Здесь будет интересно всем, кто увлекается нейросетями, хочет стать разработчиком, создать свой IT-стартап... Ну, или просто любит и хочет изучать код :)
Именно с этим вопросом мы и обратились к экспертам The Founder, и вот что удалось узнать.
Вы можете записаться к нам на курс, решать задачи, выполнять все практические задания, получать обратную связь от куратора — это всё то, что можем дать мы. Но всё это не заменит вам личного опыта.
И вот вопрос: где взять этот опыт?
Pet-проекты — самый простой и понятный шаг в этой ситуации. И все подробности о нем мы уже рассказывали (если пропустили, то почитать можно здесь). Но помимо петов есть еще способы получить опыт.
Какие?
GitHub
Создать аккаунт на GitHub и выложить туда свои проекты. Важно не только сделать это, но ещё и аккуратно оформить код и репозиторий.
Подсказка: как закончите, прикрепите ссылку на свой аккаунт к своему резюме.
Стажировки и практики
Находите стажировки и практики на hh.ru или на сайтах компаний. По словам экспертов, это может быть как оплачиваемое, так и неоплачиваемое обучение. Важно постоянно мониторить вакансии и искать новые возможности.
Программы повышения квалификации
Рассмотрите учебные программы. Например, такие, как в Сириусе. На них обучение совмещается с реальными кейсами от компаний.
Фриланс
Попробуйте работать на фрилансе через платформы для соискателей. Это может быть хорошим стартом для того, чтобы начать собирать портфолио.
Участие в хакатонах и open-source проектах
Участвуйте в хакатонах, летних/зимних школах и стажировках. На хакатоны особенно делайте упор, так как это не только возможность найти наставника, но и замечательный способ включить свои работы в портфолио.
Важно: На хакатоны берут всех, но лучше закрепиться за более менее опытной командой. И не стесняйтесь, скажите, что новичок, но хотите учиться.
Соревнования на Kaggle
Вы можете просто участвовать в конкурсах на Kaggle, анализировать решения других участников, что-то использовать или улучшать.
Решение тестовых заданий
Подавайте заявки на вакансии, где не требуется опыт, и активно решайте тестовые задания, получая обратную связь. Это поможет вам быстрее войти в тему.
Развитие навыков
Подтягивайте английский язык, поскольку многие технические ресурсы представлены именно на нем. А ещё проходите курсы, читайте книги, смотрите обучающие видео (на ютубе полным полно таких, и бесплатно!), читайте тематические треды на форумах и, конечно, не забывайте про Stack Overflow.
А дальше? Дальше — проходить собеседования!
Если вам было интересно это прочитать (да и в целом интересна сфера айти и всё, что с ней связано), подписывайтесь на наш телеграм-канал. У нас только самые яркие новости из мира айти, куча полезной инфы (бесплатно и без регистрации :D), обзоры на ИИ-стартапы и мемы, конечно, куда ж без них :)
Постоянная усталость, отчаяние, никаких идей и мотивации. Вот оно, эмоциональное выгорание.
Мы все, кажется, с ним сталкивались, особенно, если приходится совмещать кучу всего каждый день.
Прислушайтесь к себе.
С какими мыслями вы сейчас читаете этот текст? А с какими мыслями вы проснулись сегодня? Не были они похоже на что-то вроде: «как же мне все надоело», «хочу лежать целый день», «не хочу никуда идти»?
Хорошо, если нет. Но если же вы чувствуете, что это всё-таки про вас, то вот несколько советов:
Начните с осознанности и заботы о себе. Делайте перерывы в работе, выходите гулять, если нет времени на спорт, поговорите с друзьями и близкими. Забота о себе — это первый ключ к предотвращению выгорания.
Умейте говорить «нет» и ставить границы. Не стесняйтесь отклонять чьи-то просьбы или важные задачи, если они мешают вашему комфортному графику.
Скачайте приложение для контроля своего эмоционального и физического состояния. Их много, выберите то, которое вам подходит. Оценивайте свое самочувствие каждый день и отмечайте факторы, влияющие на него. Приложение поможет выявить проблемы и понять, когда нужно взять дополнительный выходной или даже отпуск.
Смотрите видео, читайте статьи или слушайте подкасты на тему историй успеха крупных компаний. Это поможет вам не только отвлечься и обрести мотивацию, но и почерпнуть кое-что интересное.
И помните, ваше психологическое и эмоциональное здоровье важны. Заботьтесь о себе, устанавливайте границы и не стесняйтесь обращаться за помощью, когда это необходимо.
Все думаю, что программирование требует специального мышления. В какой-то мере это верно, но программисты развивают свой стиль мышления, занимаясь не только программированием.
Сегодня как раз об этом.
Программирование — это решение проблем. Программисты постоянно развивают навыки абстрактного мышления, декомпозиции и творчества через решение задач.
Поэтому попробуйте и вы рассматривать проблему как хобби или творчество. Это может сделать процесс более интересным и приятным.
Разбивайте задачи на подзадачи. Этот метод упрощает разработку, тестирование, да и вообще любые дела. Поэтому применяйте подход «разделяй и властвуй» в повседневной жизни. Это поможет решать задачи более эффективно.
Исследуйте проблему с разных сторон. Это поможет вам найти более надежные решения.
Также и в повседневной жизни. Когда у вас возникает очередное срочное дело, не торопитесь сразу его решать. Попробуйте придумать несколько способов решения, проанализировать их и сравнить.
Именно так поступают программисты. Они начинают с создания плана будущего кода, прежде чем приступить к работе.
Погружайтесь в детали, чтобы понять, как работает «под капотом». Это поможет создавать более эффективные решения.
