Услышал сегодня короную фразу от devops: "Все что произошло в облаке, остается в облаке". Ведь эта херня не воспроизводится локально, вне облака!
😁28❤4
Понедельник. Схуяли ли тишина такая? Ну-ка проснулись! Сейчас я продолжу душнить про алгособесы.
В дополнение к шаблонам я хотел накидать ещё пару своих авторских советов, которые могут пригодиться.
Не пытайтесь делать всё в одном цикле. Есть лайфхак, который работает для многих задач: разделите задачу на две части. Одну часть решаете в одном цикле, вторую — в другом. Сложность всё равно останется O(n), но решение может стать в разы проще. Многие погибли на пути построения жутких условий, чтобы сделать всё "красиво" в одном проходе.
Иногда лучше идти не с начала, а с конца массива. Для части задач это избавляет от необходимости в дополнительной памяти.
Набрасывайте тест-кейсы до начала решения. 90% кандидатов, едва взглянув на условие, сразу бросаются в бой. Где-то на середине выясняется, что задачу они поняли неправильно, а ещё есть пара корнер-кейсов, из-за которых всё ломается...
Лучше потратить немного времени на проработку кейсов (прям пишите вот это на вход, это на выход, чтобы все было перед глазами) и требований перед тем, как писать код — это реально может спасти. Кстати, и в работе отличный совет!
Пишите алгоритмы на Python. Я реально считаю, что Python создан для алгоритмической секции. Во-первых, код выглядит невероятно просто, как будто описание алгорима. Во-вторых, куча конструкций языка просто невероятно удобны. Каждый раз жалко JS-разрабов, которые дублируют строку через цикл. В Python это один оператор.
Повторите школьную программу. Например формулу суммы последовательностей, есть прям пласт задач где это может все упросить в разы. Из алгоритмов, которые реально стоит выучить — бинарный поиск. Он простой и при этом есть прям много задач на его вариацию.
В дополнение к шаблонам я хотел накидать ещё пару своих авторских советов, которые могут пригодиться.
Не пытайтесь делать всё в одном цикле. Есть лайфхак, который работает для многих задач: разделите задачу на две части. Одну часть решаете в одном цикле, вторую — в другом. Сложность всё равно останется O(n), но решение может стать в разы проще. Многие погибли на пути построения жутких условий, чтобы сделать всё "красиво" в одном проходе.
Иногда лучше идти не с начала, а с конца массива. Для части задач это избавляет от необходимости в дополнительной памяти.
Набрасывайте тест-кейсы до начала решения. 90% кандидатов, едва взглянув на условие, сразу бросаются в бой. Где-то на середине выясняется, что задачу они поняли неправильно, а ещё есть пара корнер-кейсов, из-за которых всё ломается...
Лучше потратить немного времени на проработку кейсов (прям пишите вот это на вход, это на выход, чтобы все было перед глазами) и требований перед тем, как писать код — это реально может спасти. Кстати, и в работе отличный совет!
Пишите алгоритмы на Python. Я реально считаю, что Python создан для алгоритмической секции. Во-первых, код выглядит невероятно просто, как будто описание алгорима. Во-вторых, куча конструкций языка просто невероятно удобны. Каждый раз жалко JS-разрабов, которые дублируют строку через цикл. В Python это один оператор.
Повторите школьную программу. Например формулу суммы последовательностей, есть прям пласт задач где это может все упросить в разы. Из алгоритмов, которые реально стоит выучить — бинарный поиск. Он простой и при этом есть прям много задач на его вариацию.
❤29😁4
Я сейчас делаю свои первые, неуверенные шаги в изучении Data Science и уже наткнулся на крайне занимательную статью. Для матерых DE и DS, которые есть у меня в канале, она, разумеется, может показаться банальной, но для таких же новичков, как и я – весьма интересной.
Статья про обнаружение выбросов в данных с помощью метода опорных векторов. Как и положено в сфере машинного обучения, алгоритмы представляют не так много интереса, как сами данные. А данные – уф, моё почтение.
