**Задание для студента-аналитика данных (Python + SQL)**  
**Цель:** Проанализировать данные из базы `test_db`, сделать выводы о структуре компании, зарплатах, сотрудниках и динамике изменений.  

---

### **1. Подключение к базе данных**
- Установите соединение с MySQL-сервером через Python (используйте `mysql.connector` или `sqlalchemy`).  
- Выведите список таблиц в базе `test_db` и количество записей в каждой.  

---

### **2. Исследование структуры данных**
- Изучите связи между таблицами (например, `employees`, `salaries`, `departments`, `dept_emp`).  
- Напишите SQL-запросы для вывода:  
  - 10 сотрудников с самой высокой текущей зарплатой.  
  - Отделы с наибольшим количеством сотрудников.  

---

### **3. Анализ зарплат**
- Рассчитайте:  
  - Среднюю, минимальную и максимальную зарплату по компании.  
  - Среднюю зарплату по каждому отделу (актуальную на текущий момент).  
  - Динамику изменения средней зарплаты по годам (используйте данные из `salaries`).  
- Визуализируйте результаты с помощью `matplotlib/seaborn` (например, линейный график для динамики зарплат).  

---

### **4. Анализ сотрудников**
- Определите:  
  - Количество сотрудников, работающих в компании на текущий момент.  
  - Процентное соотношение мужчин и женщин.  
  - Текучесть кадров: сколько сотрудников уволилось за последний год (если данные позволяют).  
- Постройте гистограмму распределения стажа сотрудников (на основе `hire_date`).  

---

### **5. Дополнительные задачи**
- **Рекомендации для HR:**  
  - Есть ли связь между стажем и зарплатой? Постройте scatter plot.  
  - В каком отделе самая высокая текучесть кадров?  
- **Оптимизация:**  
  - Сравните скорость выполнения SQL-запроса через Python и напрямую в MySQL. Сделайте выводы.  

---

### **6. Итоговый отчет**
- Оформите решение в Jupyter Notebook:  
  - Код с комментариями.  
  - Визуализации.  
  - Выводы по каждому пункту.  
- Укажите, какие гипотезы можно проверить на этих данных дополнительно.  

---

**Советы:**  
- Используйте `pandas` для работы с результатами SQL-запросов.  
- Проверьте данные на пропуски и аномалии (например, отрицательные зарплаты).  
- Для работы с датами преобразуйте столбцы в тип `datetime`.  

**Пример SQL-запроса для вдохновения:**  
```sql
SELECT d.dept_name, AVG(s.salary) as avg_salary
FROM salaries s
JOIN dept_emp de ON s.emp_no = de.emp_no
JOIN departments d ON de.dept_no = d.dept_no
WHERE s.to_date > NOW()
GROUP BY d.dept_name;
```

Удачи! 🚀