Обычно мы пытаемся решить проблему, сосредоточившись именно на ней, а не задумываясь о том, как она работает изнутри. Это удобно, потому что так мы делаем все быстрее. Но такой подход иногда ограничивает наше понимание. Если мы углубимся в детали, можем избежать лишней работы и использовать способы решения проще.
Если вам было интересно это прочитать (да и в целом интересна сфера айти и всё, что с ней связано), подписывайтесь на наш телеграм-канал. У нас только самые яркие новости из мира айти, куча полезной инфы (бесплатно и без регистрации :D), обзоры на ИИ-стартапы и мемы, конечно, куда ж без них :)
Тема этики — одна из самых спорных тем в принципе.
Мы не стали акцентировать внимание на популярных проблемах, связанных с deepfake, безопасностью данных или использованием ИИ преступниками и хакерами. Вместо этого мы решили затронуть перспективы развития искусственного интеллекта.
Как научить морали сильный искусственный интеллект?
Как избежать использования человека как средства?
Как сделать ИИ безопасным (и использовать его в военных целях)?
Все эти вопросы так или иначе уже стоят или будут стоять перед разработчиками и государствами в течение следующих несколько лет. Мы специально не ориентировались на техническую часть вопроса, сколько максимально сущностную (фундаментальную) — ведь в ней и скрывается вектор решения.
Сильный искусственный интеллект и Super AI: новый человек или сверхмашина?
AGI или artificial general (общий) intellegence — интеллект, очень похожий на человека, владеющий всеми человеческими интеллектуальными навыками и обладающий соответственно автономией.
И это не говоря уже о Super AI, которое бы превосходило человеческие возможности (речь, например о «Демоне Лапласа», способного вычислить все положения частиц во вселенной и предсказать будущее утрированно). Такое ИИ способно гипотетически решать сложнейшие задачи в перспективе малого количества времени, в том числе и обхода собственного контроля.
Уже на протяжении 50-ти лет с появлением первых компьютеров на машинном коде, ученые/философы начали активное обсуждение вообще фундаментального устройства человеческого мозга и возможности его воссоздания на уровне машины.
В общем и целом, сегодня существуют три доминирующих мировоззрения в этом вопросе: материализм/физикализм (сознание = физ. процессы), функционализм (сознание как результат вычислительных процессов), эмерджентизм (сознание как побочное свойство действия нейронов).
И в самом деле, все сводится к: можно ли свести мозг к математическим абстракциям, логическим выражениям и вообще бинарным структурам, чтобы воспроизвести через нейронные сети?
Но в самом деле, для самой этики это не столь важно. Ведь если понимать AGI как сильный искусственный интеллект широкого назначения и автономии, то достаточно попросту наличия хоть какой-то автономии.
Существует такой популярный эксперимент «Китайская комната», который постулирует: любой алгоритм, обладая набором инструкций (те же распределенные веса связи слов в моделях LLM) может имитировать «понимание» вопросов.
В представленной ситуации воображаемой Китайской комнаты человек, не знающий китайского языка, находится внутри и обрабатывает входящие китайские символы согласно инструкциям, так же на китайском. Несмотря на способность обработки символов и генерации ответов, человек в комнате фактически не понимает языка, который он использует для взаимодействия с внешним миром.
И поэтому мы никогда не сможем по речевому поведению усмотреть ментальный, обязательный феномен человеческого сознания как «понимание» или «осмысление».
Самый пока что прямолинейный подход в воссоздании человеческого интеллекта наблюдается в методе «Emergence», на нем основан, кстати, проект OpenAI, показывающий впечатляющие результаты.
То же самое можно сказать о недавно запущенном суперкомпьютере, о котором мы писали в одном из постов. Впрочем, такой подход действительно показывает некоторые результаты: например, набор «нейронов» может генерировать подобие когнитивных карт ориентации в пространстве.
Но в самом деле такой подход вообще не контролируем, ведь он никак не регулируется и зависит, скорее, от скармливаемых данных. Хотя на это и делаются ставки. Вместо того чтобы архитектурно стремиться разработке AGI, создаются условия для его возникновения.
В контексте нейронных сетей, подход «emergent» означает, что сложные характеристики или поведенческие особенности модели возникают автоматически в процессе обучения, без явного задания конкретных правил или шаблонов. Это взаимодействие нейронов и слоев сети ведет к формированию эмерджентных свойств, которые могут быть неочевидными при анализе отдельных компонентов.
Множество объектов формирует некоторое “свойство” физического тела. Так, например, молекулы воды формируют волны. А с точки зрения некоторых ученых и философов, сетка нейронов мозга – сознание и когнитивные способности человека.
Вместо того чтобы программировать нейронные сети на выполнение конкретных задач, при использовании подхода «emergent» сеть обучается на данных и адаптируется к условиям задачи. Например, в обучении с подкреплением, где агент взаимодействует с окружающей средой, эмерджентные свойства могут включать в себя развитие стратегий, которые агент самостоятельно вырабатывает в процессе взаимодействия со средой, оптимизируя свою производительность.
Такой подход также может быть связан с использованием нейросетей с большим числом слоев и параметров, где обучение происходит на более высоких уровнях абстракции. Это позволяет модели выявлять сложные закономерности в данных и создавать эмерджентные структуры, которые позволяют эффективно решать поставленные задачи.
Именно поэтому Ник Бостром и Элиэзер Юдковски приводят доводы в пользу деревьев решений (таких, как ID3) против нейронных сетей и генетических алгоритмов, потому что деревья решений подчиняются современным социальным нормам прозрачности и предсказуемости.
