User
Вам это знакомо. Надо сделать дело, но нет ни малейшего желания его делать. Сопротивление настолько сильное, что заставить себя удается или с великим трудом или не удается вовсе. Как понять, в чем тут загвоздка и сдвинуть дело с мертвой точки (или уже забить на него без зазрения совести).
Краткий гид по основам библиотеки NumPy и основным линейно-алгебраическим операциям с её использованием
Привет, чемпионы! Сегодня рассмотрим, как облегчить себе жизнь, применяя 5 инструментов в своих проектах. Эти инструменты улучшат ваш код, сделают ваш pipeline более стабильным и позволят не писать один код по 10 раз. Круто? Погнали!
Всем привет, меня зовут Егор. Сейчас я занимаюсь сольной разработкой игр. И так как я не являюсь профессиональным художником, для меня как никогда актуален вопрос: каким инструментом пользоваться для создания арта. Конечно, никто не отменял Asset Store и приобретение необходимых графических ассетов именно там, но не всегда можно с лёгкостью найти подходящий арт для проекта на таких площадках, и приходится создавать его самому.
Поэтому я постоянно нахожусь в поиске наиболее удобных редакторов для создания графики. Заранее предупреждаю, что речь пойдет о создании именно 2D-арта, и мы не будем касаться темы нейросетей, так как у меня не было опыта работы с ними.
В статье я расскажу об опыте использования редакторов для создания векторной графики, растровой графики и пиксель-арта. Моя цель — поделиться своим опытом с другими разработчиками, поэтому надеюсь, что этот материал будет полезен.
Рубрика «Кем работать в IT» — это интервью с представителями IT-профессий, в которых специалисты рассказывают о тонкостях своей работы: плюсах, минусах, подводных камнях и заработной плате. Мы надеемся, что джунам и стажёрам она поможет больше узнать о том, что их ожидает на карьерном пути, а профессионалам — посмотреть на свою специальность через чужой опыт и, может быть, открыть для себя что-то новое.
Для этой статьи о своём опыте работы нам рассказали специалисты «Группы Астра».
На связи Юлия Егорова, СОО самого большого мобильного приложения для студентов РФ и СНГ «Кампус». Рассказываю, как наша компания помогает работодателям искать молодых специалистов, и при этом не собеседовать всех подряд. Давайте начистоту: для найма студентов HeadHunter и прочие площадки не работают. Студентов-«звездочек» приглашают на стажировки и практики еще до того момента, когда они сами начинают искать работу. Необходимо, чтобы вы как работодатель начинали взаимодействовать со студентом еще до того, как он к вам устроится. Сегодня мой манифест Lean Startup найм студентов. Я обращаюсь к предпринимателям, тим-лидам и HR, которые ищут звезд в свои команды. Чтобы их найти, вам нужна площадка, где студент постоянно будет видеть вашу компанию, вникать в ее контекст, даже когда он не ищет работу. Как минимум необходимо 3 касания с начинающим спецом, в идеале – 15-20 в различных каналах.
Вчера писал о графической оболочке Launcher for GoodbyeDPI, позволяющей интуитивно-понятно воспользоваться решением GoodbyeDPI от ValdikSS для решения проблемы замедления YouTube и недоступности в России ряда сайтов. Все хорошо, но это были решения лишь под Windows. В комментариях основные вопросы были о том, как быть с Android, Linux и Mac, и почему не в исходниках. Увы, репрессии РКН заставляют администрацию Хабра цензурировать статьи, во вчерашнюю статью внесение изменений мне запрещено, и сама ссылка доступна лишь вне России, потому объясняю про Андроид, Линукс и Мак здесь, со ссылками на исходники.
Итак, для Android есть масса проектов, мне подошел Release ByeDPI 1.0.0 · dovecoteescapee/ByeDPIAndroid · GitHub. Для Mac и Linux я бы ставил https://github.com/xvzc/SpoofDPI/releases. Все в исходных кодах.
ByeDPI for Android, это приложение, которое запускает локальный VPN-сервис для обхода DPI (Deep Packet Inspection) и цензуры. На вашем устройстве локально запускается SOCKS5-прокси ByeDPI и весь трафик перенаправляется через него.
История о том, как я сделал небольшой проект, основанный на теме, о которой ещё вчера практически ничего не знал, — и смог на нём заработать. Пусть вас не отпугивает упоминание всем надоевшего хомяка. Я и сам считаю его несерьёзной ерундой.
Однако проектик, тем не менее, получился интересный.
Меня зовут Дарья Шелаева и я работаю системным аналитиком в KODE. Когда-то я попала в компанию через стажировку, а теперь стала ментором и сама обучаю начинающих специалистов. Совсем скоро в KODE начнутся осенние стажировки для проджект-менеджеров, тестировщиков и системных аналитиков. Поэтому я хочу поделиться советами, которые помогут стажерам дойти до оффера или, по крайней мере, вынести из обучения максимальную пользу.
Привет, Хабр! Меня зовут Роман Ленц, я руковожу анализом данных и машинным обучением в ПГК. Мы с коллегами подобрали курсы, литературу и сообщества, которые пригодятся тем, кто желает погрузиться в тему машинного обучения и анализа данных, но не знает, с чего начать.
Как всё успевать и не выгореть в хаосе задач? Я прошел путь от работы по найму, где моё время организовывали за меня, до самостоятельного управления множеством проектов. В этой статье я делюсь личными секретами тайм-менеджмента, которые помогают мне оставаться продуктивным и не терять мотивацию.
