Статья Автор: Омарбек Нұр-Мұхаммед

Проект

🎮 Гейминг и поп-культура

  1. Статистика сложных RPG (D&D / RPG Stats): Датасеты с характеристиками монстров, заклинаний или классов персонажей.

  2. Музыкальные тренды (Spotify Top Tracks): Данные о самых прослушиваемых песнях с их техническими аудио-характеристиками (танцевальность, акустичность, темп).

  3. Кинематограф и Аниме (IMDb / MyAnimeList): Рейтинги фильмов, бюджеты, кассовые сборы и жанры.

🏆 Спортивная аналитика

  1. Европейский футбол (Топ-5 лиг): Статистика реальных игроков из таких клубов, как Атлетико Мадрид, Арсенал или Бавария (голы, ассисты, зарплаты, трансферная стоимость).

  2. Единоборства (UFC / BJJ Fight Stats): Данные о реальных поединках в октагоне или на татами (весовые категории, размах рук, методы победы).

💻 Технологии и наука

  1. Рынок ноутбуков и смартфонов: Спецификации реальных устройств (чипы Apple M-серии vs Intel/AMD, объем оперативки, разрешение экрана, цены).

  2. Космические миссии (SpaceX и NASA): История всех космических запусков с 1957 года (статусы ракет, стоимость, страны).

🌍 Лайфстайл и общество

  1. Кофейная экспертиза (Coffee Quality Database): Оценки профессиональных дегустаторов (Q-грейдеры) по 10-балльной шкале.

  2. Экология мегаполисов (Air Quality Index): Исторические данные о загрязнении воздуха (можно найти датасеты конкретно по Алматы или другим мировым столицам).

  3. Миллиардеры и стартапы (Forbes / Unicorns): Данные о самых богатых людях планеты или самых успешных молодых IT-компаниях.

🌐 Топ-5 сайтов для поиска бесплатных CSV-датасетов

1. Kaggle (kaggle.com/datasets) Это абсолютный лидер и «социальная сеть» для дата-саентистов.

  • Плюсы: Огромное количество данных на любую тему (от киберспорта до рецептов пиццы). Есть удобный предпросмотр таблиц прямо в браузере.

  • При поиске обращайте внимание на Usability (Удобство использования). Ищите датасеты с оценкой 8.0 и выше — это значит, что данные чистые, понятные и не потребуют сложной обработки.

2. Google Dataset Search (datasetsearch.research.google.com) Специальный поисковик от Google, который ищет только наборы данных по всему интернету.

  • Плюсы: Работает как обычный Гугл. Вбиваешь «Minecraft stats csv» или «Premier league player stats», и он показывает, на каких сайтах можно скачать такие таблицы.

  • Лайфхак: В фильтрах поиска можно прямо указать нужный формат — «Табличный» (чтобы искал именно CSV).

3. Портал открытых данных (data.egov.kz) Отличный вариант для тех, кто хочет сделать проект, связанный с реальной жизнью вокруг.

  • Плюсы: Здесь можно найти официальную статистику: от качества воздуха и количества школ в Алматы до данных по транспорту и экологии по всей стране.

  • Лайфхак: Это крутая возможность сделать социально значимый проект, который можно будет показать не только на уроке, но и на школьных олимпиадах или хакатонах.

4. Awesome Public Datasets на GitHub Это огромная, курируемая сообществом коллекция ссылок на открытые данные, разбитая по темам.

  • Плюсы: Идеальная структуризация. Есть разделы: Agriculture, Biology, Economics, Sports, Gaming. Заходишь в нужный раздел и видишь список классных баз данных.

  • Ссылка для поиска: Достаточно загуглить github awesome public datasets.

5. Спортивные агрегаторы (например, FBref.com) Если кто-то хочет анализировать исключительно футбол, не обязательно искать готовые датасеты — их можно сделать самому в один клик.

  • Плюсы: На сайтах вроде FBref (мировая футбольная статистика) над любой таблицей с результатами игроков или команд есть кнопка «Share & Export» -> «Get table as CSV».

  • Лайфхак: Точно так же работают многие сайты со статистикой по киберспорту или единоборствам.


Условия и требования к проектной работе

1. Требования к набору данных (Dataset):

  • Формат файла: строго .csv.

  • Объем данных: не менее 500 строк.

  • Состав данных: минимум 3 числовых столбца (числа) и минимум 1 категориальный столбец (текстовые категории).

2. Постановка задачи (Гипотезы):

  • До написания кода визуализации необходимо сформулировать и записать текстом ровно 5 гипотезы (предположения о закономерностях в данных), которые будут проверяться.

3. Техническая реализация (Визуализация):

  • Проект должен содержать минимум 5 различных типа графиков из библиотеки Seaborn (выбор из: scatterplot, boxplot, barplot, countplot, histplot).

  • Минимум в одном графике обязательно использование параметра цветовой группировки hue.

  • Перед построением графиков должна быть проведена базовая проверка данных (например, вывод info() и head()).

4. Оформление графиков:

  • Каждый график обязан иметь заголовок.

  • Каждая ось (X и Y) должна быть понятным образом подписана.

5. Аналитика и выводы:

  • Под каждым построенным графиком должен быть написан текстовый вывод.

  • Вывод должен содержать четкий ответ: подтвердилась изначально заявленная гипотеза или нет, с кратким обоснованием на основе графика.

6. Формат сдачи:

  • Проект сдается в формате файла (.ipynb) 

  • Вместе с файлом кода обязательно сдается исходный файл .csv. Код должен успешно запускаться при проверке.
Печать