В качестве набора данных для анализа в статье использовался файл с информацией о 604 девушках месяца журнала Playboy. Согласитесь, искать выбросы в таких данных куда интереснее, чем в результатах билда gradle (хотя и тут все связано с сексом).
К сожалению, сам файл утерян в анналах истории, но идея — занятная. Сейчас такие статьи уже не пишут, ведь тебя отменят за долю секунды.
P.S В статье есть фотографии моделей тех лет и на совеременный лад они прям очень кринжовые)
Статья про обнаружение выбросов в данных с помощью метода опорных векторов. Как и положено в сфере машинного обучения, алгоритмы представляют не так много интереса, как сами данные. А данные – уф, моё почтение.
В качестве набора данных для анализа в статье использовался файл с информацией о 604 девушках месяца журнала Playboy. Согласитесь, искать выбросы в таких данных куда интереснее, чем в результатах билда gradle (хотя и тут все связано с сексом).
К сожалению, сам файл утерян в анналах истории, но идея — занятная. Сейчас такие статьи уже не пишут, ведь тебя отменят за долю секунды.
P.S В статье есть фотографии моделей тех лет и на совеременный лад они прям очень кринжовые)
😁20
Если бы у меня было 3 желания, то самым первым желанием я бы загадал не бессмертие, железное здоровье, нереальное богатство или мир во всем мире, нет…
Я бы первым делом загадал, чтобы у людей, которые ходят в спортзал, когда они просыпаются и идут умываться перед зеркалом весела табличка, примерно с вот таким текстом:
«Если ты видишь скамейку в спортзале, рядом с которой стоит вода и гантели, то ОНА БЛЯТЬ ЗАНЯТА, сучара ты не внимательная!»
Я бы первым делом загадал, чтобы у людей, которые ходят в спортзал, когда они просыпаются и идут умываться перед зеркалом весела табличка, примерно с вот таким текстом:
«Если ты видишь скамейку в спортзале, рядом с которой стоит вода и гантели, то ОНА БЛЯТЬ ЗАНЯТА, сучара ты не внимательная!»
😁49
В QA есть такой принцип, который называется "Скопление ошибок". Я делал про него пост, если вкратце, то принцип звучит так: "Если вы обнаружили баг в какой-то фиче, то с высокой долей вероятности в этой фиче есть ещё баги."
Мне кажется, этот принцип выходит далеко за границы тестирования ПО. Я бы назвал его принцип "Скопление бед": в периоды жизненной турбулентности плохое событие редко приходит в одиночку – почти всегда рядом будет поджидать ещё одна мразь!
Мне кажется, этот принцип выходит далеко за границы тестирования ПО. Я бы назвал его принцип "Скопление бед": в периоды жизненной турбулентности плохое событие редко приходит в одиночку – почти всегда рядом будет поджидать ещё одна мразь!
Возвращаясь к теме метода опорных векторов. Я также наткнулся на очень бородатый доклад Бобука (настолько бородатый, что Яндекс еще был в прайме) о том, как, используя этот метод, они значительно увеличили конверсию лендинга. Суть там такая: у них был продукт с продающим лендингом, на который они вели людей из Facebook*.
Они хотели понять, какая версия лендинга продаёт лучше. Оказалось, что разные версии лендинга работают по-разному в зависимости от времени просмотра.
Они пошли дальше и собрали кучу статистики – в каком случае лендинг продаёт лучше, в зависимости от пола, возраста, времени суток, локации и примерного уровня заработка.
На основе этой информации они собрали модель, которая для конкретного человека показывает тот вариант лендинга, который с высокой вероятностью приведёт к продаже.
Самое интересное в этом докладе – последний вопрос, где кто-то спрашивает: «Каким, нахрен, образом вы собрали информацию о посетителе лендинга? Facebook* же просто так не выдаст ни локацию, ни уровень заработка, ни какую-либо другую личную инфу».
Вопрос и правда интересный – и вот тут оцените уровень их смекалки.
