📊 Как себя чувствует IT-рынок в 2025 году?
Друзья, запускаем важное исследование рынка труда в IT!
Нам очень важно понять:
• Как изменились зарплаты
• Что происходит с наймом
• Есть ли сокращения или рост
🔐 Опрос полностью анонимный
⏱️ Займёт всего 3-5 минут
📈 Результаты опубликуем в подробной статье
Ваши ответы помогут составить реальную картину происходящего в индустрии.
👉 Пройти опрос
Друзья, запускаем важное исследование рынка труда в IT!
Нам очень важно понять:
• Как изменились зарплаты
• Что происходит с наймом
• Есть ли сокращения или рост
🔐 Опрос полностью анонимный
⏱️ Займёт всего 3-5 минут
📈 Результаты опубликуем в подробной статье
Ваши ответы помогут составить реальную картину происходящего в индустрии.
👉 Пройти опрос
👍1
This media is not supported in your browser
VIEW IN TELEGRAM
🥰1
Привет! Давайте знакомиться! 😊
👩🏫 Кто поможет вам подружиться с ML?
Это Маргарита Бурова — она умеет объяснять сложные вещи так, что всё становится понятным и простым.
💡 Напишите в комментариях, что вы хотите узнать на вебе. Интересно узнать будет ли у нас с вами match 👩❤️💋👨
И если ещё не зарегистрировались — не переживайте! Маргарита ждёт вас 14 февраля в 19:00. Обязательно приходите, будет интересно!
📍 Регистрация
👩🏫 Кто поможет вам подружиться с ML?
Это Маргарита Бурова — она умеет объяснять сложные вещи так, что всё становится понятным и простым.
💡 Напишите в комментариях, что вы хотите узнать на вебе. Интересно узнать будет ли у нас с вами match 👩❤️💋👨
И если ещё не зарегистрировались — не переживайте! Маргарита ждёт вас 14 февраля в 19:00. Обязательно приходите, будет интересно!
📍 Регистрация
👍2
📘 Книга, которая поможет вам стать профи в Data Science
В мире данных навыки анализа и визуализации становятся бесценными. Если хотите научиться извлекать ключевые инсайты из массивов информации. Эта книга — ваш проводник в мир Exploratory Data Analysis (EDA) с использованием Python.
➡️ Пошаговый гайд по анализу, обработке и визуализации данных
▪️ Использование библиотек Python (Pandas, Matplotlib, Seaborn).
▪️ Изучение техники EDA для текстовых и временных данных.
▪️ Работа с пропусками и выбросами.
▪️ Автоматизация анализа данных для ускорения работы.
🔵 Развивайте навыки работы с данными с помощью курса по Python «Основы программирования на Python»
В мире данных навыки анализа и визуализации становятся бесценными. Если хотите научиться извлекать ключевые инсайты из массивов информации. Эта книга — ваш проводник в мир Exploratory Data Analysis (EDA) с использованием Python.
▪️ Использование библиотек Python (Pandas, Matplotlib, Seaborn).
▪️ Изучение техники EDA для текстовых и временных данных.
▪️ Работа с пропусками и выбросами.
▪️ Автоматизация анализа данных для ускорения работы.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2🙏1
Если хотите освоить востребованную профессию в сфере анализа данных или подготовиться к поступлению в ШАД. Наш онлайн-курс по математике для Data Science — это именно то, что вам нужно
▪️ Основы математического анализа и линейной алгебры.
▪️ Комбинаторику, теорию вероятностей и статистику.
▪️ Математические принципы машинного обучения.
▪️ Подготовка к ШАД: структурная работа с данными и сложные задачи.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
Forwarded from Библиотека девопса | DevOps, SRE, Sysadmin
🏗 🔨 Как не сломать продакшен: 8 основных паттернов распределенных систем
Разработка распределённых систем сопряжена с множеством вызовов: от управления состоянием и взаимодействия сервисов до обработки отказов и масштабирования. Чтобы упростить решение этих задач, инженеры используют проверенные временем архитектурные паттерны.
В статье рассматриваются ключевые шаблоны, помогающие строить надёжные и эффективные распределённые системы.
➡️ Читать статью
🐸 Библиотека devops'a
Разработка распределённых систем сопряжена с множеством вызовов: от управления состоянием и взаимодействия сервисов до обработки отказов и масштабирования. Чтобы упростить решение этих задач, инженеры используют проверенные временем архитектурные паттерны.
