Меня спрашивали в двух разных местах на мидла+, и на одном месте работы сразу после устройства призвали послушать внутренний курс по основам оптимизации запросов, так что я ничему не удивлюсь (что где-то и от джуна ждут)
Комбо банальностей ("сеньор знает абсолютно всё"), вредных советов и приглашения в телеграм-канал :( Вы сами сослались на гораздо более полную статью на том же Хабре от Авито, тогда зачем была нужна данная публикация?)
Мне кажется, магистратура нормальный вариант, так как там уже формат подразумевает немного другое отношение и совмещение с работой, да и с одногруппниками будет проще найти контакт. Но в целом те же время (и деньги! второе образование той же ступени только платное) зачастую можно инвестировать иначе - в курсы повышения квалификации от людей из "индустрии", конференции и так далее
Практически любое техническое высшее, на мой взгляд, не должно казаться "неожиданным вариантом" ни для какой IT-специальности. На разработчиков Go, аналитиков данных и еще много кого тоже не учат в вузах напрямую, но ими же становятся.
Вуз - отличный вариант, если тебе около 18 и все равно надо идти учиться, и ты что-то соображаешь достаточно для того, чтобы программировать. Тогда за 4 года можно понять, что именно нравится и начать это изучать глубже, попутно проходя стажировки, находя связи в этой сфере и увеличивая кругозор.
Но взрослому человеку, который решил "вкатиться", высшее действительно не совсем подходит, даже не из-за отсутствия курсов по тестированию (у меня, кстати, были основы в вузе), просто это слишком долго и порождает много трудозатрат, не ведущих к цели напрямую
Спасибо, интересная тема, но для реально полезного обзора стоило бы все же учесть, что это за страны, как выше замечают про Боснию и Герцеговину, Китай и Непал. Вы пишете, что рейтинг качества жизни с numbeo не кажется достоверным, но по всем остальным показателям оттуда же сравнили страны и называете это "странами для комфортной жизни" :)
Если честно, мне кажется, что за 2 года уже очень много людей изучили вопрос и проверили на своем опыте, где и как живется, и каких-то hidden gems, где (почти) никто из цифровых кочевников не живет, но это на самом деле могло бы многим подойти, не осталось.
Я бы поспорила по поводу "задач из учебника". Довольно часто и на младших, и на средних должностях необходимо и достаточно просто аккуратно проделать какой-то порядок действий или написать что-то новое, но по аналогии с существующим. Для роста в этой (как и любой другой) сфере уже нужно что-то большее, но это становится актуально не сразу
Нормальный вопрос, чтобы им задаться при написании отклика на вакансию/сопроводительного письма) А на этапе входа в профессию можно задуматься, какие качества говорят о том, что айти подойдет (будь то логическое/критическое мышление, внимательность и усидчивость или наоборот креативность и нестандартные подходы), чтобы самому не потратить время зря и оттолкнуться от своих особенностей, выбирая специализацию
Согласна, хотя работать исключительно за идею и не ожидать достойной оплаты автор и не предлагает вроде бы) А если тут про тех, кому вся сфера интересна только ради пресловутых "300к в наносекунду", тогда как еще в школе условно говоря математика пугала, то наверное и правда не надо в айти
Ага, понимаю вас) В этом моменте я соглашусь с комментарием ниже, там довыразили мою мысль. Зачастую сотрудника, тем более джуна, на испытательном сроке не то чтобы жалеют, но не слишком сильно на него полагаются в плане жесткости сроков, тут создается ощущение, что либо вам сказали про этот дедлайн жестче, чем на самом деле имели в виду, либо ситуация была не совсем стандартная.
А вот после испытательного реально начинают ожидать попадания в сроки, которые будут скалиброваны на производительность, умноженную на 1,25-1,5 (коэффициент, превращающий 8 часов в 10-12), тут и кроется ловушка.
Полезно, спасибо! Адекватность и визибилити (быть не просто аватаркой в чате как в плане работы, так и в жизни команды) так-то решают многое не только у джунов.
Единственное, о чем можно подискутировать - переработки. Тут важно не перепутать необходимость выкладываться в период адаптации и потенциальное отсутствие личных границ, ведущее к переработкам постоянно. А то глупо будет выгореть на первом же году работы, едва повысившись до мидла (это сейчас не касается автора, а абстрактный пример). Если испытательный срок пройден, а все еще приходится сидеть по 12 часов, возможно, это не самая подходящая работа (по адекватности требований или по соответствию уровню сотрудника)...
