Карьера в IT и важность нетворкинга 😵💫
Отзывы о профессиях и курсах помогают сориентироваться в начале пути, но ничто не заменит живого общения с людьми из IT. Нетворкинг даёт возможность узнать о реальных карьерных сценариях, получить ответы на свои вопросы и сделать осознанный выбор.
У наших друзей в «Хабр Карьере» можно совместить одно полезное с другим: почитать честные отзывы об обучении в Практикуме и о работе в Яндексе, а также найти возможности для профессионального нетворкинга.
А ещё заглядывайте в наш блог на Хабре. Мы регулярно публикуем материалы о развитии в IT, делимся историями выпускников и рассказываем о разных направлениях в разработке или аналитике.
В комментариях можно задать вопросы, обменяться мнениями, пообщаться с авторами и другими читателями — это тоже отличный способ начать выстраивать свой профессиональный круг общения.
Отзывы о профессиях и курсах помогают сориентироваться в начале пути, но ничто не заменит живого общения с людьми из IT. Нетворкинг даёт возможность узнать о реальных карьерных сценариях, получить ответы на свои вопросы и сделать осознанный выбор.
У наших друзей в «Хабр Карьере» можно совместить одно полезное с другим: почитать честные отзывы об обучении в Практикуме и о работе в Яндексе, а также найти возможности для профессионального нетворкинга.
А ещё заглядывайте в наш блог на Хабре. Мы регулярно публикуем материалы о развитии в IT, делимся историями выпускников и рассказываем о разных направлениях в разработке или аналитике.
В комментариях можно задать вопросы, обменяться мнениями, пообщаться с авторами и другими читателями — это тоже отличный способ начать выстраивать свой профессиональный круг общения.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2🔥2👀1
Что такое SRE и чем отличается от DevOps и QA
SRE от DevOps и QA отличают принципиально разные подходы. Но они работают вместе: DevOps запускает новую функцию, SRE страхует её от падений, а QA гарантирует, что функция вообще работает как задумано. Расскажем об этом подробнее.
🔘 DevOps — это набор практик, которые помогают разработчикам (Dev) и системным администраторам (Ops) работать вместе, чтобы быстрее и надёжнее выпускать софт.
🔘 SRE — это страховка для системы. Главная задача подхода — сделать так, чтобы всё работало без сбоев 24/7. SRE помогает заранее продумывать, какие проблемы могут возникнуть, и создавать системы, которые автоматически справляются с такими проблемами.
🔘 QA (Quality Assurance) — это процесс гарантии качества программного обеспечения. Он нужен, чтобы программа работала правильно, не глючила и делала именно то, чего от неё ждут пользователи.
Давайте более наглядный пример, чтобы точно разобраться: представьте, что IT-система — это пиццерия.
🔘 DevOps — это команда, которая налаживает процесс, чтобы новые пиццы придумывались, готовились и доставлялись как можно быстрее. Они автоматизируют всё, что можно, и обеспечивают слаженность работы кухни (разработчиков) и доставки (админов).
🔘 SRE — это инженеры, которые следят за надёжностью всей пиццерии: ставят датчики в печах, чтобы те не перегревались, настраивают автоматическое подключение дополнительных духовок при наплыве заказов и готовят запасные генераторы на случай отключения электричества.
🔘 QA — это критики. Они пробуют каждую новую пиццу перед подачей, проверяют, не пересолено ли тесто, не вываливается ли начинка, и дают фидбэк.
Если вы специалист с опытом и хотите освоить практики и подходы SRE, а также самые актуальные инструменты и технологии — приходите на курс «SRE — обеспечение надёжности систем». Начните учиться бесплатно, чтобы познакомиться с платформой и направлением, — окончательное решение можно принять позже.
SRE (Site Reliability Engineering) — это подход, который помогает делать информационные системы надёжными, автоматизированными и предсказуемыми.
Простыми словами, он помогает следить, чтобы сайты и сервисы не «падали». Специалистов, которые занимаются SRE, называют SRE-менеджерами.
SRE от DevOps и QA отличают принципиально разные подходы. Но они работают вместе: DevOps запускает новую функцию, SRE страхует её от падений, а QA гарантирует, что функция вообще работает как задумано. Расскажем об этом подробнее.
Давайте более наглядный пример, чтобы точно разобраться: представьте, что IT-система — это пиццерия.
