👨‍🏭 Сварщики > DevOps-инженеры? Что происходит с зарплатами в IT.

Тут вышли сразу две занятные новости про зарплаты, которые в сумме дают очень интересную картину.

Новость первая (исследование hh.ru): Сварщики внезапно возглавили топ самых высокооплачиваемых профессий в России за август. Средняя предлагаемая зарплата — 228 тыс. рублей. В топ-3 также вошли DevOps-инженер (200 тыс.) и Data Scientist (200 тыс.).

Вы только вдумайтесь: профессия, не связанная с IT, по предлагаемым деньгам обгоняет топовые айтишные роли. Причем рост у сварщиков какой-то бешеный — еще в мае им предлагали 129 тыс., а тут такой скачок.

Новость вторая (исследование Dream Job): В IT один из самых высоких "гигиенических минимумов" — это планка, ниже которой спецы уже не готовы работать. И она составляет 180-200 тыс. рублей. При этом реальные средние зарплаты, по их данным, такие:
▫️Backend-разработчик: 200 тыс.
▫️Data Scientist: 260 тыс.

🧐 А теперь давайте сложим два и два.

Получается парадокс. Рынок труда готов предлагать новым сварщикам больше, чем новым девопсам. Одновременно с этим, уже работающие дата сайентисты в среднем получают 260к, а в новых вакансиях им предлагают 200к. Это что, рынок так охладился или просто спрос на рабочие руки сейчас абсолютно ненормальный?

Конечно, нужно делать скидку на то, что "предлагаемая" зарплата в вакансии и "реальная" в кармане — это две большие разницы. Но тренд всё равно показательный. Рыночек продолжает охлаждаться.

Самое любопытное в исследовании Dream Job — тезис о том, что как только "гигиенический минимум" достигнут, деньги перестают быть главным мотиватором. На первый план выходят другие вещи: коллектив, задачи, миссия.

Пора идти на курсы сварщиков ?

🚨 Ультиматум от CEO Coinbase: внедряй AI или уволен.

Помните, я писал про Canva, Microsoft и ещё одну компанию, которые теперь требуют от кандидатов использовать AI на собеседованиях? Тренд продолжается.

CEO криптобиржи Coinbase, Брайан Армстронг, форсирует внедрение AI в компании максимально жесткими методами.

Он поставил инженерам ультиматум: освоить AI-инструменты до конца недели. Тех, кто не выполнил требование без уважительной причины (вроде отпуска), просто уволили после личной встречи в субботу.

Зачем такая спешка? Армстронг в подкасте объяснил, что его не устроили прогнозы о внедрении за "квартал или два". Он поставил новую, куда более агрессивную цель: добиться, чтобы к концу текущего квартала 50% кода в Coinbase писалось с помощью AI.

При этом он оговорился, что не призывает к слепому "вайбкодингу", особенно в системах, которые "двигают деньги". Человеческий код-ревью и контроль остаются обязательными.

Источник тут 👈🏻

Все происходит так, как и было очевидно ещё года полтора назад 🌝

👨‍💻 Ночной подгон от Маска: xAI тихонько выкатили Grok Code

Пока все спали, команда xAI без лишнего шума зарелизила новую модель grok-4-code, заточенную под программирование.

Это гибридная модель с 37B активными параметрами и контекстным окном в 262K токенов. Раньше она светилась под кодовым именем «sonic», и первые тестеры в восторге от её скорости и точности. Бенчмарков пока нет.

Её уже завезли в:
▫️GitHub Copilot (для планов Pro, Pro+, Business и Enterprise) в VS Code. Нужно включить в настройках модели.
▫️Cursor (вообще для всех).

Ну и на openrouter доступна по api и демо в чате.

И главное — и там, и там есть бесплатный тестовый период до 2 сентября! 🤩

🐍 Думаете прочитали статейку из утренного поста и теперь знаете f-строки? Ха.

Легенда Python-комьюнити Армин Ронахер (создатель Flask, Jinja2 и много чего ещё) выкатил небольшой, но сложный квиз — fstrings.wtf.

Это 26 вопросов, которые вскрывают самые неочевидные грани форматирования строк.

- Что выведет f"{1<5:1<5}"?
- А как насчет вложенных f-строк вроде f"{f"{{}}"}"?
- Думаете, пробелы в f"{... = }" ни на что не влияют? Подумайте ещё раз.

Большинство даже не подозревает, какая магия (и дичь) скрывается за этими простыми фигурными скобками.

Проходите, а потом возвращайтесь в чат хвастаться (или плакаться) результатами. Интересно, кто выбьет максимум. 👇🏻

Я выучил синтаксис Python, прошёл курс, а что дальше? Почему резюме игнорят, а на собесах валят?

Это частый запрос многих начинающих. Есть разрыв между учебной теорией и тем, что реально нужно бизнесу. Можно годами сидеть на Stepik, но так и не понять, как работает настоящая коммерческая разработка, как проходить собесы и как себя "продать".

Познакомься с Сергеем Филичкиным — Senior Backend (стартапы + корпорации). Он не «учит питону», он доводит до оффера:

- Диагностика на бесплатной письменной консультации: разбираете твой уровень и цель (какая роль, какие деньги, какой горизонт).
- Тренировка под реальную работу: Docker, Git, CI/CD, code-review, разбор прод-кейсов. Параллельно — резюме и профиль, которые отвечают на запрос HR, а не список курсов.
- Мок-собесы: закрываете пробелы до интервью, а не после отказа.
- Сопровождение до закрытия испытательного срока: доходишь до конкретного оффера и проходишь испытательный без провалов.

