe, gdy: Połączenie z bazą danych zostało nawiązane.

Dlaczego: Łączenie tabel to podstawa pracy analityka, pozwalająca na budowanie pełnego obrazu danych.

Jak:

• Przećwicz INNER JOIN, LEFT JOIN i CROSS JOIN.
• Naucz się używać aliasów dla tabel i kolumn.
• Zrozum różnicę między WHERE (filtrowanie wierszy) a HAVING (filtrowanie grup).

Gotowe, gdy: Napisanie zapytania łączącego 3 tabele i zwracającego zagregowane wyniki.

Dlaczego: Exploratory Data Analysis (EDA) to proces zrozumienia danych przed budową modelu.

Jak:

• Pobierz zbiór 'Titanic' z Kaggle.
• Sprawdź braki danych (NaN) i zdecyduj, czy je usunąć, czy uzupełnić.
• Sprawdź korelacje między wiekiem, płcią a szansą na przeżycie.

Gotowe, gdy: Notebook z kompletną analizą brakujących danych i statystykami opisowymi.

Dlaczego: Dobry wykres wart jest więcej niż tysiąc wierszy w tabeli.

Jak:

• Użyj sns.heatmap() do wizualizacji korelacji.
• Stwórz histogramy rozkładu cech za pomocą plt.hist().
• Wykorzystaj boxploty do wykrywania wartości odstających (outliers).

Gotowe, gdy: Zestaw 5 różnorodnych wykresów opisujących zbiór danych.

Dlaczego: Regresja to fundament przewidywania wartości ciągłych (np. cen, sprzedaży).

Jak:

• Podziel dane na zbiór treningowy i testowy (train_test_split).
• Użyj klasy LinearRegression z biblioteki Scikit-learn.
• Oblicz błąd średniokwadratowy (MSE), aby ocenić model.

Gotowe, gdy: Model przewiduje wartości z błędem niższym niż średnia.

Dlaczego: Klasyfikacja pozwala przypisywać obiekty do kategorii (np. spam/nie-spam).

Jak:

• Wykorzystaj algorytm Random Forest Classifier.
• Zrozum pojęcie 'overfitting' (przeuczenie modelu).
• Wygeneruj 'Classification Report' (Precision, Recall, F1).

Gotowe, gdy: Model klasyfikujący z dokładnością (Accuracy) powyżej 75%.

Dlaczego: Własny projekt udowadnia, że potrafisz przejść przez cały proces: od danych do wniosków.

Jak:

• Wybierz temat, który Cię interesuje (np. analiza cen kryptowalut lub sportu).
• Pobierz dane, wyczyść je, przeprowadź EDA i zbuduj model ML.
• Opisz każdy krok w Jupyter Notebooku.

Gotowe, gdy: Gotowy, udokumentowany projekt w formacie .ipynb.

Dlaczego: GitHub to Twoja wizytówka dla rekruterów.

Jak:

• Stwórz nowe repozytorium.
• Napisz plik README.md zawierający: cel projektu, użyte technologie i główne wnioski.
• Dodaj screeny wykresów do opisu.

Gotowe, gdy: Link do repozytorium jest publiczny i czytelny.

Dlaczego: Rozmowy techniczne wymagają specyficznego przygotowania z algorytmów i logiki.

Jak:

• Przerób sekcję z SQL (zadania typu 'Medium').
• Powtórz definicje z zakresu statystyki i ML.
• Przygotuj odpowiedzi na pytania o Twoje projekty.

Gotowe, gdy: Rozwiązanie 20 przykładowych pytań rekrutacyjnych.