На чем кодить, чтобы проще найти работу?

Тут в запрещенном линке (ссылка на пост) идет сравнение по количеству вакансий и количеству соискателей в зависимости от языка и года наблюдения.

Я тоже смотрю на рынок под таким срезом, даже придумал этому название - индекс конкурентности соискателей (далее ИКС). Может быть он как-то по другому называется, но я не стал тратить на поиски этого время 😃 Короче, если ИКС (столбец ratio) высок, то работу найти сложнее.

Из интересного:
Scala - проще всего
1С - тоже 😉
Python, React - завышенный индекс
Если знаешь TypeScript, то попроще.
Go - стоит изучать

В целом, ничего нового, но интересно таким образом наблюдать за рынком.

Правда, в отличие от автора треда, я больше смотрю на фреймворки и направления. К примеру, условный python-разработчик может быть как DE, так и Django, так и FastApi и тд - разработчиком.

Если открыть HH и глянуть соотношения, то будет следующая картина:

Python Django 10254 / 534 = 18,72
Python FastApi 5987 / 606 = 9,9

То есть FastApi сейчас является самым простым из популярных фреймворков в Python с точки зрения трудоустройства. Год назад они с Django шли поровну, теперь же акцент сместился.

Когда PO всеми силами пытается протащить свою идею в прод.

Шпаргалка по Vim:

Esc (можно два раза)
потом печатаем:
:q - просто выйти (без изменений)
:wq - сохранить и выйти
:q! - не сохранить и выйти

Теперь можете загибать пальцы перед пацанами 😉

Что общего между учеными и программистами?

И те, и те часто изучают проект без документации и приходят к неожиданным выводам!

Оказывается, частями тела мы управляем через асинхронное апи 😃

Уверен, что последнее время вы часто слышали про ИИ агентов, но до конца не разобрались что это и с чем его едят)

Гугл выпустил whitepaper, где очень подробно расписано про агентов, что это такое и их будущее. Почитать можно тут.

Судя по документу, я сейчас занимаюсь созданием аналитического ИИ агента. Ну круто же))

Я, кстати, последнее время в разработке ИИшку использую очень часто. Просто это удобно, она пишет за тебя, а ты по сути просто проверяешь и дописываешь важные детали. Вообще, думаю что разработка к этому и идет. В какой-то момент начнет стираться грань между языками и ролями(AQA, Backend, Frontend).

Так что, если вам нужен был аппрув на использование ИИ, то вы только что его получили) 37% всех запросов - это оооочень много.

Anthropic представил индекс влияния ИИ на рынок труда и экономику - 1-е крупномасштабное исследование реального использования ИИ в экономике

Исследование Anthropic, основанное на анализе более 4 миллионов диалогов с ИИ-ассистентом Claude, впервые предоставляет эмпирические данные о том, как ИИ интегрируется в различные профессии.

По итогу анализа выявлен неожиданный паттерн: технологии активнее всего внедряются не в самых высокооплачиваемых профессиях, как предполагалось ранее.

Что самое интересное?

37.2% всех взаимодействий с ИИ приходится на разработку ПО и связанные с ней задачи.

На втором месте — создание контента и медиа (10.3%), что подтверждает растущую роль ИИ в креативных индустриях.

Неожиданным открытием стало то, что только 4% профессий демонстрируют глубокую интеграцию с ИИ, где технология используется для более чем 75% задач.

1. Выделяется ярко использование ИИ средним классом. Вопреки ожиданиям, ИИ максимально используется не топ-специалистами, а профессионалами среднего звена с зарплатами $75,000-$125,000. Это разрушает миф о том, что ИИ - инструмент элиты или наоборот, замена низкоквалифицированного труда.

2. Реальные данные против прогнозов:

- В здравоохранении использование ИИ оказалось значительно ниже прогнозируемого
- В научной сфере, наоборот, использование превысило ожидания

3. Характер использования
- 57% случаев - это усиление возможностей человека, а не замена
- Только 4% профессий глубоко интегрировали ИИ (используют для 75% задач)
- Это противоречит алармистским прогнозам о массовой замене людей ИИ

4. Неравномерность внедрения
- 36% профессий используют ИИ для четверти своих задач

- При этом внедрение сильно зависит от регуляторных ограничений, а не только от технических возможностей

- Это говорит о том, что барьеры внедрения часто административные, а не технологические

Ключевой посыл - ИИ не заменяет людей, а создает новый усиленный средний класс профессионалов, что может существенно повлиять на структуру рынка труда в будущем.

Дети Маска…

Или нэйминг переменных в чужом коде.

Если хотели начать разбираться в мясе. DeepSeek помог классифицировать список)

Вот разбивка по кластерам для всех упомянутых частей мяса:

Для тушения:
1. Кострец - Эта часть мяса немного жестче, но при правильном приготовлении (например, медленное тушение или запекание) становится очень вкусной. Подходит для гуляша или рагу.
2. Лопаточный отруб - Эта часть мяса немного жестче, но при правильном приготовлении (тушение, медленное запекание) становится очень вкусной. Подходит для гуляша, рагу или тушеных блюд.
3. Шейный отруб - Мясо из шейной части содержит больше соединительной ткани, что делает его идеальным для длительного тушения или варки. Подходит для тушеных блюд.
4. Покромка - Эта часть мяса хорошо подходит для тушения. Её можно использовать для гуляша или тушеных блюд.
5. Грудина - Грудина часто используется для тушеных блюд. Её можно долго тушить, чтобы мясо стало мягким.
6. Задний отруб - Эта часть мяса подходит для жарки, тушения или запекания. Её можно использовать для приготовления ростбифа или тушеного мяса.

