Деньги на IT / Как получать максимальный доход?

Долго думал, прежде чем написать пост на эту тему. Считал, что недостаточно способов опробовал на себе и не имею права рассуждать на эту тему. Но время шло, появлялись всё новые и новые пути заработка и я созрел, чтобы поделиться опытом с вами!

1) Дефолтная работа. 😞Начнём с основ, работа в найме - это стабильный ежемесячный доход. Если не получится с остальными способами - работа в найме не даст умереть с голоду. Необходимо: составить идеальное резюме и траить стажировки/джуновские позиции(если до этого не работал в найме)

2) Менторство. Следующий по сложности способ - обучать других людей. Главная сложность - нужно быть подкованным инженером в плане хард-скиллов, чтобы иметь возможность поделиться знаниями. А так же иметь не менее развитые софт-скиллы, чтобы находить общий язык с учениками. Senior разработчики могут брать 5000+ рублей за академический час преподавания, при этом у них не будет отбоя от учеников..

3) Медийка. Некст лвл сложности. Развивая ютуб/тикток/рилсы, ты сможешь собрать вокруг себя единомышленников - набираться у более знающих людей опыта и менторить менее знающих ребят. +при собеседовании в биг-тех компании, медийка может сыграть плюсом, например в Авито это сильно ценится

4) Фриланс. Считаю этот способ самым неблагодарным, тк приходится постоянно коммуницировать с очень неприятными людьми - заказчиками.. Но тем не менее опытные фрилансеры, работая в команде, могут выполнять тонны заказов - получая огромные деньги. Особенно, если работать на западный рынок)

Итого: разобрали самые легкие способы заработка денег на IT / Если не затронули какую-то важную тему - welcome в комментарии7

<Наше сообщество/> <Менторство/>

🚬 Небольшое напоминание про наш чат - всех ждём!

<Наше сообщество/> <Менторство/>

💬 Linked List: Как пройти алгоритмический собес

Продолжаю блок постов про алгосы, сегодня на очереди - связный список / Тоже частый посетитель алгоритмических собеседований. Связный список — это структура данных, где элементы (ноды) содержат данные и ссылку на следующий элемент (а в двусвязном списке — ещё и на предыдущий). В отличие от массивов, элементы списка могут располагаться в памяти хаотично, а не подряд.

Основные операции и их Big O:
1) Добавление в начало (prepend) → O(1)
Просто создаем новую ноду и меняем ссылку.

2) Добавление в конец (append) → O(1) (если есть указатель на хвост) или O(n) (если его нет)
В худшем случае придется пройти весь список, чтобы найти последний элемент.

3) Удаление с начала → O(1)
Просто передвигаем указатель головы на следующий элемент.

4) Удаление с конца → O(n)
Без указателя на предпоследний элемент придется пройти весь список.

5) Поиск элемента → O(n)
В худшем случае придется пройти весь список.

6) Доступ к элементу по индексу → O(n)
В отличие от массива, нет мгновенного доступа по индексу, нужно идти по списку.

Когда использовать Linked List?
1) Когда нужна быстрая вставка и удаление (например, в очередях или стэках).
2) Когда заранее не знаешь размер данных (список может динамически расти без перераспределения памяти).
3) Когда важнее последовательный доступ, а не случайный (например, история действий в браузере).
4) Когда хочешь пройти алгоритмический собес 🖐

Когда НЕ использовать Linked List?
1) Когда важен быстрый доступ по индексу (массивы лучше).
2) Когда нужно меньше расходовать память (ссылки на ноды занимают место).

Итог:
Linked List — полезная структура данных, но подходит не для всех задач. На собесах могут спросить его реализацию, поэтому полезно уметь кодить связный список с базовыми операциями.
Реализация на C++ / Реализация на JS / Практика на leetcode

<Наше сообщество/> <Менторство/>

📣 HashMap: Как пройти алгоритмический собес

Продолжаю блок постов про алгосы, сегодня на очереди — хеш-таблица (HashMap). Это одна из самых частых структур данных, которую спрашивают на алгоритмических собеседованиях.

Что такое HashMap?
HashMap (он же хеш-таблица) — это структура данных, которая хранит пары ключ → значение и использует хеш-функцию для быстрого доступа к данным.

В отличие от массивов или списков, где поиск может занимать O(n), в хеш-таблице доступ к элементу происходит за O(1) в среднем. Это делает её незаменимой, когда нужно быстро искать или изменять данные.

🧭 Основные операции и их Big O:
1) Добавление (put) → O(1) в среднем, O(n) в худшем случае
Вычисляем хеш ключа
Определяем индекс в массиве
Вставляем элемент (если нет коллизий)

2) Поиск (get) → O(1) в среднем, O(n) в худшем случае
Находим индекс по хешу
Достаем элемент (если нет коллизий)

3) Удаление (remove) → O(1) в среднем, O(n) в худшем случае
Вычисляем индекс
Удаляем элемент

4) Проход по всем элементам (итерация) → O(n)

Хеш-таблица неупорядочена, поэтому проход по всем элементам занимает O(n)

❌ Коллизии
Коллизия — это ситуация, когда разные ключи дают одинаковый хеш. Решают их разными способами:

Метод цепочек (связываем элементы в списки)
Открытая адресация (если место занято, ищем следующее)

Когда использовать HashMap?
✅ Когда важен быстрый поиск по ключу
✅ Когда нужно хранить и изменять данные динамически
✅ Когда ключи уникальны, и их удобно хешировать

Когда НЕ использовать HashMap?
❌ Когда важен упорядоченный доступ (лучше взять TreeMap или массив)
❌ Когда мало памяти (хеш-таблицы требуют больше памяти, чем массивы)
❌ Когда хеш-функция плохо распределяет данные (будет много коллизий → ухудшение производительности)

🔢 Итог
HashMap — мощная структура данных, которая делает вставку, удаление и поиск мгновенными в среднем случае. Но важно понимать, как работает хеширование и как решать коллизии, потому что на собесах могут попросить реализовать свою версию хеш-таблицы.

<Наше сообщество/> <Менторство/>

Задеанонили 💪