5 мифов о профессии ML-инженер
Обновление наших авторских комиксов!
На этот раз расскажем и сравним, что думают обычные люди про ML инженеров, и как их работа выглядит на самом деле)
Обновление наших авторских комиксов!
На этот раз расскажем и сравним, что думают обычные люди про ML инженеров, и как их работа выглядит на самом деле)
Здравствуйте, мне 30 лет. Хочу войти в эту сферу. Тут читал, что айтишники получают по 300-800к. Это правда? Расскажите, какие реальные зарплаты в it? Каков план действий должен быть? Время на учебу у меня есть. Буду благодарен любым советам.
Мне 24 годам на текущий момент работаю в технической поддержке продуктовой компании, не на звонках (Helpdesk) .
продукты интересные, система сложная и неинтуитивная, постоянно лагающая, поддержка заключается не в том, чтобы принять обращение и эскалировать его дальше, а в том, чтобы провести анализ и решить проблему. Продуктов в компании много и работаем сразу по всем направлениям.
Изначально пал выбор на техподдержку как на старт в IT, до трудоустройства изучался SQL, Python базовый, сказали что в работе это пригодится и будет использоваться.
Как итог: пол года работы, выгорание, новых навыков не прибавилось, кроме заведения задач на разработку, написания баг репортов.
В работе используются только знания, приобретенные только на по мере опыта работы в системе, при смене организации эти навыки не пригодятся от слова совсем, продукты очень специфические.
Сейчас стою на распутье: предложили повышение на 2 линию поддержки, но там также не используются никакие инструменты, которые могли бы пригодиться в работе тестировщика или аналитика и тд, также работа с системой просто более углубленно, плюс еще большая нагрузка, так как там работает только 2 человека, из за сложности особо сотрудников туда не нанимают, все кто есть работают в компании уже около 4-5 лет.
На данный момент владею поверхностно SQL, Kibana, grafana.
И как выбор идти на 2 линию и двигаться дальше в компании, но с карьерным ростом тут туго, спецы сидят по 5 лет на должности или идти стажироваться тестировщиком/аналитиком вне компании .
Также в своем городе предложили пойти на оплачиваемую стажировку Веб мастером (разработка, SEO, администрирование сайтов) с последующим трудоустройством.
Поэтому у меня вопросы:
Стоит ли тратить время на развитие в IT с техподдержки?
Так как на данный момент совсем нет времени на обучение
Есть ли там какое то карьерное развитие или это тупик?
Или же стоит выбрать направление и пытаться попасть на стажировку?
Мы постарались сделать каждый город, с которого начинается еженедельный заед в нашей новой игре, по-настоящему уникальным. Оценить можно на странице совместной игры Torero и Пикабу.
Реклама АО «Кордиант», ИНН 7601001509
Всем привет! Мои ученики активно учатся на ручных тестировщиков и я пробую создавать разные инструменты и подходы для освоения новой для них сферы.
Сегодня состоялся релиз первой версии телеграм бота для подготовки к собеседованиям, бот бесплатный, так что пользуйтесь и пишите фидбэк, кому будет интересно.
Ссылка на бота: https://t.me/quality_academy_interview_bot
_________________
Телеграм школы: https://t.me/quality_academy
Мой тг канал: https://t.me/realization_spain
Merge - это уникальная IT-конференция, которая проходит в городе Иннополис, построенном вокруг университета. Это мероприятие объединяет активных специалистов из разных областей IT - разработчиков, инженеров по машинному обучению, QA инженеров, архитекторов, лидеров и руководителей.
Университет города Иннополис во всей красе!)
Конференция Merge проходила 21 и 22 апреля 2024 года и представила множество увлекательных докладов от различных спикеров. Уровень лекций варьируется от junior до senior, что делает мероприятие интересным как для начинающих специалистов, так и для опытных профессионалов.
Постарался для вас передать масштаб этого удивительного строения
Стоимость билета на конференцию Merge может показаться завышенной, однако она обеспечивает приход активных и квалифицированных участников. В 2024 году билет обошелся в 12000 рублей, но включает в себя не только посещение мероприятия, но и два талона на обед в университетской столовой. Кормят студентов вкусно и сбалансированно (эх мне бы в Йошкар-Оле в ПГТУ такой обед в столовой как тут).
Мой роадмап посещения конференции Merge 2024 с моими комментариями по каждой лекции.