Если вы специалист с опытом и хотите освоить практики и подходы SRE, а также самые актуальные инструменты и технологии — приходите на курс «SRE — обеспечение надёжности систем». Начните учиться бесплатно, чтобы познакомиться с платформой и направлением, — окончательное решение можно принять позже.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3❤2👎1
Data Dojo: встреча ML-энтузиастов всех уровней 🪃
27 ноября собираемся в Москве: участников ждёт фуршет, нетворкинг, лекции, а также afterparty с музыкой, напитками и хорошей компанией — всё, чем хороши офлайн-мероприятия.
Если не сможете присоединиться офлайн, все лекции можно посмотреть в прямом эфире — и не важно, из какого вы города. Вы также станете частью нашего ML-комьюнити.
➡️ Бесплатно, 27 ноября офлайн и онлайн
В программе:
🧡 Обзор трендов и предварительные итоги года — Сергей Овчаренко, руководитель отдела мультимодального анализа и генерации.
🧡 Научить AI не бредить, сдать физику и получить права: как мы готовили задачи ML-квалификации Yandex Cup — Сергей Фиронов, ведущий разработчик службы поведения и предсказания департамента Автономного транспорта.
🧡 Кухня, гости, музыка: как мы научили колонку реагировать в реальном хаосе — Дмитрий Солодуха, руководитель команды голосовой активации.
➡️ Подать заявку на участие. Заявки принимаем до 16 ноября, о результатах отбора сообщим на почту, пришлём явки-пароли, а также ссылку на участие онлайн.
27 ноября собираемся в Москве: участников ждёт фуршет, нетворкинг, лекции, а также afterparty с музыкой, напитками и хорошей компанией — всё, чем хороши офлайн-мероприятия.
Если не сможете присоединиться офлайн, все лекции можно посмотреть в прямом эфире — и не важно, из какого вы города. Вы также станете частью нашего ML-комьюнити.
В программе:
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2
В нашем тесте по мотивам «Кибердеревни» всего шесть вопросов, и одним из них мы решили поделиться прямо тут, в канале. Интересно, какая здесь собралась аудитория.
По легенде, вы переезжаете из шумного города в тихую деревню. Правда, есть нюанс — дело происходит в 2100 году, когда хозяйством вовсю уже заправляют роботы, а деревня и вовсе на другой планете.
Если хотите узнать, кем бы вы работали в деревне будущего — проходите тест целиком. На один из вопросов вы уже знаете, как ответить😉
По легенде, вы переезжаете из шумного города в тихую деревню. Правда, есть нюанс — дело происходит в 2100 году, когда хозяйством вовсю уже заправляют роботы, а деревня и вовсе на другой планете.
Если хотите узнать, кем бы вы работали в деревне будущего — проходите тест целиком. На один из вопросов вы уже знаете, как ответить
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1😁1
Вы решили устроить новоселье и позвать всех на праздник. Что будете делать?
Anonymous Poll
32%
Сделаю приложение «Превед, сосед!» и проведу новоселье онлайн. И главное — лёжа
33%
Изучу все новоселья в галактике, чтобы мой праздник стал главным событием в жизни каждого гостя
35%
Загружу ИИ-модели личностей соседей и прорепетирую все возможные сценарии — мне сюрпризов не надо
Напоминаем, на каких курсах начинается обучение во второй половине ноября ⬇️
Программирование
Разработчик C++ — длится 9 месяцев, начнётся 20 ноября.
Python-разработчик — длится 10 месяцев, начнётся 20 ноября.
Go-разработчик — длится 8 месяцев, начнётся 27 ноября.
Java-разработчик — длится 10 месяцев, начнётся 27 ноября.
Android-разработчик — длится 12 месяцев, начнётся 27 ноября.
Фронтенд-разработчик — длится 10 месяцев, начнётся 27 ноября.
Инженер по тестированию: от новичка до автоматизатора — длится 9 месяцев, начнётся 27 ноября.
Разработчик 1С — длится 6 месяцев, начнётся 27 ноября.
➡️ Все курсы по программированию
Анализ данных
Аналитик данных — длится 7 месяцев, начнётся 20 ноября.
Бизнес-аналитик — длится 7,5 месяцев, начнётся 20 ноября.
Системный аналитик — длится 9 месяцев, начнётся 20 ноября.
Инженер данных — длится 11 месяцев, начнётся 20 ноября.
