Описание книги
Эта книга - практическое руководство по работе с данными в Python, написанное для тех, кто хочет не просто "знать теорию", а реально работать с данными в повседневных задачах. Шаг за шагом мы пройдем полный жизненный цикл данных: от хранения в базах и написания запросов до анализа, оптимизации и осмысленной интерпретации результатов.
Главный акцент сделан на практике, здесь нет перегруженной теории и абстрактных рассуждений - только то, что действительно нужно в реальности. Почти все примеры можно сразу копировать, запускать и видеть результат, благодаря чему обучение становится наглядным и максимально прикладным уже с первых глав, а практические проекты и кейсы из реального опыта покажут, как отдельные инструменты складываются в полноценные аналитические пайплайны и как принимать инженерные решения в условиях больших таблиц, ограниченных ресурсов и бизнес-задач.
Примерно 70% каждой главы - это код с подробными комментариями и пояснениями. Читатель не просто узнаёт, что такое SQL, SQLite, PostgreSQL, MongoDB или pandas, а поймет, как и зачем эти инструменты используются в реальных проектах. Благодаря системному подходу, обучение начинается с простых и доступных решений (SQLite и базовый SQL), затем постепенно переходит к промышленным СУБД (PostgreSQL и MySQL), NoSQL-подходу на примере MongoDB и современным Python-инструментам - SQLAlchemy и pandas. Такой маршрут помогает увидеть экосистему данных целиком, а не как набор разрозненных технологий.
Особое внимание уделено работе с большими данными, ИИ, машинному обучению: научимся создавать эффективные аналитические ИИ-модели, оптимизировать большие объёмы данных, разберем приёмы, которые редко встречаются во вводных курсах (обработка данных порциями, стриминговые выборки, снижение потребления памяти, ускорение pandas-кода, использование эффективных форматов хранения и т.д.).
При этом книга не требует глубоких знаний или предварительного опыта (все темы вводятся постепенно, простым языком, с упором на практику) и будет полезна широкой аудитории:
· новичкам, которые хотят понять, как устроена аналитика данных;
· разработчикам, которым нужно лучше понимать SQL и хранение данных;
· аналитикам, желающим укрепить фундамент;
· студентам, изучающим базы данных, Python, статистику;
· всем, кто хочет мыслить не только "кодом", но и данными.