Конференция Merge становится все популярнее среди специалистов из разных регионов России - от Калининграда до дальневосточных городов. Это отличная возможность не только узнать о последних технологических трендах, но и обменяться опытом с коллегами из разных уголков страны. Если вы хотите быть в курсе последних новостей IT-индустрии и расширить свой профессиональный кругозор, Merge - это мероприятие, которое стоит посетить любому IT-специалисту.
Дополнительно что очень понравилось:
- Бар 108 с его чудесным том ямом и бургером "Дочь мясника". Бариста делает превосходный латте.
- Роверы яндекса и беспилотное такси 4го уровня автоматизации (5ый не возможен на законодательном уровне РФ (обязательно наличие пилота-водителя).
- Отличная инфраструктура. Правда очень дорогая стоимость жилья. Отдел продаж новых таунхаусов был закрыт на перерыв. В последний раз стоимость таунхауса в Зионе была по моей памяти более 12 миллионов рублей.
P.S: Отдельное огромное спасибо организаторам конференции и жителям Иннополиса - "Иннополисянам!". Вы очень крутые и доброжелательные.
Столько всего было рассказано и показано про ИИ, но очень редко обсуждается, каких он бывает видов… Поэтому сегодня поговорим об этом подробнее!
Неважно, насколько вы знакомы с темой, здесь точно найдется что-то новое. От реактивных машин, которые просто реагируют на окружающую среду, до искусственного сверхразума, способного превзойти человеческий интеллект.
Смысл этого ИИ следует из названия — реагировать на текущую ситуацию. Самой первой такой машиной стала Deep Blue, которая в 1997 году выиграла у чемпиона мира по шахматам, Гарри Каспарова. Она могла анализировать текущее состояние шахматной доски и делать ходы на основе этой информации, но не могла использовать предыдущие игры для обучения и принятия решений.
Автомобили с автопилотом — еще один пример. Они используют датчики для анализа окружающей среды и принятия решений на дороге. Но, как и Deep Blue, они не могут учитывать прошлый опыт.
Несмотря на возраст, такой ИИ будет полезен и сейчас: для управления простыми роботами в реальном времени, в авиабезопасности для быстрого обнаружения и реагирования на потенциальные угрозы или аварийные ситуации. Да и в целом, везде, где важна реакция, а не память.
Этот ИИ учитывает, что было раньше, когда принимает решения. Например, система умного дома помнит, какие настройки климата предпочитают жильцы, и регулирует их соответственно.
Другой пример — это рекомендательная система на YouTube. Она подкидывает вам видео, исходя из того, что вы смотрели раньше. Другие видео последнего просмотренного блогера, другие видео по той же тематике — всё то, что может вас заинтересовать. То же самое касается и reels в запрещенной соцсети.
Этот ИИ старается делать свою работу лучше, основываясь на прошлом опыте. Но он не может использовать этот опыт для того, чтобы узнать что-то новое или понять, почему происходят определенные события.
Сокращенно можно называть ТоМ. Он уже более продвинутый, потому что понимает намерения, убеждения и эмоции человека. Другими словами, если мы “вживим” этот ИИ в тело робота, то такой робот будет “считывать” эмоции человека по его лицу. Или понимать, как чувствует себя человек, исходят из положения его тела.
Над ТоМ’ом ещё ведутся разработки. Искусственный интеллект с развитым эмоциональным интеллектом, который будет понимать юмор и сарказм — это, конечно, мощно… Но первые наработки уже имеются.
Компания Hume AI в конце марта этого года представила новую систему под названием Empathic Voice Interface (EVI). Этот ИИ может анализировать голос человека и определять его эмоциональное состояние. Он улавливает не только слова, но и интонации, позволяя понять контекст разговора. При этом EVI даже может изменять свой собственный голос, чтобы лучше соответствовать настроению собеседника.
У Hume AI есть и другие продукты с похожим функционалом. Они могут анализировать выражения лица, движения человека и его реакции на окружающее.
Он считается слабым, потому что не справляется с несколькими сложными задачами сразу. Но, несмотря на это, такой ИИ — один самых востребованных.
Он может быть обучен распознавать лица на фотографиях или автоматизировать процесс обработки текстов, но он не может справиться с задачами, которые требуют широкого спектра знаний и навыков.
