Для работы Работаю аналитиком данных Хотела бы глубже уйти в данные, используя библиотеки Python, сейчас, в основном использую sql в работе. Но не хватает знаний библиотек и пока не привыкла к синтаксису Python. В частности нужно для проверки статистической значимости АВ-тестов (pandas, numpy, seaborn, matplotlib, ztest, stats_test) и исследования пользовательского пути на сервисе. Смотрела как используется библиотека retentioneering для постороения воронки продаж на событиях, понравилось. Полезно) Хотела бы провести уроки в формате детального разбора уже существующих документов (а именно работа функций, обращения к перемётным, подключение к БД, работа с запросами в виде датафреймов и Обращение к ним) Начала бы с 5 уроков, а там уже зависит от формата и качества занятий. Хочется найти того, кто все-таки работает в этой сфере: аналитиком или архитектором данных и готов уделить время :) Вот перечисления библиотек, с которыми работаем в рабочих документах: import pandas as pd\n“, “import numpy as np\n“, “import seaborn as sns\n“, “import matplotlib.pyplot as plt\n“, “from io import StringIO\n“, “import yaml\n“, “from math import lgamma, sqrt\n“, “import hashlib\n“, “from statsmodels.stats.proportion import proportions_ztest\n“, “from statsmodels.stats.weightstats import ztest\n“, “from scipy.stats import ttest_ind, mannwhitneyu, shapiro\n“, “import stats_tests as stat\n“, “from tqdm import tqdm\n“, “plt.style.use('seaborn-deep')\n“, “\n“, “import bootstrapped.bootstrap as bs\n“, “import bootstrapped.compare_functions as bs_compare\n“, “import bootstrapped.stats_functions as bs_stats\n“, “\n“, “from infi.clickhouse_orm.database import Database\n“, “from infi.clickhouse_orm import models, fields, engines\n“.