Анализ-данных
Data Science на Python: инструменты, стек и roadmap
Полный обзор инструментов Data Science на Python: Pandas, NumPy, Matplotlib, Seaborn, Scikit-learn. С чего начать анализ данных и машинное обучение.
Scikit-learn: шпаргалка по машинному обучению на Python
Шпаргалка по Scikit-learn — создание моделей, пайплайны, оценка качества, подбор гиперпараметров. Примеры кода для классификации, регрессии и кластеризации.
Шпаргалка по Matplotlib: графики от простых до публикационных
Полная шпаргалка по Matplotlib: pyplot и OO-API, все типы графиков, subplots, стили, аннотации, 3D, анимация, сохранение. От простого к сложному.
Шпаргалка по NumPy: массивы, операции, линейная алгебра
Полная шпаргалка по NumPy: создание массивов, индексация, broadcasting, линейная алгебра, статистика, векторизация, einsum. С примерами от простого к сложному.
Шпаргалка по Pandas: DataFrame, groupby, временные ряды
Полная шпаргалка по Pandas: загрузка данных, индексация, фильтрация, groupby, pivot, временные ряды, merge, apply, визуализация. От простого к сложному.
Шпаргалка по Seaborn: статистическая визуализация
Полная шпаргалка по Seaborn: распределения, категориальные, реляционные графики, heatmap, FacetGrid, PairGrid, кастомные палитры, публикационные графики. От простого к сложному.
SQL шпаргалка для начинающих: базовые запросы, JOIN, GROUP BY, подзапросы
SQL с нуля: базовый синтаксис SELECT, WHERE, JOIN, GROUP BY, подзапросы, UNION. Шпаргалка с примерами для начинающих и тех, кому нужно быстро вспомнить.