В статье рассматриваются ключевые шаблоны, помогающие строить надёжные и эффективные распределённые системы.
➡️ Читать статью
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Вот ключевые темы и инструменты, которые вам понадобятся для поступления.
🔹 Базовый стек: NumPy и Matplotlib — обработка данных и визуализации.
🔹 Классический ML: алгоритмы, модели, математика под ML.
🔹 Практика: LeetCode — решайте задачи, алгоритмы критически важны.
🔹 Фреймворки: PyTorch — для работы с нейросетями.
🔹 Специализации
NLP (Natural Language Processing) — обработка текстов.
CV (Computer Vision) — работа с изображениями.
Генеративные модели — топовая тема в ML.
🔹 Метрики и аналитика: AB-тесты — понимание статистики и экспериментов.
🔹 Алгоритмы: без них никуда — изучите хотя бы основы.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Базовые знания можно получить уже за месяц, если уделять учебе 5 часов в неделю. Но если хотите стать разработчиком — готовьтесь учиться от 10 часов в неделю. Такой темп позволит выйти на уровень джуна примерно за год.
Python остается самым популярным языком. Но из-за этого конкуренция на вакансии высокая: на одну позицию откликаются сотни кандидатов.
▪️Практикуйтесь на реальных проектах
▪️Осваивайте алгоритмы и структуры данных
▪️Развивайте навыки в смежных областях — например, в анализе данных или автоматизации
Python — мощный инструмент, но пробиться в индустрию можно только с сильным портфолио и правильным фокусом в обучении.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3
Forwarded from Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение
📈 BI на максималках: 4 варианта ускорения реализации комплексных решений
Четыре проверенных способа сократить время реализации BI-проектов без потери функциональности. Реальный опыт backend-разработчика, который поможет вам избежать типичных ошибок при внедрении Business Intelligence.
Подробнее в нашей статье: https://proglib.io/sh/YuEShfjNiD
Четыре проверенных способа сократить время реализации BI-проектов без потери функциональности. Реальный опыт backend-разработчика, который поможет вам избежать типичных ошибок при внедрении Business Intelligence.
Подробнее в нашей статье: https://proglib.io/sh/YuEShfjNiD
👍1
✏️ Вопрос с реального собеседования по Python
Списки или массивы в Python — в чем разница
Используйте списки для работы с разными типами и динамическими структурами, массивы — для численных вычислений и ML
⭐ Гибкость: в списках можно хранить разные типы данных, массивы (из NumPy) требуют однородных элементов.
⭐ Операции: арифметика в списках — это манипуляция элементами (например, конкатенация), а в массивах — математические вычисления, как в линейной алгебре.
⭐ Эффективность: массивы занимают меньше памяти и работают быстрее, особенно на больших объемах данных.
#собес_academy
Списки или массивы в Python — в чем разница
Используйте списки для работы с разными типами и динамическими структурами, массивы — для численных вычислений и ML
#собес_academy
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
#дайджест #DataInternship
Подборка стажировок недели для Data специалистов
▪️ Аналитик-стажер
Гибрид (Москва), Nestle
▪️ ML-аналитик
Офис (Санкт-Петербург), Совкомбанк Страхование
▪️ Стажёр аналитик баз данных SQL/DWH
Гибрид (Москва), RB Data Group
▪️ Data Scientist
Удалёнка, Data Acquisition
▪️ Стажер в отдел аналитики для блока B2C
Гибрид (Ростов-на-Дону), билайн
Понравились предложения о стажировке?
❤️ — да
🤔 — нет
Подборка стажировок недели для Data специалистов
▪️ Аналитик-стажер
Гибрид (Москва), Nestle
▪️ ML-аналитик
Офис (Санкт-Петербург), Совкомбанк Страхование
▪️ Стажёр аналитик баз данных SQL/DWH
Гибрид (Москва), RB Data Group
▪️ Data Scientist
Удалёнка, Data Acquisition
▪️ Стажер в отдел аналитики для блока B2C
Гибрид (Ростов-на-Дону), билайн
Понравились предложения о стажировке?