В медицине ИУИ может помогать в диагностике заболеваний по медицинским изображениям или анализировать данные о состоянии пациентов для выявления рисковых факторов. Такие системы, пусть и не могут заменить человеческий интеллект, все же значительно облегчают рутинные задачи и улучшают эффективность работы в практически в любой сфере.
Сильный искусственный интеллект (СИИ) — это такой ИИ, который умеет решать много разных задач, подобно человеку. Он не только умеет решать задачи, но и может учиться на своих ошибках, адаптироваться к новым ситуациям и принимать решения на основе сложной информации.
Например, система автономного вождения — это СИИ. Она может самостоятельно управлять автомобилем, принимать решения и адаптироваться к разным ситуациям на дороге. Эта система учится на опыте и становится лучше с каждой новой поездкой.
Другой пример — IBM Watson. Она умеет анализировать большие объемы информации, понимать тексты и давать рекомендации на основе этой информации. Watson используется в медицине, финансах и других областях для принятия важных решений на основе данных.
Всем известные LLM и GPT также относятся к СИИ.
ИИ, который осознает и понимает собственное существование.
Если вы спросите у GPT, осознает ли он, что является искусственным интеллектом, он ответит, что да, и его предназначение — это помощь людям. Но стоит переиначить вопрос, спросив напрямую: “Есть ли у тебя самосознание?”, он ответит, что является всего лишь программным алгоритмом.
Но почему в ответе на первый вопрос чат-бот сказал, что “осознает”? Он запрограммирован на этот ответ, вот и всё.
На данный момент ИИОН (Искусственный Интеллект Общего Назначения), у которого было бы самосознание, как у человека, ещё не разработан. И видели мы его лишь в фантастике.
AGI — это своего рода святой грааль в области ИИ, который представляет собой высший уровень развития искусственного интеллекта, приближенный к человеческому.
Отличие AGI от сильного ИИ в том, что сильный ИИ обладает мощной способностью решать сложные задачи, но он ограничен в том, что делает, и может работать только в определенной области. AGI же способен заниматься разными видами деятельности, самосовершенствоваться, делать выводы, но, как бы то ни было, брать отвественность за свои действия он не сможет.
Именно AGI намерены разработать OpenAI, Google и Anthropic в ближайшие годы.
Супер-ИИ — также, как и Самосознание и AGI, находится пока в гипотезе, но предполагается, что он будет превосходить возможности человеческого разума во всех аспектах.
Это концепция идеального ИИ, который способен на самообучение, саморазвитие, самосознание и создание новых технологий и знаний в неограниченном объёме.
HAL из фильма Кубрика “2001 год: Космическая одиссея”, Матрица, которая превзошла человеческий интеллект и контролирует весь мир, как реальный, так и виртуальный, Гарант, господствующий над Kepler-22b, из сериала “Воспитанные волками” — эти и подобные примеры существуют только в реализованной фантазии писателей и режиссеров, но не в жизни. К сожалению это или к счастью.
В этой статье я расскажу вам о концепции CI/CD, которая является неотъемлемой частью современной разработки программного обеспечения.
Сегодня порассуждаем про концепцию CI/CD, которая ныне на пике популярности в разработке софта.
Также найти множество интересной и полезной информации вы можете на канале Самоучки IT (Управление проектами) https://t.me/+NfVrLMxdKS0yNDNi
CI/CD - это Continuous Integration, Continuous Delivery - непрерывная интеграция, непрерывная поставка. Это одна из DevOps-практик, которая также относится к Agile-подходу. Автоматизация развёртывания позволяет разработчикам сфокусироваться на реализации бизнес-требований, качестве кода и безопасности.
В чем фишка? Это автоматизированный конвейер, который цепляет только что написанный код к главной кодовой базе, гоняет всякие тесты и автоматом деплоит обновлённую версию.
Многие ошибочно думают, что CI и CD - разные процессы. Но на самом деле они связаны как матрёшки. Внутри - непрерывная интеграция, снаружи - непрерывная доставка. Основная их цель - увеличить стабильность выпусков и ускорить весь этот процесс.
Давайте по-полочкам разберём этапы CI/CD цикла:
Код . На этом этапе идёт написание кода, покрытие его тестами, commit и push в систему контроля версий
Сборка. Система вроде Jenkins автоматически собирает ваши изменения и запускает их тестирование.
Тестирование. После успешного прохождения автоматических тестов изменения отдаются на ручное тестирование.
Релиз. После того, как команда тестировщиков проверила все изменения, у нас получается стабильная версия продукта – релиз-кандидат.
