Ну, кодить мне приходится не мало для отчетов

Вот такое, уже сложно понять

Да, хотя бы в общих чертах, чтобы оперировать ими. При большом пайплайне с классами код лаконичнее выглядит

Насколько я вижу, у вас именно модель, а не отчёт. Или в отчётности применяются рекомендации модели?

Основные мои задачи это ETL, отчеты, рекомендации по рекламе, продажам и ид,
второстепенные (куда я и стремлюсь) это DS.
Это будет план продаж и если будет отклонения от предсказания, то буду исследовать причину, сейчас делаю Feature Engineering.

Почему не уважают?

Почему же необычный? Согласно HR-исследованиям смена вида и вектора деятельности помогает качественно структурировать и систематизировать предшествующие знания, укрепив их и усилив специалиста

Новый взгляд на привычный мир, так сказать

Сложно не согласиться)

Звучит как:"британские учёные доказали что..."

Просто должность директора по маркетингу очень зависит от масштабов бизнеса, т.к. бывает что компания из 10 человек, а там и CMO, CTO, CFO и т.д. 😂

На самом деле, это не сложно читается:
это Pipeline, последовательное выполнение указанных функций;
В него можно передавать параметры фуннкций и затем запускать в методе перебора моделей, например:

parameteres = {'attribs_adder__BaseEstimator': BE_Object, <...>}
grid = GridSearchCV(num_pipeline, param_grid=parameteres, cv=5)

Очень изящное и повсеместно используемое библиотечное решение

Но там нет важного биения аналитика данных на подкатегории: аналитик ЧС (что/где и почему упало/выросло), продуктовый, маркетинговый, аналитик качества данных, etc.

Например, аналитик поиска или таргетов будет оперировать оценками качества ml-моделей, CM, например, вместе со стандартными продуктовыми churn-rate, retention, revenue и производными

> я пришёл такой красивый, искать мне лень, дайте мне весь расклад
Но основная задача старшего Коллеги - сжато, доходчиво, фактически в виде конспекта изложить основные и базовые принципы; ведь всё довольно просто, но чтобы это понять, нужно пройти сложный путь и множество раз удариться головой о стену непонимания

Кстати, основной навык - не гуглить, а думать: необходимо иметь хорошее воображение, умение строить причинно-следственные связи, догадки, эвристики и изобретать подходы, как эти догадки можно проверить на имеющихся данных

когда гуглишь нужно думать над тем что читаешь, сравнивать, анализировать

когда приходишь на все готовое не пытаясь разобраться - так себе история

порой в интернете люди ошибаются,
а вот когда ты что-то изобрёл и придумал сам, смог провалидировать - вот это правильный вектор  развития

когда сраниваются множество источников становится видно где ошибаются. и потом придумывание самому это маленько другая история. будет странно если он сейчас начнет придумывать как ему стать аналитиком

базис обязательно нужно давать

приходят люди, которые не знают, что такое uid или как работаёт счётчик на странице, потому что не знают,  что такое JS

Если ребят не гайдировать, они утонут просто

А ребята, которые не знают математики? Или комбинаторных принципов?

Нужно же всё это объяснить

ну дайте ему это базис. а потом окажется что вообще системным или бизнес аналитиком представляет себя

Ну, почему же :)

Однажды в 1939 году Джордж Данциг опоздал на занятия и ошибочно подумал, что написанные на доске уравнения — это домашнее задание. Оно было трудным, но всё-таки Джордж сумел его выполнить. Оказалось, что это были две нерешённые проблемы статистики, с которыми маститые учёные не могли справиться в течение многих лет

- иногда таким ообразом можно придумать решение нерешаемой задачи