Сегодня не существует понимания механизмов формирования абстрактных мировоззрений, убеждений, мотивов и морали в мозгу. А значит предсказаний момента их возникновения при симуляции нейронной сетей мозга быть не может.
Поэтому в точке перехода к AGI, когда возможно возникновение эмерденентных («случайно возникающих») феноменов по типу морали, мы никак не сможем контролировать их содержание.
И в этом и состоит ключевая проблема этики Сильного искусственного интеллекта — нет средств и инструментов, чтобы вшить инструкции, предписания или гуманные мотивации.
Но в самом деле, проблема здесь лежит еще глубже: нечего предписывать. Ибо любое этическое предписание уже предполагает выбора одних ценностей перед другими.
Допустим, практически любое общечеловеческое благо или благо отдельной группы людей зачастую противоречит благу частного лица. Поэтому принципиальный выбор между тем или иным = обязательный ущерб одному из субъектов будь то целый социальный класс или отдельный средний человек.
Нет абсолютно благих принципов этики, как и нет четкой и понятной этической системы, которая могла бы хоть как-то понизить шансы возникновения «неморального» сильного ИИ. И ни говорили некоторые, что отсутствие эмоций у искусственного интеллекта – определенный плюс. Возможно, эмпатичность и распознание человека как «своего» формирует почву для возникновения около-гуманных ценностей.
Хотя печальным примером проявления эмоций может послужить ИИ-ассистент из Космической Одиссеи Кубрика, саботирующий работу пилота корабля.
В этом смысле у GAI две проблемы: в силу популярности «emergence» подхода, направленного на непредсказуемый результат — сама непредсказуемость и невозможность на философском уровне выработки этических правил делает сильный ИИ опасным. С другой стороны, неморальный и гнусный GAI — это не проблема, ведь по своему функционалу он не должен превосходить человека.
Но что насчет Супер искусственного интеллекта, которого так боится Элиезер Юдковский? Проблема в том, что возникновение SAI вероятнее, нежели возникновение GAI, так как оно независимо от человеческих способностей и ориентировано концептуально больше на решение сложных задач (вычислительных).
Примером осмысления синтеза GAI и SAI становится Альт Каннигем, обладающая невероятными «интеллектуальными» способностями и странной антропоморфностью. Мистичность такого создания подчеркивается еще и тем, что сам конструкт обладает непонятной мотивацией.
И так как, опять концептуально, оно является производной Narrow AI (узкоспециализированного искусственного интеллекта), то предполагает предписанную задачу и цель. А возникновение предписанной цели предполагает выборку средств, причем с наличием автономии. И вот автономия может расположить искусственный интеллект, например, к использованию человека как «средства».
Естественно, такая проблема должна решаться моральными предписаниями и готовой «гуманной» мотивацией ИИ. Но здесь мы просим вас вернуться к нескольким абзацам выше.
Narrow AI: слабый искусственный интеллект в военных целях
Если какая-либо крупная военная сила продвигает разработку ИИ-оружия, практически неизбежна глобальная гонка вооружений, и в итоге автономное оружие станет автоматом Калашникова завтрашнего дня.
На самом деле, проблема ИИ в военном секторе не строится по принципу: а вдруг искусственный интеллект уничтожит союзника. Эта проблема решаема, ведь отвечает вполне понимаемым задачам холодного расчета.
Страны активно разрабатывают и внедряют военные технологии на базе искусственного интеллекта в попытке укрепить свое военное превосходство. Это создает геополитическую напряженность и может привести к гонке вооружений в сфере искусственного интеллекта, а значит и к увеличению смертоносности и беспрекословности оружия.
Гонка вооружений в области ИИ может привести к созданию высокоэффективных и автономных систем, что, в свою очередь, повышает риск ошибок, аварий и даже потенциальных кибератак.
К сожалению, практика ведения войн показывает, что международные конвенции нарушаются, а разработка ядерной бомбы, например, образовала новую эпоху в политической жизни всего мира.
С другой стороны, развитие ИИ в военной сфере может привести к невозможности любого вооруженного конфликта либо делегированию вооруженных столкновений беспилотникам. Как ядерная бомба запретила любые войны на уничтожение наций и государств, так и ИИ может запретить «войны», так как будет предполагать автоматическое поражение.
Но войны между равными странами, обладающими искусственным интеллектом в своем вооружении. А что насчет конфликтов между странами третьего мира и высокоразвитыми государствами? Главное отличие ядерного оружия — сдерживающий фактор в крупных войнах (т.к. атомная бомба обладает слепой разрушительной силой). Искусственный интеллект, способный распознавать цели и уничтожать их в частном порядке, дает значительное преимущество на поле боя и не создает эффекта разрушительности.
Подобная ситуация может стать опасной и привести к порабощению или явному политическому давлению со стороны высокоразвитых стран вплоть до экономического паразитизма. Впоследствии развития ИИ в военном секторе может привести к образованию новых военных союзов и коалиций.
Почему перед разработчиками стоят серьезные этические вызовы, которые нужно решать сегодня?
Этика в военных вопросах использования ИИ стоит уже не первый год. Так, например, беспилотники без проблем уничтожали террористические группировки, практически не давая никакого шанса на выживание. Тем более, ООН уже фиксировали уничтожение террористов без использования человека-оператора.
Если говорить об GAI и SAI — здесь вопросы упираются в разработку грамотного этического кодекса и способа контроля «emergent»-подхода, который может привести к необратимым последствиям вплоть до самораспространения нейросети или выбора человека как средства.