1С-аналитик — длится 8 месяцев, начнётся 27 ноября.
Специалист по Data Science — длится 13 месяцев, начнётся 27 ноября.
➡️ Все курсы по анализу данных
Сейчас самое удачное время решиться на обучение. До 30 ноября в Практикуме продолжается Чёрная пятница — любой курс можно приобрести со скидкой 20%.
Программирование
Разработчик C++ — длится 9 месяцев, начнётся 20 ноября.
Python-разработчик — длится 10 месяцев, начнётся 20 ноября.
Go-разработчик — длится 8 месяцев, начнётся 27 ноября.
Java-разработчик — длится 10 месяцев, начнётся 27 ноября.
Android-разработчик — длится 12 месяцев, начнётся 27 ноября.
Фронтенд-разработчик — длится 10 месяцев, начнётся 27 ноября.
Инженер по тестированию: от новичка до автоматизатора — длится 9 месяцев, начнётся 27 ноября.
Разработчик 1С — длится 6 месяцев, начнётся 27 ноября.
Анализ данных
Аналитик данных — длится 7 месяцев, начнётся 20 ноября.
Бизнес-аналитик — длится 7,5 месяцев, начнётся 20 ноября.
Системный аналитик — длится 9 месяцев, начнётся 20 ноября.
Инженер данных — длится 11 месяцев, начнётся 20 ноября.
1С-аналитик — длится 8 месяцев, начнётся 27 ноября.
Специалист по Data Science — длится 13 месяцев, начнётся 27 ноября.
Сейчас самое удачное время решиться на обучение. До 30 ноября в Практикуме продолжается Чёрная пятница — любой курс можно приобрести со скидкой 20%.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8👍2
Как расти Python-разработчику
Когда выпускники строят планы на будущее, они часто ставят примерно такую цель: «дорасти до мидл-разработчика, а позднее до синьора». И эта цель может легко завести в тупик. Почему так?
⭐ Грейды отличаются от компании к компании. Где-то мидл уже ведёт небольшие проекты, а где-то всё ещё решает задачи под контролем старших коллег. Так, в одной компании вы можете быть синьором, а в другой — снова джуном, просто потому что критерии разные.
⭐ Формальных критериев перехода нет или они редки. Даже если они есть, они редко совпадают между компаниями. Поэтому цель «стать мидлом» или «стать синьором» слишком размыта: непонятно, какие конкретные шаги нужно сделать и как измерить прогресс.
⭐ Рост через должности тоже неоднозначен. Можно двигаться к тимлиду, техлиду, СТО или проджект-менеджеру. Но и здесь всё зависит от компании: обязанности, зарплата и ответственность сильно отличаются. Для одного специалиста переход в управление может стать шагом вперёд, а для другого — потерей технических навыков и интереса к работе.
Цели, описывающие достижение определённого грейда («хочу стать синьором») или должности («хочу стать СТО»), — излишне абстрактны; путь к этим целям сложно разбить на конкретные шаги. В статье на Хабре рассказали, как всё-таки правильно ставить цели и какие инструменты в этом помогут.
➡️ Читать статью «От джуна к эксперту: как карта навыков и план развития помогают профессиональному росту Python-разработчика»
Когда выпускники строят планы на будущее, они часто ставят примерно такую цель: «дорасти до мидл-разработчика, а позднее до синьора». И эта цель может легко завести в тупик. Почему так?
Цели, описывающие достижение определённого грейда («хочу стать синьором») или должности («хочу стать СТО»), — излишне абстрактны; путь к этим целям сложно разбить на конкретные шаги. В статье на Хабре рассказали, как всё-таки правильно ставить цели и какие инструменты в этом помогут.
Please open Telegram to view this post
VIEW IN TELEGRAM
EDA в Python: подборка полезных ресурсов для начинающих аналитиков
Разведочный анализ данных (EDA) — первый шаг перед построением сложных моделей. Он помогает понять структуру данных, выявить проблемы и определить, какие методы анализа использовать. Ниже — подборка материалов для изучения EDA в Python.
Книга «Python и анализ данных» — практическое руководство по обработке данных с помощью pandas, NumPy и Jupyter. Включает работу с очисткой, переформатированием и подготовкой данных. Дополнительные материалы доступны на GitHub и сайте издательства.
