·plotly
Plotly: интерактивные графики — туториал
Краткий туториал по Plotly для Python: установка, пример с Plotly Express, настройка внешнего вида и переход к graph_objects для гибких визуализаций.
Читать публикацию
IT Загрузка..
Мы просто и по делу рассказываем про ИИ-инструменты для работы: сравнения, пошаговые гайды, бесплатные альтернативы и реальные сценарии применения. Помогаем выбрать между ChatGPT, Gemini, Claude, локальными моделями и десятками узкоспециализированных сервисов — от дизайна и HR до аналитики и SEO. Меньше хайпа, больше практики и экономии времени каждый день.
·seaborn
Seaborn: красивая статистическая визуализация
Короткий обзор Seaborn — Python‑библиотеки поверх Matplotlib для быстрой, аккуратной и статистически полезной визуализации данных в аналитике и ML.
Читать публикацию
·NumPy
NumPy для ML: матричные операции, линейная алгебра
Краткий обзор значимости NumPy в ML: массивы ndarray, shape, матричные операции, broadcasting и функции np.linalg с примерами кода.
Читать публикацию
·numpy
NumPy: массивы, операции, broadcasting — туториал
Краткий туториал по NumPy: ndarray, создание массивов, операции, индексация, reshape и правила broadcasting для Data Science и аналитики.
Читать публикацию
·Polars
Polars vs Pandas: стоит ли переходить в 2026?
Сравнение Polars и Pandas в 2026: где Polars выигрывает (скорость, память, lazy), а когда лучше остаться на Pandas.
Читать публикацию
·pandas
Оптимизация памяти в Pandas: как работать с большими файлами
Практические способы снизить расход памяти в Pandas при больших CSV: usecols, dtype, category, chunksize, parquet, Polars и Dask.
Читать публикацию
·pandas
Оконные функции в Pandas: rolling, expanding, ewm
Краткий обзор rolling, expanding и ewm в Pandas с примерами кода — когда использовать скользящее, накопительное и экспоненциальное сглаживание.
Читать публикацию
·pandas
Работа с датами в Pandas: datetime, resample, rolling
Краткий обзор работы с датами в Pandas: преобразование в datetime, агрегация через resample и сглаживание через rolling для временных рядов.
Читать публикацию
·pandas
Merge, Join, Concat в Pandas: объединение таблиц
Краткое руководство по merge(), join() и concat() в Pandas: когда использовать, ключевые параметры и частые ошибки.
Читать публикацию
·pandas
GroupBy в Pandas: агрегация и трансформация данных
Краткое руководство по GroupBy в Pandas: agg, transform, apply, именованные агрегации и частые ошибки для аналитики данных.
Читать публикацию
·pandas
Фильтрация и выборка данных в Pandas: практические примеры
Практические примеры фильтрации и выборки в Pandas: выбор столбцов, условия, работа с пропусками, строковые методы и query() для реальных задач.
Читать публикацию
·pandas
Очистка данных в Pandas: пропуски, дубли, типы
Мини‑туториал по очистке данных в Pandas: обработка пропусков, удаление дублей и приведение типов для аналитики и моделей.
Читать публикацию