И это лишь малая часть этических проблем, которые стоят перед разработчиками ИИ. Не зря последнее время мы слышим много новостей, связанных с этой темой как со стороны крупных корпораций по типу Google и OpenAI, так и государств.
Но, а напоследок советуем посмотреть одно из видео Bostons Dynamics
Если вам было интересно прочитать эту статью (да и в целом интересна сфера айти и всё, что с ней связано), подписывайтесь на наш телеграм-канал. У нас только самые яркие новости из мира айти, куча полезной инфы (бесплатно и без регистрации :D), обзоры на ИИ-стартапы и мемы, конечно, куда ж без них :)
Мнения по этому поводу расходятся. Но мы попытались объяснить, из чего складывается оплата труда конкретного специалиста, почему не стоит обращать внимания на вакансии с оплатой 25к в месяц, зачем люди добровольно выбирают низкооплачиваемые позиции.
Сегодня о трехзначных зарплатах в АйТи говорят как о «мифе». «На самом деле, далеко не все разработчики получают 100-500к!», «да вы что, зарплата джунов всего 30к…». Но верны ли эти утверждения на самом деле?
Просто приведем статистику с Карьеры Хабра:
Медианная зарплата IT-специалистов сейчас — 165 000 ₽, это на 10% больше, чем во втором полугодии 2022, когда рост был +7%. В основном на это повлияло повышение зарплат в регионах, где IT-специалистам сейчас платят в среднем 150 000 ₽. В Москве средняя зарплата — 200 000 ₽, а в Санкт-Петербурге — 172 000 ₽.
На июнь 2023 года медианная предлагаемая зарплата в ИТ-сфере страны достигла 53 254 ₽. Статистика показывает, что работодатели за год успели повысить доход в вакансиях лишь на 1%.
Или даже Forbes:
Медианная зарплата в IT-сфере за январь-сентябрь 2023 года выросла на 10-15% по сравнению с аналогичным периодом прошлого года, говорится в исследовании кадровой компании Uteam (есть у Forbes). Сейчас она составляет 170 000 рублей по России и 210 000 рублей по Москве.
В IT одни из самых высоких зарплат из всех отраслей труда. Но вот статистика самого популярного рекрутингового сервиса вызывает какой-то зарплатный пессимизм. Так, HH.ru указывает среднюю зарплату в 50 тыс. рублей.
Дело в том, что HH берет за основу своей статистики зарплатные вилки с опубликованных вакансий, а вот другие сервисы – ответы с опросов. И тот и другой подход имеет свои проблемы. Дело в том, что среди опрошенных Хабра вряд ли найдутся специалисты, которые работают в компаниях за 25к в месяц.
С другой стороны, задумайтесь, а есть ли низкооплачиваемые вакансии в других отраслях, например, на маркетолога, редактора, ведущего инженера? – безусловно. Сегодня рынок труда – это не монолитное сооружение, где уровень зарплаты конкретного работника определяется «профессиональными» навыками.
Рынок труда – это не корпорация, где конкуренция осуществляется по четко очерченным правилам «выслуги лет» или корпоративным играм. Сегодня стаж, опыт полностью определяет зарплаты только в государственном секторе и ряде производственных отраслей в соответствии со старой Советской системой.
Большинство начинающих специалистов измеряют свои собственные скиллы в масштабе всего рынка труда! Но это неверный подход. Легче всего провести метафору с конкуренцией в бизнесе: продуктовые магазины зачастую конкурируют не за весь город, а отдельные микрорайоны.
То же самое и со специалистами. Существуют и парадоксальные ситуации, когда на высокооплачиваемую вакансию меньшая конкуренция нежели на низкооплачиваемую с условием идентичности обязанностей и условий работы.
Почему некоторые специалисты не конкурируют за высокие зарплаты:
а) Не очень уверены в своих силах, не готовы брать ответственность, не хотят расти профессионально.
б) Не рассматривают удаленку в принципе.
в) Часть специалистов плохо подходят к подбору вакансий, оформлению своего резюме.
г) Другие причины, по которым специалисты не конкурируют за адекватные зарплаты: от комфорта на нынешнем месте работы / неготовности идти на риски до «незнания» о существовании других вакансий (и такое случается) и закредитованности.
На зарплаты в современном открытом рынке труда влияет много факторов: от собственного позиционирования до конечных зарплатных ожиданий, способности «договариваться», презентовать себя, оформлять резюме.
Зарплаты в компаниях определяются не только «средней температурой по больнице», но и распределением бюджета, советами знакомых-предпринимателей, жадностью и даже медианной зарплатой по региону. В последнем случае руководители могут выделять одинаковые выплаты совершенно разным специалистам.
Подобные вакансии могут быть идентичными как по требованиям, так и по обязанностям в сравнении с высокооплачиваемыми предложениями.
Но, как ни странно, экономическая практика показывает: на любое предложение найдется свой потребитель и… свой соискатель. Существование низкооплачиваемых вакансий не феномен исключительно айти, но вообще всех отраслей труда: на инженера-технолога можно найти предложения и за 30к рублей, и за 75.
Трехзначные зарплаты в АйТи– стабильная норма, но для их получения необходимо правильно подходить к выбору вакансий, заказов на фрилансе. Ориентируйтесь на удаленную работу, релокацию, вакансии в крупные компании или Московские, Санкт-Петербургские. Трезво оценивайте ситуацию на рынке.
Почему на старте не стоит ждать огромных зарплат
Но мы напоминаем, что медианная зарплата 160 тыс. и более рублей – зарплата программистов с опытом. На первых порах не стоит ожидать подобные денежные предложения. Придется поднабраться опыта. К слову, обычно на низкооплачиваемые вакансии просто устроиться и получить заветный «опыт» к себе в копилку и при этом получать деньги, принимать участие в продакшене.