A guide to Exploratory Data Analysis in Python — статья на английском. В статье показывается, как загрузить данные, просмотреть первые строки таблицы и получить общее представление о доступных признаках. Затем рассматриваются шаги анализа — всё с примерами.
«Визуальная обработка пропущенных значений» — пропуски встречаются почти в каждом наборе данных. В статье рассказывается о библиотеке missingno, которая позволяет визуализировать и оценивать целостность данных без ручной проверки.
«Разведочный анализ данных в Python: руководство для новичков» — автор разбирает, что такое одномерный и двумерный анализ, этапы работы с данными и делится практическим примером на Python. Можно скачать датасет и повторять пошагово.
«Обработка пропусков в данных» — пропуски могут быть вызваны ошибками ввода, сокрытием информации или фродом. В статье рассматриваются методы обработки пропусков, их плюсы и минусы, а также как неправильный выбор метода влияет на результат анализа.
«Что такое корреляция и что означает коррелировать — краткое определение, причины и простые примеры» — автор объясняет, какие бывают типы связи, что означает коэффициент корреляции и насколько можно полагаться на него при формировании гипотез.
«Линейный коэффициент корреляции Пирсона» — автор объясняет, как на практике рассчитывать этот коэффициент, в том числе в Excel, и как через преобразование Фишера найти доверительный интервал для оценки надёжности результата. В статье есть наглядные примеры, а также видеоролик.
«Моем датасет: руководство по очистке данных в Python» — методы работы с пропусками, дубликатами и выбросами на примере датасета с ценами на жилье в России. Практические примеры с кодом и объяснениями.
A Gentle Introduction to EDA — статья на английском. Разведочный анализ рассматривается не как одноразовый этап, а как повторяющийся процесс, который помогает лучше понять структуру данных и увидеть потенциальные проблемы. Множество иллюстраций и пошаговый разбор датасета с информацией о пассажирах «Титаника».
Сохраняйте, чтобы не потерять 🖤
Разведочный анализ данных (EDA) — первый шаг перед построением сложных моделей. Он помогает понять структуру данных, выявить проблемы и определить, какие методы анализа использовать. Ниже — подборка материалов для изучения EDA в Python.
Книга «Python и анализ данных» — практическое руководство по обработке данных с помощью pandas, NumPy и Jupyter. Включает работу с очисткой, переформатированием и подготовкой данных. Дополнительные материалы доступны на GitHub и сайте издательства.
A guide to Exploratory Data Analysis in Python — статья на английском. В статье показывается, как загрузить данные, просмотреть первые строки таблицы и получить общее представление о доступных признаках. Затем рассматриваются шаги анализа — всё с примерами.
«Визуальная обработка пропущенных значений» — пропуски встречаются почти в каждом наборе данных. В статье рассказывается о библиотеке missingno, которая позволяет визуализировать и оценивать целостность данных без ручной проверки.
«Разведочный анализ данных в Python: руководство для новичков» — автор разбирает, что такое одномерный и двумерный анализ, этапы работы с данными и делится практическим примером на Python. Можно скачать датасет и повторять пошагово.
«Обработка пропусков в данных» — пропуски могут быть вызваны ошибками ввода, сокрытием информации или фродом. В статье рассматриваются методы обработки пропусков, их плюсы и минусы, а также как неправильный выбор метода влияет на результат анализа.
«Что такое корреляция и что означает коррелировать — краткое определение, причины и простые примеры» — автор объясняет, какие бывают типы связи, что означает коэффициент корреляции и насколько можно полагаться на него при формировании гипотез.
«Линейный коэффициент корреляции Пирсона» — автор объясняет, как на практике рассчитывать этот коэффициент, в том числе в Excel, и как через преобразование Фишера найти доверительный интервал для оценки надёжности результата. В статье есть наглядные примеры, а также видеоролик.
«Моем датасет: руководство по очистке данных в Python» — методы работы с пропусками, дубликатами и выбросами на примере датасета с ценами на жилье в России. Практические примеры с кодом и объяснениями.
A Gentle Introduction to EDA — статья на английском. Разведочный анализ рассматривается не как одноразовый этап, а как повторяющийся процесс, который помогает лучше понять структуру данных и увидеть потенциальные проблемы. Множество иллюстраций и пошаговый разбор датасета с информацией о пассажирах «Титаника».
Сохраняйте, чтобы не потерять 🖤
❤3🤔1