Предположим, ваша карточка совсем старая или еще хуже встроенная, а на новую отдавать условные 60-80 тысяч совсем не хочется? Тогда уж лучше воспользоваться облачными GPU. Мы составили для вас подборку сервисов, где вы сможете обучить вашу модель при помощи чужого железа.
Google.Collab
Самый популярный вариант, причем мощности предоставляют они неплохие: TPU (процессоры на тензорных ядрах) и GPU. В сервисе уже предустановлены библиотеки NumPy, Pandas, TensorFlow... А еще безусловный плюс — он совместим с Jupyter.
Правда… за предоставление приоритетного доступа к TPU и увеличения объема памяти в два раза придется платить 10 долларов в месяц, но и бесплатных лимитов на старте вполне хватит.
Kernels
Сервис предоставляет онлайн-среду для программирования на серверах Kaggle. Можно работать в Jupyter, писать Python-скрипты. GPU бесплатно, но мощности ограничены, причем в большей мере, если сравнивать с Google.Collab. Кстати, совсем недавно Kaggle получил интеграцию с Keras.
DeepNote
Интеграция с GitHub, масштабирование вычислительных ресурсов (в зависимости от проектов сервис подбирает мощность GPU), есть свой ИИ-помощник, поддержка Jupyter. А еще платформа поддерживает не только Python, но и SQL-запросы для работы с базами данных.
Еще можем посоветовать: AWS SageMaker, GCP, Notebools, Azure Notebooks.
В любом случае, работа в облаке — наилучший вариант для тех, кто не готов ставить огромные фермы из новеньких видеокарт, а комфортно позаниматься ML/DL хочется. 1000 рублей за подписку Google.Collab точно не сравнится с покупкой с флагманской видеокартой c ценой в 80 раз больше)
Всем привет! Хочу спросить совета у знающих людей. Хочу поменять профессию и уйти в айти. Не знаю с чего начать, где лучше учиться и как выбрать профессию. Нашел бесплатный курс, в питоне решаю самые базовые задачки, начальный уровень. Может кто нибудь подсобить чем сможет? Не знаю как вообще в этой сфере обстоит дело с образованием как это делать лучше и тд
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 :)
Я работаю в этой сфере уже более 1,5 лет. Освоил множество технологий, хотя всегда есть к чему стремиться.
Я здесь для того, чтобы помочь определиться с будущим направлением/работой, касающейся сферы IT, ответить на вопросы о технологиях, о том, кто такой вообще DevOps и стоит ли пробоваться. Также, если вы тоже являетесь DevOps-инженером или же разработчиком, которому нужна помощь/консультация по возникшим ошибкам (в рамках моего стека технологий, указанных в профиле) — милости прошу. На какие-то вопросы я буду отвечать в комментариях, а на другие — отдельными постами (если нужно будет емкое пояснение)
По собственному опыту скажу так: я пробовал себя и в роли Project Manager, и Frontend-разраба, и Backend-разраба, а в итоге нашел себя в DevOps'е и ничуть не пожалел.
Взять с собой побольше вкусняшек, запасное колесо и знак аварийной остановки. А что сделать еще — посмотрите в нашем чек-листе. Бонусом — маршруты для отдыха, которые можно проехать даже в плохую погоду.