Это явно не проблема джуниор-аналитика, вряд ли во всей компании принят слак или телега, а она принципиально пишет на почту. А к выводу про зум автор как раз и пришла
Точно могу согласиться с поинтом про валидацию данных заранее, хотя на практике всякое случается) Что касается момента с "не-копией", я поняла его так, что там присвоили значение новому объекту Series, а потому он не имеет отношения к изменению исходного датафрейма (вполне очевидно, но это подчеркнули)
Очень интересный обзор, спасибо! Я не разбираюсь в биологии, но был опыт использования краудсорсингом для аннотирования данных, и взаимодействия с GPT-4. Сразу пришел в голову такой вопрос: совпадают ли те категории клеток, в которых чаще ошибается GPT, и те, где ошибаются/испытывают затруднения сами биологи? (Вижу в статье упоминание типов клеток, с которыми больше всего расхождений, но это ответ на чуть другой вопрос)
Если не совпадают, то это прям отличный простор для ускорения и масштабирования разметки в такой комбинации, естественно, с осторожностью в выводах и применении и должным контролем качества
Согласна про большие объемы данных и SQL, с ними точно стоит уметь работать. Хотя есть достаточно приятные и Python-специфичные инструменты визуализации (я, например, люблю библиотеку Plotly и фреймворк Dash для практически моментального написания веб-приложений), и тут в случае подготовки какого-то конкретного отчета очень даже подходит pandas
Я открыта к дискуссии, подскажете, пожалуйста, что из советов в данной заметке вы считаете вредным? (Хотя я лишь автор перевода, а не самой статьи, перевела её именно потому, что считаю написанное не необходимым, конечно, но как минимум адекватным)
Меня спрашивали в двух разных местах на мидла+, и на одном месте работы сразу после устройства призвали послушать внутренний курс по основам оптимизации запросов, так что я ничему не удивлюсь (что где-то и от джуна ждут)
Комбо банальностей ("сеньор знает абсолютно всё"), вредных советов и приглашения в телеграм-канал :(
Вы сами сослались на гораздо более полную статью на том же Хабре от Авито, тогда зачем была нужна данная публикация?)
Мне кажется, магистратура нормальный вариант, так как там уже формат подразумевает немного другое отношение и совмещение с работой, да и с одногруппниками будет проще найти контакт. Но в целом те же время (и деньги! второе образование той же ступени только платное) зачастую можно инвестировать иначе - в курсы повышения квалификации от людей из "индустрии", конференции и так далее
Практически любое техническое высшее, на мой взгляд, не должно казаться "неожиданным вариантом" ни для какой IT-специальности. На разработчиков Go, аналитиков данных и еще много кого тоже не учат в вузах напрямую, но ими же становятся.
Вуз - отличный вариант, если тебе около 18 и все равно надо идти учиться, и ты что-то соображаешь достаточно для того, чтобы программировать. Тогда за 4 года можно понять, что именно нравится и начать это изучать глубже, попутно проходя стажировки, находя связи в этой сфере и увеличивая кругозор.
Но взрослому человеку, который решил "вкатиться", высшее действительно не совсем подходит, даже не из-за отсутствия курсов по тестированию (у меня, кстати, были основы в вузе), просто это слишком долго и порождает много трудозатрат, не ведущих к цели напрямую
Забавная история, хотя сейчас, скорее, по тому что я слышала, доступы к рабочим ресурсам отрывают чуть ли не в минуту прихода письма о сокращении...
Да и средняя зарплата - настолько же странный предмет
Стоит ли рекомендовать кому-то переехать в Москву с целью жить там на среднюю зарплату по РФ?
Спасибо, интересная тема, но для реально полезного обзора стоило бы все же учесть, что это за страны, как выше замечают про Боснию и Герцеговину, Китай и Непал. Вы пишете, что рейтинг качества жизни с numbeo не кажется достоверным, но по всем остальным показателям оттуда же сравнили страны и называете это "странами для комфортной жизни" :)
Если честно, мне кажется, что за 2 года уже очень много людей изучили вопрос и проверили на своем опыте, где и как живется, и каких-то hidden gems, где (почти) никто из цифровых кочевников не живет, но это на самом деле могло бы многим подойти, не осталось.