Но лучше на таких позициях не задерживаться и как можно быстрее расти дальше.
В специализированных айти-компаниях без айтишников не будет продукта – там кодеры обладают наивысшей востребованностью.
В любом случае утверждение, будто в Айти теперь низкие зарплаты, – скорее миф, нежели наоборот. В любой отрасли есть низкоквалифицированные специалисты, люди, добровольно не конкурирующие за даже средние позиции и не растущие профессионально, а также попросту неадекватные вакансии.
Если вам было интересно прочитать эту статью (да и в целом интересна сфера айти и всё, что с ней связано), подписывайтесь на наш телеграм-канал. У нас только самые яркие новости из мира айти, куча полезной инфы (бесплатно и без регистрации :D), обзоры на ИИ-стартапы и мемы, конечно, куда ж без них :)
Зачастую интервью сопровождаются не только вопросами о самой ML или DL разработке, Data, но и о знании самого языка. В нашем случае Питона.
В нашем посте мы собрали 8 неочевидных вопросов, которые могут задать на собеседовании.
Уверены, что знаете Python так хорошо, как никогда?
Какие проблемы есть в Python?
Вопрос на логику. Где лучше всего недостатки языка? – в его преимуществах. Динамическая типизация может приводить к ошибкам во время компиляции и затруднению обнаружения некоторых типов, а автоматическое управление памятью может привести к:
а) неэффективности;
б) ее утечке.
Опишите процесс компиляции
И тут, на самом деле, попадаются многие джуниоры. Питон — язык интерпретируемый, но он все равно компилирует код, правда, за кулисами.
Питон использует формат компиляции байт-кода, т.е "переводит" исходный код в низкоуровневое представление и выполняется виртуальной машиной (PVM). Виртуальная машина — это и есть тот самый интерпретатор, который трактует ваш байт-код.
Назовите три способа ускорения уже существующего кода
Перевести исходный код в байт-код самостоятельно при помощи PyPy или Cython.
Организовать многопоточность или параллельное выполнение задач в нескольких ядрах процессора.
Провести векторизацию при помощи библиотек NumPy, идеально подходит для оптимизации кода, выполняющего большое количество операций над массивами данных.
Python - императивный или декларативный язык?
Простой, но вгоняющий в ступор некоторых новичков вопрос. В первом случае — вы предписываете команды, во втором — конечную техническую задачу. Естественно, Питон — императивный язык, как и большинство других по типу C++ и Java.
Из семейства декларативных показательным примером будет SQL.
Чем фреймворк отличается от библиотеки?
Фреймворк представляет собой интегрированный набор уже готовых компонентов и инструментов — он обеспечивает уже заранее заданную структуру и логику работы, поэтому ограничивает разработку, предлагая готовую концепцию.
Библиотека — коллекция модулей или функций, используемые другим приложениями. Но здесь логика подбирается самостоятельно, поэтому ограничения минимальны.
Чем отличаются библиотеки NumPy и SciPy?
NumPy - библиотека для работы быстрой работы с массивами и матрицами (векторами). Наш выбор для ML разработки и попросту математических вычислений. Хотя и тут есть модули для статистики и машинного обучения по типу scikit-learn.
А вот SciPy вообще способна справляться интегрированием, дифференцированием, анализом спектральных данных и даже моделированием физических систем. Больше подходит для ученых.
Что такое лямбда-функции?
Она же "анонимная функция", которая определяется без слова def. Простые, зачастую одноразовые функции, определяемые lamda. В основном, используются в качестве аргументов функций высшего порядка и позволяют сделать код более читаемым и компактным.
Что такое функции высшего порядка и какие бывают?
Раз уж про них заговорили. Все же Питон — это высокоуровневый язык. И тут не обошлось без функций, которые могут возвращать функции в качестве результата.
Функция map() - применяет функцию ко всем элементам объекта и возвращает итератор.
Filter () делает то же самое, но возвращает итератор и элементы со значением True.
Функция reduce() объединяет элементы итерируемого объекта в одно значение.
Pet-проекты — это не просто забава для программистов, это начало многих успешных историй. Как, например, Airbnb, который стартовал с идеи аренды надувных матрасов, или GitHub, стартовавший как личный проект одного разработчика. Даже Google начался в гараже. Эти истории напоминают нам, что каждый может начать с малого и изменить мир.
Но как приступить к пет-проекту, с чего начать, что делать и главное — как не забросить? Что ж, давайте по порядку.
Что такое пет-проекты: плюсы и минусы
По сути, петы — это ваши личные проекты, которыми вы занимаетесь в свободное время и ради удовольствия. Здесь нет сложных правил.
Во-первых, это ваше место для экспериментов, где можно выкатить что-то своё, не пытаясь ориентироваться на чьи-то требования.
Во-вторых, пет-проект может стать неотъемлемой частью вашего профессионального роста. Успешный пет в портфолио – это не просто красивая картинка. Это демонстрация вашего умения решать проблемы, креативно мыслить и приводить идеи в жизнь. Пет-проекты могут выделить вас среди других кандидатов при поиске работы и подчеркнуть вашу преданность обучению и развитию в сфере разработки.
В-третьих, пет-проект — это не просто стартап в миниатюре, но и возможность попробовать свои силы в разных ролях. Здесь вы и тимлид, и дизайнер, и разработчик — полный набор. Этот опыт помогает не только разносторонне развиваться, но и лучше понимать процессы разработки.
