Есть, не спорю. Однако, это скорее вспомогательный подход для Liquibase.
При переводе оригинала, я несколько неудачно сформулировал фразу на русском, так сто она понималась как то, что Liquibase не позволяет использовать SQL вообще. ((
Текст перевода поправил.
Еще раз спасибо за замечания.
Ну тут я ничего не могу поделать, оригинальная статья тоже небольшая. Главная идя тут все же дать людям, не знакомым с этими решениями направление куда дальше копать ))
Drools, конечно, мощная штука. Мы, на одном из проектов, как-то. использовали его для реализации булевой логики с дополнительной осью времени (там были отношения — до, после. между). Но, для многих команд он все же может показаться сложноватым в изучении, плюс тащит дополнительные зависимости. В то время как JPA и Bean validation идут прямо из коробки, если в проекте уже есть ORM.
Да, чуть не забыл. Несмотря на субтитры, очень полезно понимать технический английский на слух. Иначе на лекции будет тратится еще больше времени.
Но. надо сказать, что английский был не не сложный, произношение четкое. понималось на слух все достаточно легко и были субтитры. Были субтитры и на русском (не всегда и не на всех курсах), но их качество было хуже, хотя понять о чем речь, можно было и по ним.
Вообще, эти курсы помогают здорово поднять уровень понимания английского на слух, как дополнительный бонус :)
Предыдущие курсы (Mashine Learning, Intruduction to Artifitial Intellegence и Introduction to Databases) требовали примерно от 4-х до 10-ти часов в неделю на один курс на advanced уровне. В зависимости от топика
Там еще был basic-track, который позволяет смотреть видео, но не требует делать домашние задания и отвечать на контрольные опросы. Но, соответственно и state of accomplishment в этом случае не пресылают, да и качество усвоения материала много ниже, и драйв не тот…
У меня получалась примерно такая раскладка:
1. Сами видео лекции — примерно по 1.5 — 2 часа в неделю. Но реально на их просмотр и понимание уходило 3-6 часов в неделю. Лекции по AI мне пришлось конспектировать самому, так как они не давали никаких материалов в виде текста или слайдов.
2. Контрольные опросы — примерно полчаса — час в неделю.
3. Задание на кодинг — было только у ML и DB classes, и требовало около 2-х — 5-х часов.
4. Доп материалы (были только у AI) — примерно 50-100 страниц англоязычной книжки в неделю, но это весьма опционально, хотя и полезно для лучшего понимания. Я тратил где-то часа 2-3 на чтение статей по теме лекций.
5. Еще для AI и M приходилось иногда тратить время чтобы вспомнить соответствующие разделы математики, полистать институтские учебники. Потребовались основы: линейной алгебры, матанализа, теорвера, мат статистики, мат. логики. Но только основы, курсы вводные, глубоко в математику не лезли.
Вообще, как показал опыт меня и нескольких моих знакомых, больше 2-х курсов одновременно (на advanced track), не бросая работу и не отказываясь полностью от личной жизни, тащить одновременно сложно.
PS: А у них столько вкусных курсов в этом семестре…
И самое главное. не факт что их повторят опять. Из 3-х предыдущих только ML рестартовал в этом семестре. Остальные (AI и DB) не рестартовали, хотя профессора говорили что они бы хотели в будущем повторить эти классы в той или иной форме.
Есть, не спорю. Однако, это скорее вспомогательный подход для Liquibase.
При переводе оригинала, я несколько неудачно сформулировал фразу на русском, так сто она понималась как то, что Liquibase не позволяет использовать SQL вообще. ((
Текст перевода поправил.
Еще раз спасибо за замечания.
Ну тут я ничего не могу поделать, оригинальная статья тоже небольшая. Главная идя тут все же дать людям, не знакомым с этими решениями направление куда дальше копать ))
Drools, конечно, мощная штука. Мы, на одном из проектов, как-то. использовали его для реализации булевой логики с дополнительной осью времени (там были отношения — до, после. между). Но, для многих команд он все же может показаться сложноватым в изучении, плюс тащит дополнительные зависимости. В то время как JPA и Bean validation идут прямо из коробки, если в проекте уже есть ORM.
Но. надо сказать, что английский был не не сложный, произношение четкое. понималось на слух все достаточно легко и были субтитры. Были субтитры и на русском (не всегда и не на всех курсах), но их качество было хуже, хотя понять о чем речь, можно было и по ним.
Вообще, эти курсы помогают здорово поднять уровень понимания английского на слух, как дополнительный бонус :)
Там еще был basic-track, который позволяет смотреть видео, но не требует делать домашние задания и отвечать на контрольные опросы. Но, соответственно и state of accomplishment в этом случае не пресылают, да и качество усвоения материала много ниже, и драйв не тот…
У меня получалась примерно такая раскладка:
1. Сами видео лекции — примерно по 1.5 — 2 часа в неделю. Но реально на их просмотр и понимание уходило 3-6 часов в неделю. Лекции по AI мне пришлось конспектировать самому, так как они не давали никаких материалов в виде текста или слайдов.
2. Контрольные опросы — примерно полчаса — час в неделю.
3. Задание на кодинг — было только у ML и DB classes, и требовало около 2-х — 5-х часов.
4. Доп материалы (были только у AI) — примерно 50-100 страниц англоязычной книжки в неделю, но это весьма опционально, хотя и полезно для лучшего понимания. Я тратил где-то часа 2-3 на чтение статей по теме лекций.
5. Еще для AI и M приходилось иногда тратить время чтобы вспомнить соответствующие разделы математики, полистать институтские учебники. Потребовались основы: линейной алгебры, матанализа, теорвера, мат статистики, мат. логики. Но только основы, курсы вводные, глубоко в математику не лезли.
Вообще, как показал опыт меня и нескольких моих знакомых, больше 2-х курсов одновременно (на advanced track), не бросая работу и не отказываясь полностью от личной жизни, тащить одновременно сложно.
PS: А у них столько вкусных курсов в этом семестре…
И самое главное. не факт что их повторят опять. Из 3-х предыдущих только ML рестартовал в этом семестре. Остальные (AI и DB) не рестартовали, хотя профессора говорили что они бы хотели в будущем повторить эти классы в той или иной форме.