Этап 0 — Инструментарий Python

Цель: уверенно работать с numpy/pandas/matplotlib и jupyter. Это фундамент — без него дальше будет больно. Срок: 1 неделя (можно сжать, если пойдёт легко).

Чек-лист

• ☐ Окружение: uv или venv, pip install numpy pandas matplotlib jupyter
• ☐ Kaggle Learn: Pandas — пройти целиком
• ☐ Kaggle Learn: Data Visualization — пройти целиком
• ☐ numpy: массивы, dtype, broadcasting, slicing, aggregation
• ☐ pandas: Series/DataFrame, loc/iloc, filter, groupby, merge, pivot
• ☐ matplotlib: line/bar/scatter/hist, подписи, subplots
• ☐ jupyter: горячие клавиши, markdown-ячейки, %matplotlib inline

Практика

1. Kaggle-упражнения из курсов (там же проверяются автоматически).
2. Мини-проект: взять свою выгрузку из CS-Cart (заказы/возвраты) и сделать EDA:
• загрузить CSV в pandas, почистить пропуски и дубли
• 3+ содержательных графика (динамика заказов, топ товаров, распределение чека)
• 5 наблюдений текстом: что интересного видно в данных

Что сдаёшь мне

Ноутбук или скрипт в ~/workspace/develop/projects/learn/notebooks/stage-0-eda.ipynb. Я ревьюю: именование, идиоматичность pandas (нет циклов там, где есть vector ops), осмысленность графиков. Дальше — Этап 1 · Классический ML.

Заметки

• PEP 668: системный python защищён — только venv/uv, без pip install в систему.
• Если данные содержат PII (телефоны, адреса) — обезличить до загрузки в ноутбук.