Всё это, безусловно, плюсы пет-проекта. Но и о минусах забывать не стоит. Их немного, но вам стоит знать, что:
Будет трудно совмещать работу, pet-проект и другие дела. Поэтому придется заниматься проектом, когда есть хоть капелька энергии. Но, пожалуйста, и отдыхать не забывайте. Ведь если словите эмоциональное выгорание, то работать будет не просто сложно, а чертовски сложно.
Как и с любым стартапом, pet-проекту может не светить яркое будущее. Но это оправданный риск.
Короче, если вы чувствуете, что готовы, то дерзайте. Это и станет вашей возможностью не просто следовать течению, но и влиять на его направление.
Как понять, что идея проекта “выстрелит”?
Для начала поговорите с теми, кто будет использовать ваш продукт — потенциальными пользователями. Спросите у них, с какими проблемами они сталкиваются в своей области и как ваш проект может помочь. Обсудите с ними возможные пути решения. Их мнение — ключ к тому, чтобы создать продукт, который действительно будет востребован.
Не забывайте беседовать с профессионалами той отрасли, в которой ваш проект будет работать. Получите их мнение о вашей идее, выясните, что они думают по поводу проблем и потенциальных решений. Опытные гуру смогут предоставить ценные инсайты, которые помогут вам уточнить и улучшить вашу концепцию.
Не ограничивайтесь одним мнением — пообщайтесь с несколькими представителями той целевой аудитории, на которую вы рассчитываете. Разные точки зрения на одну идею помогут понять, насколько ваш продукт соответствует разным потребностям.
Например, ваш пет-проект — это приложение для фитнеса, которое помогает людям эффективно тренироваться дома. Для понимания, как сделать его действительно полезным, обратитесь к тем людям, для которых спорт — это хобби. Спросите их о трудностях, с которыми они сталкиваются при тренировках вне зала, и какие функции в приложении могли бы улучшить их опыт. Возможно, им нужны персонализированные программы, мотивационные подсказки или интеграция с дополнительным оборудованием. Именно их отзывы и знание их потребностей сделают ваш проект по-настоящему востребованным и ценным для целевой аудитории.
Как создать pet-проект
Зачастую идеи для петов могут прийти в голову внезапно: в дороге, на работе, во время учёбы или тогда, когда вы скроллите ленту в соцсети… Чтобы идея не ускользнула, запишите её. Хотя бы в заметки на смартфоне.
За этим следует первый шаг — придумать гипотезу для вашего проекта. Поразмышляйте о том, какие функции он будет выполнять, для кого предназначен, какую ценность несет. И записывайте, и записывайте, записывайте.
Когда вы подробно продумаете свою идею, важно выяснить, не пересекается ли ваш проект с чем-то, что уже существует. Если обнаружены сходства, не отчаивайтесь. Это — возможность "покопаться" глубже. Исследуйте фишки конкурентов, выясняйте, что о них думают пользователи. В случае, если ваш pet-проект уникален, обсудите его с друзьями или коллегами. Получите обратную связь, узнайте, что они думают о вашей идее. Этот этап поможет вам более осознанно подходить к дальнейшей разработке.
Достигнув ясности с идеей, переходите к созданию MVP — минимально жизнеспособного продукта. Это не финальная версия, а первый шаг, направленный на подтверждение ценности вашего будущего продукта для пользователей. В фокусе только MVP — минимум функционала. Этого будет достаточно для тестирования концепции. А еще это прекрасный способ узнать, действительно ли ваш pet-проект обретет своих пользователей и какие аспекты нужно доработать.
Чтобы понять, как ваш новый продукт может сработать, проведите такие тесты:
1. Пробные версии
Первый шаг — создание простой копии продукта для предложения пользователю. Дайте людям возможность попробовать вашу идею и внимательно отслеживайте, что они делают и как это выглядит. Запишите каждый шаг и соберите обратную связь. Этот тест поможет вам не только проверить работоспособность, но и выявить те аспекты, которые можно улучшить.
2. Тесты "первого шага"
Создайте страницу с информацией о вашем будущем продукте и оцените интерес пользователей. Посмотрите, сколько людей заинтересованы в вашей идее, даже на этапе её анонса. Этот тест поможет измерить первичный интерес к проекту и понять, насколько он востребован.
3. Тесты "полного опыта"
Используйте уже готовые инструменты, такие как Google Формы, конструкторы сайтов, чтобы быстро собрать идею вашего продукта. Можете даже сами написать какой-нибудь простенький сайт, чтобы заявить о себе, как сделали в свое время Брайан Чески и Джо Геббиа из Airbnb.
Это позволит вам получить более полное представление о том, как пользователи взаимодействуют с вашим продуктом в реальном времени. Соберите обратную связь, выделите успешные моменты и выявите области для улучшения.
Придумываем идею для pet-проекта
Если вы уже студент нашей академии нейросетей, то проблем с поиском идеи для своего пета быть не должно — во время прохождения нашего курса она у вас возникнет. И не одна. Как и появится портфолио, состоящее более чем из 20 кейсов.
А для тех, кто только задумывается о поиске онлайн школы для обучения разработке нейросетей или просто хочет написать пет-проект, но не знает какой, у нас есть несколько идей:
Идея №1
Мобильное приложение для трекинга привычек
Создайте приложение, которое помогает пользователям отслеживать и формировать полезные привычки.
Идея №2
Органайзер задач
Создайте приложение для управления задачами с удобным интерфейсом и возможностью установки приоритетов.
Идея №3
Игра на Python
Если вам интересно программирование игр, попробуйте создать простую игру с использованием Python и библиотеки Pygame.