Прочитайте, если хотите узнать, как справляться с многозадачностью и находить баланс между работой и отдыхом.
Уже много лет IT компании проводят алгоритмические собеседования при найме технических специалистов. Подход введенный в FAANG плавно перетек в большинство крупных компаний. Яндекс, Авито, Т-Банк и многие другие хотят проверить алгоритмические знания кандидатов. Но на практике такое собеседование оказывается бесполезным созвоном на 45 минут, который ничего не говорит о кандидате.
В интернете можно найти тысячи статей о том как решать алгоритмы. Куча теоретических видео про оценку скорости и затраты на память для разных структур данных. Еще больше ресурсов про то, как алгоритмы делают вас сильнее, круче и привлекательнее для работодателя.
Но очень мало можно встретить критики и конкретного разбора проблем алгоритмических собеседований и их внедрения в воронку найма. Эта статья будет первой в цикле “в чем проблема алгоритмов”.
Кто-то может сказать: “О, человека не приняли в компанию из-за алгоритмов и он решил обидеться и сказать всем, что алгоритмы бесполезны”. Отчасти это так и было, но я решил не останавливаться на своем чувстве несправедливости и пошел дальше: адаптировал алгоритмы в компании, прошел все этапы в Google и даже решал алгоритмы на протяжении года.
Все это помогло мне понять, что многие двигаются не туда, когда решают спрашивать деревья и графы на своих интервью.
Но все это отдельными статьями, ссылки на которые я приложу сюда позже.
Сейчас я просто хочу рассказать свою историю.
В мире, где технологии несутся вперед со скоростью света, а стартаперы едва успели окончить школу, найти работу в IT после 60 кажется чем-то из области фантастики. Однако опыт Сергея Вяткина, senior software engineer в американской компании Moody's Corporation, доказывает: в программировании возраст — это просто число в переменной.
Сильно повезло тем, кто никогда не был в состоянии «ищу работу»! Моя история вполне рядовая: в возрасте почти сорока лет я решил «вкатиться в IT» через популярные профессиональные курсы. Учебный процесс меня вдохновлял, и казалось, что впереди меня ожидает очередь из работодателей, стремящихся нанять востребованного специалиста. Но, как оказалось, никто не спешит брать на работу junior-специалистов (эйджизм? Не может быть…).
Подборка для тех, кто пробовал использовать нейросети в своих задачах, но разочаровался в них: непонятно, как чат-бот вообще может помогать с чем-то серьёзным.
Все слышали истории программистов, которые работают 2-3 часа в день, лечат зубы по ДМС, ставят виниры, занимаются английским, играют в рок-группе, пишут книги, по которым потом Ридли Скотт снимает блокбастер. Как тут можно выгореть? В то же время в августе 2023 года GeekBrains рассказали, что среди опрошенных ИТ-шников 77% сталкивались с выгоранием. В декабре 2023 года «Ведомости» писали, что с выгоранием сталкиваются 96%!!! программистов. Более того, есть научные исследования, которые изучают этот феномен именно в технологических компаниях.
Привет! На связи Елена Платковская, занимаюсь построением и оптимизацией ИТ-процессов.
Когда к нам в команду добавились новые коллеги, которые не очень много соприкасались с IT, стало понятно, что нужно выровняться в терминологии, чтобы лучше понимать друг друга на встречах. Сделали это в рамках клуба LUC, подробно о котором я рассказала здесь (ссылка).
Задача состояла в том, чтобы дать базовые знания о работе в IT, предложить хорошо структурированную основу, на которую коллеги могли бы нагугливать сверху больше деталей. Цель - дать отправную точку для дальнейших бессонных ночей, проведенных в обнимку с поисковиками. Получилась короткая презентация с универсальной информацией в картинках без привязки к функционалу сотрудника, который совершает стартовый шаг на пути к IT.
Когда я начала подготовку, столкнулась со сложностью. С одной стороны, в интернете полно материалов для новичков. С другой, не попалась та волшебная страница, одной лишь ссылки на которую было бы достаточно для первого знакомства. Именно поэтому была замешана своя микстура, которая подошла для экспресс-погружения в IT.
Делюсь с вами слайдами, которые получились и которые мы включили для обязательного изучения в программу онбординга новичков без опыта работы в IT.
Алгоритмическое мышление помогает писать быстрый код, который экономно расходует вычислительные ресурсы памяти и хранилища.
Сегодня в профессию переходит всё больше аналитиков из других предметных областей, и не все из них знакомы с концепцией алгоритмического мышления. Статья призвана заполнить этот пробел в знаниях. В ней приводится общее описание концепции и примеры практических задач, которые часто предлагают на собеседовании будущие работодатели.
Спойлер: алгоритмическое мышление — это необходимый для дата-сайентистов навык, важность которого сохранится и в будущем, в том числе в решениях на базе ИИ.
Будущие аналитики данных, BI-аналитики, ML-разработчики и Data Scientists используют готовые датасеты для выполнения студенческих заданий, чтобы научиться понимать принципы обработки данных, искать и валидировать гипотезы, строить предсказательные модели.
Однако задачи, которые решают студенты, часто недостаточно полезны как для них самих, так и для владельцев данных. Студенты не получают опыт решения практических задач, а также понимания, что результат их работы может быть полезен для бизнеса. В статье разбираюсь, почему так происходит и как получить опыт, который пригодится в работе.