❤️ — да
🤔 — нет
hh.ru
Вакансия Аналитик-стажер в Москве, работа в компании Nestle (вакансия в архиве c 8 марта 2025)
Зарплата: до 54600 ₽ за месяц. Москва. Требуемый опыт: не требуется. Полная. Дата публикации: 06.02.2025.
❤2🤔1
📌 Простая истина от наших подписчиков
Как успешно стартовать в IT? Советы от тех, кто прошёл этот путь:
«Учиться, проходить собесы и учить теорию, что там спрашивают, пробовать лайвкодинг, иметь терпение и гуглить учиться, не бояться искать ментора, задавать разрабам вопросы технического характера»
«Учиться, курсы, интересоваться, смотреть, узнавать, пробовать и не отчаиваться! У меня было 13 собеседований. И я не отчаялся, готов был еще проходить»
«Верьте в себя и очень много работайте, потому что до первых ощутимых результатов дальше, чем вы думаете»
Главное: терпение, постоянное обучение и желание расти. Это и есть ключ к успеху в IT✔️
Как успешно стартовать в IT? Советы от тех, кто прошёл этот путь:
«Учиться, проходить собесы и учить теорию, что там спрашивают, пробовать лайвкодинг, иметь терпение и гуглить учиться, не бояться искать ментора, задавать разрабам вопросы технического характера»
«Учиться, курсы, интересоваться, смотреть, узнавать, пробовать и не отчаиваться! У меня было 13 собеседований. И я не отчаялся, готов был еще проходить»
«Верьте в себя и очень много работайте, потому что до первых ощутимых результатов дальше, чем вы думаете»
Главное: терпение, постоянное обучение и желание расти. Это и есть ключ к успеху в IT
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Почему все рофлят с HTML? 🤔
Proglib рассказывает о мемности HTML в формате рилса
👍2
В машинном обучении есть два ключевых подхода:
— Даем модели готовые примеры с правильными ответами.
— Она анализирует их и учится предсказывать верные результаты.
— Работает для задач типа распознавания лиц, переводов, рекомендаций.
— Никаких готовых ответов! Модель сама ищет закономерности в данных.
— Помогает находить группы, аномалии и скрытые связи.
— Используется в кластеризации, анализе данных и поиске инсайтов.
#машинное_обучение
Please open Telegram to view this post
VIEW IN TELEGRAM
✏️ Разбор задачи с экзамена ШАД
Условие: Пусть A — квадратная матрица n x n. Докажите, что 1️⃣
Решение: Обозначим A оператор с матрицей A. Напомним, что ImA обозначает образ оператора, KerA — ядро.
Определим оператор A, действующий на ImA как ограничение оператора A на это подпространство. Тогда, имеем очевидные равенства 2️⃣
Поэтому получаем: 3️⃣ 4️⃣
Мы использовали то, что для любого линейного оператора L действующего на векторном пространстве V справедлива формула: 5️⃣ Ч.т.д.
#задачи_шад
Условие: Пусть A — квадратная матрица n x n. Докажите, что 1️⃣
Решение: Обозначим A оператор с матрицей A. Напомним, что ImA обозначает образ оператора, KerA — ядро.
Определим оператор A, действующий на ImA как ограничение оператора A на это подпространство. Тогда, имеем очевидные равенства 2️⃣
Поэтому получаем: 3️⃣ 4️⃣
Мы использовали то, что для любого линейного оператора L действующего на векторном пространстве V справедлива формула: 5️⃣ Ч.т.д.
#задачи_шад
👍1
Media is too big
VIEW IN TELEGRAM
Proglib рассказывает про новости из мира анализа данных в формате рилса
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Теперь мы знаем, как реально используют ИИ на работе — Anthropic Economic Index, основанный на анализе реальных диалогов пользователей.
Anthropic использует Clio — систему, которая чистит чаты от персональных данных и извлекает только статистику. Доступа к текстам у людей нет, только к итоговым цифрам.
▪️ В 36% профессий ИИ уже задействован в четверти рабочих задач.
▪️ Чаще всего ИИ применяют разработчики, аналитики и технические писатели. А вот среди самых высокооплачиваемых и низкооплачиваемых профессий его используют реже.
▪️ В 57% случаев ИИ помогает людям (аугментация), а в 43% — полностью заменяет их в задачах (автоматизация).
Anthropic даже привлекли социологов и экономистов, чтобы разобраться в данных. Получились красивые графики и неожиданные инсайты.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3