4 облачных сервиса для аналитиков для быстрого старта кодинга на Python
От автора Telegram-канала Аналитика и Growth mind-set.
Как только вы начинаете изучать Python, встает вопрос - где писать код?
Часто новичку (да еще и не из сферы разработки, например, начинающему аналитику данных) бывает трудно выбрать, установить и настроить подходящую программу.
И тут на помощь приходят облачные сервисы, которые работают в формате "Открыл сервис и сразу пишу код".
Облачные среды позволяют пользователям сосредоточиться на своей работе без какой-либо установки, настройки и решений проблем с ошибками.
При этом я рекомендую только стартовать с облачных сервисов, а позднее все-таки установить себе и настроить какой-нибудь профессиональный редактор кода.
В последние годы Google Colab стал популярным выбором. Благодаря бесплатным процессорам и хранилищам, связанным с Google Диском, многие пользователи в сообществах машинного обучения и обработки данных считают его достаточно удобным для работы.
Так как я сама использовала Colab, то могу рассказать о нем чуть подробнее. В Colab достаточно удобно сделать задачу "по-быстрому", но он имеет ряд проблем, которые откровенно мешают.
Возможно, самая большая жалоба пользователей Colab заключается в том, что сеанс может сброситься в любой момент. Это означает, что вы можете потерять свою работу и создает дополнительные неудобства.
Еще одним недостатком Colab является то, что он очень медленный, если у вас действительно большие по размеру данные.
Kaggle — еще один продукт Google с функциями, аналогичными Colab. Как и Colab, Kaggle предоставляет бесплатные браузерные ноутбуки Jupyter.
С другой стороны, многие пользователи отмечают, что ядра Kaggle, как правило, медленные (хотя все же быстрее, чем у Colab). А для пользователей, которым не нравится делиться своими данными с Google, Kaggle по-прежнему не подойдет.
Интерфейс поддерживает широкий спектр рабочих процессов в анализе данных данных и машинном обучении.
К сожалению не нашла подтвержденных плюсов и минусов, а сама не пользовалась этим инструментом, однако очень часто о нем слышала, поэтому добавляю в подборку.
Сейчас для написания кода для аналитических задач я использую Visual studio code (это не облачный сервис, это текстовый редактор, разработанный Microsoft для Windows, Linux и macOS. Позиционируется как «лёгкий» редактор кода.
Если вы интересуетесь аналитикой данных, то вот бесплатные курсы в моем телеграм канале:
10+ бесплатных курсов по аналитике данных от Harvard University, Google, IBM и других
Сейчас много платных курсов по аналитике данных, качество которых очень низкое. Но в то же время есть бесплатные курсы от лучших университетов и зарекомендовавших себя международных платформ, ...
10+ бесплатных курсов по аналитике данных от Harvard University, Google, IBM и других
Сейчас много платных курсов по аналитике данных, качество которых очень низкое. Но в то же время есть бесплатные курсы от лучших университетов и зарекомендовавших себя международных платформ, о которых никто не знает.
HARVARD UNIVERSITY
Data Science: Wrangling. На курсе научитесь обрабатывать и преобразовывать необработанные данные в форматы, необходимые для анализа.
Data Science: Visualization. Изучите основные принципы визуализации данных.
Data Science: Machine Learning. На курсе изучите машинное обучение. Создатите систему рекомендаций фильмов и изучите научные основы одного из самых популярных и успешных методов обработки данных.
И другие курсы от университета
GOOGLE DATA ANALYTICS Professional Certificate
В этой программе вы освоите востребованные навыки, которые помогут вам подготовиться к работе менее чем за 6 месяцев. Никакой степени или опыта не требуется. Курс состоит из 8 подкурсов, посвященных конкретной теме в аналитике данных.
IBM
IBM - это один из крупнейших в мире поставщиков программного обеспечения.
Курс состоит из нескольких частей: введение, визуализация данных, основы Python, SQL, анализ данных с помощью Python, визуализация с помощью Python, итоговый проект.
OPENLEARN
Бесплатный восьминедельный курс OpenLearn по кодированию «Учитесь кодировать для анализа данных» дает четкое представление об основных концепциях программирования и анализа данных, и вы даже сможете писать простые аналитические алгоритмы в среде программирования.
UDEMY
Udemy предлагает тысячи курсов по анализу данных и науке о данных от различных загрузчиков. Это не курсы от Harvard, Google и IBM, однако можно найти что-то полезное для себя.
CAREER FOUNDRY
Бесплатный краткий курс по аналитике данных CareerFoundy, состоящий из 6 частей, идеально подходит, если вам нужно легкое введение в аналитику данных.
Приятного обучения!
#бесплатные_курсы
А здесь вы найдете 7 бесплатных курсов по анализу данных в Python, которые я изучила.
Добавлю https://www.onlinegdb.com/# работаю в нем .
Colab и Kaggle хороши, когда код умещается на 1 страницу. А когда у тебя 20 файлов подлинковывается, жутко неудобно.
Jupyter Notebook для начинающего очень удобен. Он позволяет исполнять скрипт блоками, не выгружая объекты из памяти и можно делать отладку куска, исполняя только его.
В vscode есть поддержка jupyter, если что.
Серёга, в ВСКоде есть Copilot, если чоо! Скоро мы все будем не нужны! Не начинающие, не заканчивающие!
ИИ научили писать код | Copilot от GitHub и OpenAI
https://www.youtube.com/watch?v=YAUiZ7nqpYY