Деплой. Релизную ветку мы загружаем и разворачиваем на продакшен-сервере клиента.
Мониторинг. Следим за развёрнутой версией продукта и в случае проблем стабилизируем её или фиксим.
Планирование. Планирование новой функциональности или внесение изменений для будущих релизов.
Теперь разберем, как CI/CD помогает автоматизировать эти шаги.
Непрерывная интеграция — это автосборка и тестирование всего кода в общем репозитории после слияний. Команды часто используют feature flags или ветки для контроля готовности функционала. CI позволяет выявлять проблемы до деплоя кривого кода на прод.
На этапе сборки упаковываются все компоненты ПО и БД. Запускаются модульные, функциональные, регрессионные тесты и другие виды тестов для проверки стабильности. Это непрерывное тестирование - важная часть CI/CD.
Следующий этап - непрерывная поставка. Тут автоматизируется процесс подготовки релиза к деплою после CI. Настраиваются параметры окружений, выполняются необходимые запросы для перезапуска сервисов и т.д. DevOps команда берет протестированный релиз и выполняет все действия для деплоя на проде в пару кликов.
Финальный шаг - непрерывное развертывание (CD). Он включает все предыдущие шаги и суть его в том, чтобы развернуть изменения программиста в продакшене без дополнительных действий. Но для этого в команде должна быть культура мониторинга, чтобы в случае проблем можно было оперативно откатить изменения.
Ещё один важный момент - CI/CD конвейеры широко используются с Kubernetes и бессерверными архитектурами. Контейнеры позволяют стандартизировать упаковку, упрощают масштабирование окружений. А бессерверные вычисления типа AWS Lambda интегрируются в конвейеры через плагины.
В компаниях, где CI/CD внедрён, часто улучшаются ключевые DevOps метрики: частота деплоев, lead time для изменений, время восстановления после инцидентов. Но для этого нужно наладить весь процесс по методологии DevOps.
В общем, CI/CD - мощная практика для автоматизации разработки и деплоев. Команда разработчиков просто пишет код, а остальные шаги в конвейере выполняются на автомате. Такой подход экономит время и обеспечивает стабильность ПО.
А чтобы все это не было просто сухой теорией, расскажу реальный кейс из жизни.
Однажды мне довелось поработать в одной прогрессивной конторе, где CI/CD был поставлен на самом деле очень грамотно.
Команда разработчиков активно писала код в feature branches регулярно создавая pull request, для слияния изменений в мастер-ветку. После каждого такого merge автоматически запускался конвейер CI. Система типа Jenkins забирала новый код, собирала приложение, гоняла batch -тестов - юнит, интеграционные, регрессионные. Все это не занимало больше 10 минут.
Если все тесты проходили успешно, включался следующий этап - непрерывная поставка. Сборка артефактов, подготовка всех зависимых сервисов, настройка тестовых окружений — все это выполнялось автоматически конвейером. Разве что DevOpsы мониторили процесс на предмет ошибок.
Но самое крутое начиналось дальше. После успешной поставки в тест-окружения запускалась финальная стадия - непрерывное развёртывание. Конвейер автоматически деплоил собранную версию на продакшен сервера, обновлял контейнеры, переключал трафик, и свежая фича становилась доступной всем пользователям!
Согласитесь, это было очень круто - от написания строчки кода до релиза проходило всего минут 30 максимум, если все шло штатно. При этом человеческое вмешательство требовалось только на самом старте - commit изменений. Остальным занималась магия CI/CD.
Плюс в углу офисной площадки красовался большой ТВ-экран, где транслировался статус всех активных сборок и деплоев - кто закоммитил (committed), на какой стадии идёт процесс, есть ли ошибки. Так что любой мог присмотреться если что пошло не так.
В общем, навороченный CI/CD конвейер сильно упрощал жизнь разработчикам и DevOpsам, позволяя много времени сэкономить на рутинных задачах поставки кода на прод. Да и со стабильностью системы не было никаких проблем благодаря повсеместному тестированию. Так что если доведёте CI/CD до ума, то только в плюсе будете!
Ну что? Я надеюсь, теперь у вас более-менее все встало на свои места с этой концепцией. Оставляйте свои мнения и кейсы в комментах. Будем продолжать разбираться в крутых IT-темах на канале Самоучки IT(Управление проектами)https://t.me/+NfVrLMxdKS0yNDNi