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
30%
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
37%
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
Большинство специалистов использует нейросети неправильно
85% специалистов регулярно применяют инструменты на базе искусственного интеллекта, а 62% полагаются как минимум на одного ИИ-ассистента в повседневной работе.
За этими цифрами скрывается неудобная правда: многие воспринимают нейросети как универсальный инструмент, которому можно безоговорочно доверять.
На деле всё куда сложнее.
Мы объединились с изданием N+1, чтобы разобрать шесть типичных ситуаций, в которых неправильная работа с ИИ приводит к стратегическим ошибкам, репутационным рискам и финансовым потерям.
Разбираем применение ИИ:
🔸 в анализе данных,
🔸 генерации контента,
🔸 креативных задачах,
🔸 планировании и управлении временем,
🔸 поиске информации и работе с ней,
🔸 автоматизации общения с клиентами.
И главное — показываем, как работать с ИИ правильно.
Читайте о рисках работы с нейросетями и способах их избежать в нашем проекте: Не верь ИИ на слово. Почему большинство специалистов использует нейросети в работе неправильно.
85% специалистов регулярно применяют инструменты на базе искусственного интеллекта, а 62% полагаются как минимум на одного ИИ-ассистента в повседневной работе.
За этими цифрами скрывается неудобная правда: многие воспринимают нейросети как универсальный инструмент, которому можно безоговорочно доверять.
На деле всё куда сложнее.
Мы объединились с изданием N+1, чтобы разобрать шесть типичных ситуаций, в которых неправильная работа с ИИ приводит к стратегическим ошибкам, репутационным рискам и финансовым потерям.
Разбираем применение ИИ:
И главное — показываем, как работать с ИИ правильно.
Читайте о рисках работы с нейросетями и способах их избежать в нашем проекте: Не верь ИИ на слово. Почему большинство специалистов использует нейросети в работе неправильно.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3💯2