Идея №4
Приложение для управления финансами
Сделайте инструмент для отслеживания расходов, бюджетирования и управления финансами.
Идея №5
Генератор мемов
Создайте приложение или бота, который генерирует уникальные мемы на основе текстов и изображений.
Идея №6
Бот для изучения новых языков
Создайте чат-бота, который помогает пользователям изучать новые языки через диалог и задания.
В одиночку, с напарником или командой?
Выбор между работой в одиночку, с напарником или с командой зависит от ваших конкретных целей.
В команде можно практиковать софт-скиллы, воспитывать в себе качества тимлида. В результате получится сложный продукт.
С напарником вы не только тренируетесь, но и получаете обратную связь. В этом дуэте каждый чередует роли: иногда вы пишете код, иногда — он. Это отлично развивает навыки командной работы и удаленного взаимодействия.
Если же ваш проект небольшой, то работа в одиночку вполне подходит.
Совет для джунов
Не бойтесь кидаться в свой первый pet-проект. Да, это страшно, как с моста с тарзанкой прыгать… Но нужно решиться, чтобы получить море впечатлений, опыта и, если уж повезет, заветный оффер.
И не обязательно создавать следующий Facebook сразу, просто начните с того, что вам интересно. Эксперименты + терпение = ваш персональный успех в создании pet-проекта :)
Сейчас много говорят про битву компаний за айтишников, но в основном это касается героев нашего времени — мидлов и сеньоров. А вот новичкам ещё предстоит многому научиться.
А ведь каждый мидл и сеньор тоже начинал с нуля. И каждый из них в начале своего пути тоже, как и вы сейчас, старался как можно больше. Да, прежде, чем стать востребованным специалистом и расслабиться, придется поработать. Поэтому сегодня рассказываем, как правильно стартовать карьеру айтишнику.
О работе и где её искать
Когда вы еще не имеете опыта, выбор компании чаще всего не в ваших руках — это компания решает, возьмет ли она вас. Многие отказывают. Вы можете подаваться на разные стажировки, но либо не получать ответа, либо не подходить.
Давайте рассмотрим некоторые из наиболее популярных сайтов для поиска работы в области IT:
LinkedIn. Это не только соцсеть, но и платформа для поиска работы.
Stack Overflow Jobs. Этот сайт известен своим форумом для программистов. Также есть раздел для поиска работы, связанных с разработкой программного обеспечения.
GitHub Jobs. У GitHub есть раздел для поиска работы. Там можно найти вакансии, связанные с разработкой.
Glassdoor. На этом сайте можно найти не только вакансии, но и отзывы о работодателях, информацию о зарплатах и собеседованиях.
Indeed. Один из крупнейших сайтов по поиску работы, предлагающий широкий спектр вакансий в различных областях, включая программирование.
AngelList. Платформа для стартапов, где можно найти вакансии в новых и быстрорастущих компаниях.
Dice. Сайт специализируется на технических и инженерных вакансиях, в том числе в области программирования.
Hired. Платформа, которая инвертирует процесс поиска работы, позволяя компаниям предлагать работу кандидатам.
Freelance и Upwork. Для фрилансеров, ищущих краткосрочные проекты или контрактную работу.
Career.habr. Предлагает как удаленные вакансии для IT-специалистов, так и в формате оффлайн.
Хакатоны
Участие в хакатонах тоже может стать отправной точкой в поисках карьеры.
Почему?
На одном из таких хакатонов, проведенном какой-нибудь IT-компанией, вы можете занять призовое место. В ответ на это вам могут предложить пройти собеседование. Решение остаётся за вами, но рекомендуем рискнуть.
В общем, суть вы поняли. Поэтому наберитесь мотивации, продолжайте развиваться в языке программирования и не пропускайте хакатоны, где сможете показать свои скиллы!
Собеседование и портфолио
Вот и мы и подошли к главному. Казалось бы, всё, собеседование — “путевка” в настоящую жизнь айтишника… Вот только не стоит мечтательно закатывать глазки, думая о том, как вас с распростертыми объятиями позовут на вакантную должность, как только вы перешагнете порог кабинета.
Здесь всё гораздо сложнее. И вот почему.
Вам стоит готовиться не только к техническим вопросам, но и вопросам, которые позволят компании оценить ваши soft-skills.
Вы наверняка слышали такое понятие, перевод которого дословно обозначает “мягкие навыки”. Также их можно охарактеризовать как “гибкие навыки”. Это неважно. Суть одна — это ваши коммуникативные навыки и способность работать в команде. И да, они могут быть на равных с техническими компетенциями.
Теперь о технической части собеседования. Всё будет стандартно: айтишные вопросы о структурах данных, стандартах, методах оптимизации.
Ещё ожидайте вопросов, связанных с вашим опытом работы над проектами, а также ситуационных задач, которые позволят оценить ваше аналитическое мышление и способность решать проблемы в реальном времени. Подготовьтесь как следует, чтобы не упасть в грязь лицом.
Ещё один момент — портфолио. У вас должно быть много проектов, которые показывают, насколько вы в теме. Потому что во многих случаях, чтобы получить оффер, портфолио играет чуть ли не главную роль. И самое важное — в портфолио должны быть реально работающие решения, которые придумали ВЫ, а не кто-то другой. Ведь именно вас, а не кого-то там, компания попросит подробно рассказать про эти решения. При этом не забывайте адаптировать свое портфолио под каждую компанию и позицию, подчеркивая те проекты, которые наиболее релевантны для предлагаемой вакансии.
Что должно быть в портфолио новичка?