Большинство рекламных систем в соцсетях позволяют настроить ну прям невероятно точный таргетинг. Я где-то слышал, что в Instagram* есть таргет на «пару, которая встречается, но в данный момент в разлуке».
Итак, что они сделали: они запустили 61 тысячу (тысячу Карл!) рекламных кампаний, каждая из которых с очень узким таргетом. И каждый раз, когда человек приходил к ним на лендинг, они тупо по идентификатору кампании понимали буквально всё об этом человеке.
Меня приводят в восторг подходы, когда просто отсутствует чека безопастности. Чего ограничиваться парой компаний, давай 50 тыс. фиганем!
Не знаю, пофиксили ли эту дыру в Facebook*, но сам подход меня просто поразил своей гениальностью.
* Кстати, Facebook и Instagram в РФ считаются экстремистскими, так что вы это... не балуйтесь!
Они хотели понять, какая версия лендинга продаёт лучше. Оказалось, что разные версии лендинга работают по-разному в зависимости от времени просмотра.
Они пошли дальше и собрали кучу статистики – в каком случае лендинг продаёт лучше, в зависимости от пола, возраста, времени суток, локации и примерного уровня заработка.
На основе этой информации они собрали модель, которая для конкретного человека показывает тот вариант лендинга, который с высокой вероятностью приведёт к продаже.
Самое интересное в этом докладе – последний вопрос, где кто-то спрашивает: «Каким, нахрен, образом вы собрали информацию о посетителе лендинга? Facebook* же просто так не выдаст ни локацию, ни уровень заработка, ни какую-либо другую личную инфу».
Вопрос и правда интересный – и вот тут оцените уровень их смекалки.
Большинство рекламных систем в соцсетях позволяют настроить ну прям невероятно точный таргетинг. Я где-то слышал, что в Instagram* есть таргет на «пару, которая встречается, но в данный момент в разлуке».
Итак, что они сделали: они запустили 61 тысячу (тысячу Карл!) рекламных кампаний, каждая из которых с очень узким таргетом. И каждый раз, когда человек приходил к ним на лендинг, они тупо по идентификатору кампании понимали буквально всё об этом человеке.
Меня приводят в восторг подходы, когда просто отсутствует чека безопастности. Чего ограничиваться парой компаний, давай 50 тыс. фиганем!
Не знаю, пофиксили ли эту дыру в Facebook*, но сам подход меня просто поразил своей гениальностью.
* Кстати, Facebook и Instagram в РФ считаются экстремистскими, так что вы это... не балуйтесь!
🔥28🤡4❤1😁1
За последние 3 года работы, я сегодня впервые услышал звук кулера на маке! Это значит, что сейчас не просто жара, это испепеляющее душу дыхание ада
Итак, отпуск.
Я немного "вылетел" на неделю, потому как неделя перед отпуском всегда сложноватая. Ты пытаешься сделать всё так, чтобы ничего не сломалось, когда ты будешь недоступен. Спойлер: всё, один хрен, сломалось…
Ладно, перед тем как я вернусь в форму, расскажу про отпуск. Как и полагается выгоревшему сеньеристому сеньору, я полетел не на Мальдивы, в Дубай или Таиланд, а в деревеньку в казахстанской глуши – к родным.
Отличное место, скажу я вам. Место, где время остановилось. Место, где все челленджи остаются где-то за границей. Все челленджи, кроме одного – как бы не спиться к херам!
Я немного "вылетел" на неделю, потому как неделя перед отпуском всегда сложноватая. Ты пытаешься сделать всё так, чтобы ничего не сломалось, когда ты будешь недоступен. Спойлер: всё, один хрен, сломалось…
Ладно, перед тем как я вернусь в форму, расскажу про отпуск. Как и полагается выгоревшему сеньеристому сеньору, я полетел не на Мальдивы, в Дубай или Таиланд, а в деревеньку в казахстанской глуши – к родным.
Отличное место, скажу я вам. Место, где время остановилось. Место, где все челленджи остаются где-то за границей. Все челленджи, кроме одного – как бы не спиться к херам!