Я бы поспорила по поводу "задач из учебника". Довольно часто и на младших, и на средних должностях необходимо и достаточно просто аккуратно проделать какой-то порядок действий или написать что-то новое, но по аналогии с существующим. Для роста в этой (как и любой другой) сфере уже нужно что-то большее, но это становится актуально не сразу
Нормальный вопрос, чтобы им задаться при написании отклика на вакансию/сопроводительного письма)
А на этапе входа в профессию можно задуматься, какие качества говорят о том, что айти подойдет (будь то логическое/критическое мышление, внимательность и усидчивость или наоборот креативность и нестандартные подходы), чтобы самому не потратить время зря и оттолкнуться от своих особенностей, выбирая специализацию
Согласна, хотя работать исключительно за идею и не ожидать достойной оплаты автор и не предлагает вроде бы) А если тут про тех, кому вся сфера интересна только ради пресловутых "300к в наносекунду", тогда как еще в школе условно говоря математика пугала, то наверное и правда не надо в айти
Ага, понимаю вас) В этом моменте я соглашусь с комментарием ниже, там довыразили мою мысль. Зачастую сотрудника, тем более джуна, на испытательном сроке не то чтобы жалеют, но не слишком сильно на него полагаются в плане жесткости сроков, тут создается ощущение, что либо вам сказали про этот дедлайн жестче, чем на самом деле имели в виду, либо ситуация была не совсем стандартная.
А вот после испытательного реально начинают ожидать попадания в сроки, которые будут скалиброваны на производительность, умноженную на 1,25-1,5 (коэффициент, превращающий 8 часов в 10-12), тут и кроется ловушка.
Полезно, спасибо! Адекватность и визибилити (быть не просто аватаркой в чате как в плане работы, так и в жизни команды) так-то решают многое не только у джунов.
Единственное, о чем можно подискутировать - переработки. Тут важно не перепутать необходимость выкладываться в период адаптации и потенциальное отсутствие личных границ, ведущее к переработкам постоянно. А то глупо будет выгореть на первом же году работы, едва повысившись до мидла (это сейчас не касается автора, а абстрактный пример). Если испытательный срок пройден, а все еще приходится сидеть по 12 часов, возможно, это не самая подходящая работа (по адекватности требований или по соответствию уровню сотрудника)...
Это явно не проблема джуниор-аналитика, вряд ли во всей компании принят слак или телега, а она принципиально пишет на почту. А к выводу про зум автор как раз и пришла
Ага, гугл-транслейт так поумнел, что еще и ваш комментарий промодерировал и отвечает
Это ценный комментарий, благодарю!)
Точно могу согласиться с поинтом про валидацию данных заранее, хотя на практике всякое случается)
Что касается момента с "не-копией", я поняла его так, что там присвоили значение новому объекту Series, а потому он не имеет отношения к изменению исходного датафрейма (вполне очевидно, но это подчеркнули)
Очень интересный обзор, спасибо! Я не разбираюсь в биологии, но был опыт использования краудсорсингом для аннотирования данных, и взаимодействия с GPT-4. Сразу пришел в голову такой вопрос: совпадают ли те категории клеток, в которых чаще ошибается GPT, и те, где ошибаются/испытывают затруднения сами биологи? (Вижу в статье упоминание типов клеток, с которыми больше всего расхождений, но это ответ на чуть другой вопрос)
Если не совпадают, то это прям отличный простор для ускорения и масштабирования разметки в такой комбинации, естественно, с осторожностью в выводах и применении и должным контролем качества
Согласна про большие объемы данных и SQL, с ними точно стоит уметь работать.
Хотя есть достаточно приятные и Python-специфичные инструменты визуализации (я, например, люблю библиотеку Plotly и фреймворк Dash для практически моментального написания веб-приложений), и тут в случае подготовки какого-то конкретного отчета очень даже подходит pandas
Я открыта к дискуссии, подскажете, пожалуйста, что из советов в данной заметке вы считаете вредным?
(Хотя я лишь автор перевода, а не самой статьи, перевела её именно потому, что считаю написанное не необходимым, конечно, но как минимум адекватным)
Благодарю за комментарий, тоже отличная стратегия, особенно если код использует в основном только автор, вполне можно так заменить тесты)
Спасибо за комментарий! Да, соглашусь, что R для классической аналитики очень даже хорош, и его много где недооценивают)