Проекты, демонстрирующие ваш потенциал
Начните с создания мини-проектов или учебных заданий, которые показывают ваш интерес и страсть к программированию. Это может быть веб-приложение, консольная программа или даже простой сайт.
Кратко опишите, что было реализовано в каждом проекте, какие задачи вы решали и какие инструменты или языки программирования использовали.
Ссылки на репозитории
Если вы используете платформы вроде GitHub для хранения своего кода, добавьте ссылки на ваши репозитории. Это позволит работодателям ознакомиться с вашим кодом и структурой проекта.
Визуализация вашей работы
Даже если вы новичок, качественные скриншоты или короткие видео-демонстрации работы вашего приложения помогут работодателям понять, как вы подошли к решению задачи.
Убедитесь, что скриншоты или видео демонстрируют ключевые моменты вашего проекта, чтобы работодатели могли увидеть вашу работу в действии.
Итак, резюмируем: что должно отображаться в вашем портфолио?
Весь ваш потенциал, страсть к программированию и желание развиваться.
В первый раз в IT-класс
Получили оффер? Не расслабляйтесь. Ведь ваше первое знакомство с профессиональной средой IT-индустрии может вызвать как мотивацию, так и вопросы. Конечно же, многое зависит от политики и культуры конкретной компании, в которой вы начнете свой профессиональный путь.
В одних компаниях вас может ожидать долгая стажировка. Вам будут демонстрировать внутренние процессы, культуру команды и основные рабочие инструменты. Такой подход поможет глубже погрузиться в атмосферу компании, освоиться и понять её внутренние механизмы.
В других компаниях подобной адаптации может не быть. И это скорее плюс, чем минус. Первые задачи, коммуникации с коллегами и вовлечение в рабочие процессы… Впечатляет, не так ли?
В первом сценарии, хотя и предоставляется время для адаптации, реальные рабочие задачи отойдут на второй план. Это может создать определенное чувство неуверенности. Особенно если у вас есть амбиции начать работать. Отсутствие опыта в этом случае может сказаться на вашем долгосрочном взаимодействии с компанией.
При втором варианте вы сразу погружаетесь в рабочий ритм. Это дает возможность сразу же демонстрировать свои навыки и эффективно взаимодействовать с командой.
Например, ваш первый рабочий проект может быть связан с тестированием бэкэнда. Вам могут поручить задачу написания тестов на Python для проверки функционала. Этот этап, как правило, занимает определенное время — от одного месяца до нескольких.
После успешного прохождения такого этапа вы, возможно, перейдете к более сложным и масштабным задачам по разработке, где сможете проявить свои профессиональные навыки на полную.
Какие скиллы прокачивать
На первых порах вам придется очень активно развивать hard-skills, изучать написание кода и принципы работы с базами данных.
Основные знания для начинающего питониста включают:
Python 3.9. Минимум — понимание, что это за язык, умение писать на нем, понимание мультибрендинга, мультипроцессинга, асинхронности, обработки ошибок и контекстного менеджера.
Навыки работы с базами данных: знание видов баз данных, различия между key-value и document, умение формулировать SQL-запросы и так далее.
Есть ещё много чего, что пригодится новичку. Например, будет круто, если джун хорошо разбирается в алгоритмах, знаком с REST API или принципами SOLID.
О тасках: любимых и не очень
У всех программистов есть задачи, которые они любят. И такие, к которым нужно морально подготовиться.
Например, есть те, которым очень не нравится фиксить баги. Это когда в коде что-то идет не так, и нужно сидеть и разбираться в этих дебрях, чтобы выявить, где же затаилась ошибка. Это вообще не просто. И такая работа выжимает из мозга буквально все соки.
Еще одна неприятная таска — восстанавливать утраченные или испорченные данные в базе. Это такая масштабная задача, которая требует времени. Что самое важное: нужно выполнить ее без ошибок с первого раза.
Короче, здесь всё субъективно. Есть те, кто любит решать нетривиальные задачи. Например, оптимизировать какой-то end-point (конечную точку), который и так уже оптимизирован, но задача сделать его еще лучше. Это целое исследование, в которое приходится погружаться на полную. И это не только увлекательно, но и полезно, потому что в процессе решения велика вероятность узнать что-то новенькое.
О карьерном росте
Когда речь заходит о карьерном росте, здесь роль играет множество факторов. Но самым важным из них является любовь к своей профессии.
Если вам действительно интересна ваша работа, вы будете готовы уделять ей много времени не только в рабочие часы. Многие программисты могут по вечерам или на выходных изучать новые вещи, не связанные напрямую с текущими задачами.
Допустим, вы вдруг захотели углубиться в изучение базы данных Tile38, попробовать поработать с ней. Так пробуйте. Потом коллегам расскажите.
На первых порах вполне нормально не иметь четкого представления о том, каким вы видите свое будущее в компании. Всё придёт со временем. Вам придется выбрать, куда вы хотите пойти дальше: в тимлиды, техлиды, остаться в разработке и дорасти до уровня синьора или, например, стать архитектором. Повторяем: это нормально. Многие разработчики сталкиваются с подобными сомнениями, и они далеко не сразу понимают, кем хотят стать.
Совет для джунов
Главное — находите в IT то, что вам по-настоящему нравится. Даже если где-то платят больше, но работа скучная, смысла мало. Когда вы в процессе работы получаете кайф, то не просто растете, но и находите смысл в том, что делаете. И это осознание мотивирует лучше, чем любой коуч.
Если вам было интересно, подписывайтесь на наш телеграм-канал :) Там мы рассказываем про всё, что связано с работой в айти, нейросетями, программировании на питоне и ещё кучу всякой полезной инфы)