Цифры, подтвержающие эффективность менторства с Сергеем:

🚀 Оффер в 2–4 раза быстрее рынка: медиана — 1,5 месяца после окончания программы (против 3–6 месяцев).
💰 Первый оффер: ~200К ₽ медиана (против типичных 60–120К ₽ у джунов).
✅ 0% провалов на испытательном за 2 года.

Хочешь выбраться из «вечного обучения» к реальной работе и деньгам?

➡️ Запишись на бесплатную консультацию к Сергею тут, составите план под твою ситуацию и сроки. Это ни к чему не обязывает, но часто именно отсюда начинается движение к офферу.

Реклама. ИП Филичкин С.А., ИНН 183401586208
ERID: 2VtzqusRsBg

🃏 Разбор карточной задачки: от O(k²) к O(k)!

Пришло время разобрать нашу задачу про карточный турнир.

🤔 Распространённый подход: полный перебор

Самая очевидная стратегия — перебрать все возможные комбинации взятых карт. Мы можем взять:
- k карт слева, 0 справа
- k-1 карт слева, 1 справа
- k-2 карт слева, 2 справа
- ...
- 0 карт слева, k карт справа

Этот подход абсолютно корректен. Однако, если реализовывать его "в лоб", на каждом шаге пересчитывая сумму срезов, код будет выглядеть примерно так:

def max_score_slow(card_points, k):
    max_sum = 0
    n = len(card_points)

    for i in range(k + 1):
        # i - сколько карт берем справа
        # k-i - сколько карт берем слева
        left_sum = sum(card_points[:k - i])
        right_sum = sum(card_points[n - i:])
        max_sum = max(max_sum, left_sum + right_sum)

    return max_sum

Главный минус здесь — многократный вызов sum() внутри цикла. Каждая такая операция сама по себе занимает время, пропорциональное количеству элементов. В итоге общая сложность алгоритма получается O(k²), что может быть медленно на больших данных.

А можно ли быстрее? Конечно!


🚀 Эталонное решение: Скользящее окно за O(k)

Вместо того чтобы каждый раз пересчитывать сумму с нуля, мы можем вычислить её один раз, а затем "сдвигать" наш выбор, обновляя сумму за константное время O(1).

Как это работает?
1. Сначала считаем, что мы взяли первые k карт слева. Это наша первоначальная max_sum.
2. Затем в цикле k раз делаем "обмен": убираем одну карту с конца левой группы и добавляем одну карту справа.
3. На каждом шаге обновляем текущую сумму и сравниваем её с максимальной.

def max_score_fast(card_points, k):
    n = len(card_points)
    
    current_sum = sum(card_points[:k])
    max_sum = current_sum

    for i in range(1, k + 1):
        # Обновляем сумму за O(1):
        # отнимаем крайний левый элемент и прибавляем крайний правый
        current_sum = current_sum - card_points[k - i] + card_points[n - i]
        max_sum = max(max_sum, current_sum)
            
    return max_sum

⏳ Время: O(k). Один начальный подсчет суммы sum(card_points[:k]) занимает O(k), и цикл также выполняется k раз с операциями за O(1).
💾 Память: O(1). Мы храним всего несколько переменных.


💡 Красивая альтернатива: инверсия задачи

Есть и другой, очень изящный способ взглянуть на проблему.

Вместо того чтобы максимизировать сумму k карт, которые мы берём, давайте минимизируем сумму n-k карт в центре, которые мы оставляем на столе.

Задача превращается в "найти непрерывный подмассив длиной n-k с минимальной суммой". Это тоже классическая задача на скользящее окно!

def max_score_inverted(card_points, k):
    n = len(card_points)
    window_size = n - k
    
    total_sum = sum(card_points)
    
    if window_size <= 0:
        return total_sum

    min_subarray_sum = current_sum = sum(card_points[:window_size])

    for i in range(window_size, n):
        current_sum += card_points[i] - card_points[i - window_size]
        min_subarray_sum = min(min_subarray_sum, current_sum)
            
    return total_sum - min_subarray_sum

Этот подход имеет сложность O(N), что тоже отлично. Он особенно хорош, когда k близко к N.

#алгособес

👨‍💻 Главный IT-навык 2025 — не AI

Пока все носятся с вайб-кодерами и AI-экспертами, которым платят много денюжек, реальность постучалась в дверь.

Тут издание Course Report провело исследование: проанализировали 12 миллионов (!!!) IT-вакансий на Indeed. И знаете, какой навык самый востребованный?

Держитесь за стулья:

➡️ Microsoft Excel: 531 000 упоминаний
➡️ Python: 67 000 упоминаний
➡️ SQL: 60 000 упоминаний
...
➡️ AI: жалкие 25 000 упоминаний.

Да-да, программа, выпущенная 40 лет назад, упоминается в вакансиях почти в 8 раз чаще, чем Python. И в 21 раз чаще, чем AI.

Как сказал один из экспертов в статье: "За всем блеском чат-ботов и нейросеток стоит старый-добрый Excel. Реальные решения и реальные доллары двигаются именно там".

Так и живём.