Проанализировав путь своей компании, разделил его на несколько этапов и добавил интересные истории и курьезы, которые сопровождали нас на этом пути.

«Поиск себя и болей клиентов (нет наемных сотрудников)»

Первый почти год проработали как консалтинговая компания по управлению чужими командами и как прожект менеджеры. Учитывая, что это были наши знакомые или компании, где мы с партнером работали, наша привлекательность заключалась в том, что наш ресурс дешевле было арендовать за половину, а то и за треть стоимости полноценного руководителя проектов, да и экспертиза проверена временем.

Начали сталкивать с болями, которые есть в этом бизнесе: постоянно проср*нные сроки, увеличение в несколько раз изначального бюджета, не до конца внедренный продукт и т. п. И поймали себя на мысли, что можем просто аутсорсить разработку.
Начали уже продавать не свою экспертизу, а полноценные проекты, благодаря сотрудникам на аутсорсе.

И что вы думаете: с какими проблемами мы столкнулись? Да, именно с теми же, что и наши клиенты. Поэтому наступил новый этап нашего развития.

Представляем вам перевод статьи JS dev Ray, опубликованной на сайте medium.com. Автор рассказывает о важных вещах, которые он понял за свою карьеру разработчика приложений. По его мнению, эта информация может очень пригодиться начинающим специалистам.

26 февраля 2020 года (среда), с 19:00 и до 22:00, в Высшей школе бизнес-информатики НИУ ВШЭ (г. Москва) состоится бесплатный Лекционный вечер «Хочу в геймдев».



После каждой лекции можно будет получить ответы на Ваши вопросы, пообщаться с лекторами.

Довольно часто можно слышать, как кто-нибудь говорит про себя: «У меня плохая память». И если мы немного представляем, как работает память, то на этом месте мы должны задать вопрос: «А какая именно?» Дело в том, что существует много видов памяти, и они могут работать (а также ломаться) независимо друг от друга.

Мобильному разработчику нужно обладать понятным набором навыков. Рассказывать о них нужно в контексте конкретных задач, которые возникают по ходу создания и публикации приложения. Артур Антонов работает iOS-разработчиком в отделе машинного перевода Яндекса. В своём докладе для студентов и начинающих специалистов Артур объяснил, что должен уметь разработчик, чтобы создавать современный мобильный софт.


— В нашем отделе есть два мобильных приложения: Яндекс.Переводчик и Яндекс.Клавиатура. В Переводчике у нас очень много сложных технологий, например голосовой ввод, распознавание текста по фото, перевод текста при помощи нейросетей. Отдельной сложной задачей является поддержка этой функциональности в офлайне. То есть у вас эта функциональность будет работать даже без интернета.

Написать эту статью меня вдохновил перевод, в котором рассказывалось как, фокусируясь на системах распознавания лиц, мы упускаем всю идею массового сбора данных: идентифицировать человека можно по совершенно любым данным. Даже сами люди пользуются для этого различными методами: например, мозг близорукого человека для идентификации людей на больших расстояниях полагается на походку, а не попытки распознать лицо.

Идея здесь в том, что общество скорее бессознательно отвергает новые технологии, чем пытается вникнуть в истинную причину.

Но я бы хотел добавить, что существуют технологии, используя которые, вывести слежку на принципиально новый уровень, значительно приближающий оруэлловкую действительность. И эти технологии гораздо ближе к массовой успешной реализации, как нам кажется

Сегодня мы заканчиваем нашу серию статей о функциональном программировании. Получилось 11 частей. Я считаю, что это достижение. В этой статье реализуем простой стековый калькулятор (также известный как "обратная Польская нотация"). Реализация практически полностью построена на функциях, лишь с одним специальным типом, и вообще без сопоставления с образцом, так что это превосходный полигон для концепций, затронутых в нашей серии.

Хочу отдельно поблагодарить @kleidemos. Именно он выступил главным переводчиком и менеджером всей серии статей. Спасибо!

• Первая часть
• Вторая часть
• Третья часть
• Четвертая часть
• Пятая часть
• Шестая часть
• Седьмая часть
• Восьмая часть
• Девятая часть
• Десятая часть

Привет всем, кто проходит курс машинного обучения на Хабре!

В первых двух частях (1, 2) мы попрактиковались в первичном анализе данных с Pandas и в построении картинок, позволяющих делать выводы по данным. Сегодня наконец перейдем к машинному обучению. Поговорим о задачах машинного обучения и рассмотрим 2 простых подхода – деревья решений и метод ближайших соседей. Также обсудим, как с помощью кросс-валидации выбирать модель для конкретных данных.

UPD 01.2022: С февраля 2022 г. ML-курс ODS на русском возрождается под руководством Петра Ермакова couatl. Для русскоязычной аудитории это предпочтительный вариант (c этими статьями на Хабре – в подкрепление), англоговорящим рекомендуется mlcourse.ai в режиме самостоятельного прохождения.