Аналитика данных и Data Science: разбор 6 программ из каталога Хабр Курсов
Аналитика данных и Data Science адаптированы под разные сценарии: от быстрого старта в junior-позиции с SQL и BI до глубокого погружения в машинное обучение, Data Engineering и командную разработку на Git. В рамках исследования каталога Хабр Курсов мы проанализировали 6 форматов, оценили баланс теории и практики, и подготовили чек-лист под ваш график.Сравнительная таблица курсовКурсШколаДл-ть
Маленькая выборка, большая дисперсия: как мы собирали A-B-группы генетическим алгоритмом
Привет, Хабр! На связи Анастасия Шулакова и Георгий Геймбух, аналитики поддержки Авито. Мы помогаем командам развивать внутренние инструменты для специалистов так, чтобы пользователи получали ответы быстрее, а поддержка оставалась управляемой по качеству и стоимости.
Как мы получили p-value < 0.001 на 10 наблюдениях в группе: ультимативный гайд по A-B на малых выборках
Всем привет! Я Андрей Романов, тимлид команды аналитики Sales Tech в Авито, а также преподаватель и ментор по А/B-тестированию. В последние годы я регулярно работаю с A/B-тестами на малых выборках: когда в группе не тысячи пользователей, а 10–40 менеджеров, регионов или других экспериментальных единиц. На этом опыте я собрал практический гайд: что можно сделать до запуска, во время дизайна и после эксперимента, чтобы выжать максимум из ограниченных данных.
Почему AI-агент чинит симптом, а не баг: трейсы выполнения и бенчмарки на BugSwarm
Когда AI-агенту дают только stack trace и текст файла с упавшим тестом, он часто чинит симптом, а не причину. Тест зеленеет, баг переезжает в master, через неделю всплывает в другом месте. На простых багах это незаметно, на нетривиальных — становится правилом.В этой статье — что меняется, если вместо stack trace дать агенту сжатый трейс выполнения, собранный на стороне IDE. Три бага из реального кода, эвристики сжатия трейса, склейка многопоточных вызовов по timestamp и цифры на датасете BugSwarm Pro для DeepSeek V3.2 и проприетарных LLM.
«И что?»: 5 неудобных истин об HR-аналитике, которые меняют правила игры
Всем привет!Меня зовут Прокопович Наталья, я руковожу направлением зарплатной аналитики в Сбере и работаю на стыке HR, данных и бизнеса. Также являюсь амбассадором исследовательских подходов в people analytics. Еще преподаю в МГИМО и пишу о том, как превращать данные в практические решения для бизнеса. Сегодня поговорим о базе - о ловушках, которые как говорится "исторически сложились" в профессии.
Как я пришёл в аналитику, устроился в бигтех и понял, что только на рабочих задачах у меня не получится расти
Всем привет! Меня зовут Сергей Тимакин, мне 22 года. Я учусь в онлайн-магистратуре НИЯУ МИФИ в партнёрстве с Яндекс Практикум на программе «Специалист по работе с данными и ИИ» и работаю аналитиком данных в Озоне. В статье рассказываю, как я стал аналитиком, устроился в Озон, зачем пошел онлайн-магистратуру и как я совмещаю учёбу с работой.
«ИИ, найди факты, а я подумаю»: почему гибридный подход не работает для форсайта
В прошлом году у меня вышла небольшая заметка с рассуждениями на тему потенциала использования аналитических систем на базе ИИ для задач прогнозирования и форсайта с очень сдержанными оценками его реальных возможностей.Спустя год хочу вернуться к этой теме: сдвиги в ИИ очень динамичны, в центре внимания сейчас агентский подход и мультиагентные системы, которые уже достаточно крепко стоят на ногах.
SSP SOFT: у нас появились новые апрельские вакансии
Весна в разгаре, а у нас в SSP SOFT — время набора в новые команды. Кто мы: компания SSP SOFT работает в сфере заказной разработкой ПО и предоставления выделенных команд на ИТ-аутсорсинг для крупных клиентов. По размеру компании —
Множественная регрессия: Расширяем горизонты прогнозирования
В предыдущей статье разобрали простую линейную регрессию, где целевая переменная зависела от одного фактора, но в реальной жизни всё сложнее. Представьте, что мы прогнозируем стоимость квартиры: она зависит не только от площади, но и от количества комнат, этажа, района, года постройки, наличия парковки и десятков других важных характеристик.Множественная линейная регрессия – это естественное расширение простой линейной регрессии на случай с несколькими независимыми переменными (предикторами), и она позволяет:Учитывать комплекс факторов