Для гриля/шашлыков:
1. Тонкий край - Это нежная часть мяса, которая отлично подходит для жарки на гриле или сковороде. Его можно использовать для стейков или быстрого обжаривания.
2. Вырезка - Одна из самых нежных частей мяса, идеально подходящая для приготовления стейков, медальонов или бефстроганов. Её можно жарить на гриле.
3. Толстый край с реберной частью - Эта часть мяса отлично подходит для жарки на гриле или в духовке. Её можно использовать для приготовления стейков, ребер или запекания большим куском.

Для фарша:
1. Пашина - Эта часть мяса часто используется для приготовления фарша, так как она содержит больше соединительной ткани. Подходит для котлет, тефтелей или фарша для пирогов.
2. Лопаточный отруб - Также можно использовать для приготовления фарша.
3. Шейный отруб - Подходит для приготовления фарша.
4. Покромка - Эта часть мяса хорошо подходит для приготовления фарша. Её можно использовать для котлет, тефтелей.
5. Грудина - Подходит для приготовления фарша.

Для супов:
1. Оковалок - Обычно используется для тушения или варки. Из него можно приготовить супы, бульоны.
2. Голяшка передняя и задняя - Идеальна для приготовления бульонов, супов или тушеных блюд. Её можно долго варить, чтобы мясо стало мягким.
3. Шейный отруб - Подходит для супов, бульонов.
4. Грудина - Грудина часто используется для приготовления бульонов, супов.

Каждая часть мяса имеет свои особенности, и выбор способа приготовления зависит от желаемого блюда и ваших предпочтений.

Я понял очевидную глупость, которую все совершают. Мы сначала нагреваем воду до 100 градусов, а потом охлаждаем ее холодной водой 😄

Такие вот умные мысли с утра.

Теперь список продуктов к покупке мне передают как скриншоты с дипсика 😃

Ох уж это будущее)

Ушла эпоха. Skype с мая будет отключен.

Удивительно, на сколько можно быть первопроходцем и потом просто потерять весь рынок.

Но, думаю, что все дело в каких-то соглашениях внутри Microsoft. Они просто оставили Skype умирать, но при этом сделали Microsoft Teams.

Вот так всегда, делаешь кайфовый продукт, а потом выходит новая модель ChatGPT 🫠 Которая теперь умеет круто рисовать)

Практикуешь вайб-кодинг?

Так как по законам необъятности бытия у всего должен быть термин, то и у кодинга с использованием ИИ он появился.

Вайб-кодинг — это не про знание синтаксиса. Это про доверие Вселенной и чат-ботам.
Метод программирования, основанный на использовании магии ИИ и вере в то, что “оно наверное работает”.

Ты не пишешь код — ты описываешь вайб задачи,
а GPT такой: «Понял тебя, бро» — и выдает 300 строк, половина из которых реально работает. Можно сказать, что копипаст перешел на новый уровень.

Отладка? Нет, проще перегенерить по ошибкам.

Тесты? Они не нужны, ИИ сам всё проверит, он же умный.

Документация? Если ты сам не понял, то и нет в ней смысла, тем более когда можно спросить у нейросети.

Вайб-кодинг — это про новый уровень кодинга. У тебя появляется уверенность, скорость и ты всегда красавчик, так как если есть ошибка, то ошибся этот глупый ИИ.

Очень крутой материал посвященный прогнозу развития ИИ.

Позже напишу более детальный обзор. Если кратко, то к 2030-2035 годам нас может захватить AGI (это плохой вариант развития событий), но есть и хороший))

Но хороший тоже не прям хороший, так как трансформации будут значительными.

Записался на AI фестиваль от Microsoft. Сегодня последний день когда можно зарегистрироваться. Все бесплатно) Так полагаю, что формат каких-то лекций от индусов будет))) Почти ютубчик. Регистрируемся как казахи уж.

https://register.aiskillsfest.microsoft.com/

Появился опен-сорсный протокол взаимодействия между агентами.

A2A - протокол.

Двигает его Google и еще много крупных компаний, так что думаю такое приживется и можно смело изучать)

У всего должно быть название.

Теперь я знаю как называется промпт для составления промптов))

Метапромпт — это промпт (запрос), предназначенный не напрямую для генерации контента, а для управления логикой, структурой или стилем других промптов. То есть, это промпт о промптах.

Примеры:

1. Сформулируй промпт, который поможет мне получить список идей для блога об искусственном интеллекте.

2. Когда я задаю вопросы, отвечай как преподаватель университета с примерами и разъяснениями терминов.

3. Создавай каждый ответ по следующей структуре: Определение – Пример – Как использовать – Советы.

Кстати, Google выпустил мануал по промпт инженерингу на 68 страниц – в нем все существующие стратегии составления промптов:

https://www.kaggle.com/whitepaper-prompt-engineering

Полезное чтиво на досуге)

Короче, признаюсь.

Я всерьез решил сделать агентную разработку (вместо команды разработки - ИИ агенты). Пока на бот-проекте, который делаю последний месяц.

Очень интересно что из этого получится.

Пока концептуально так:

1. Таски будут браться на GitHub-issues

2. В рамках базы знаний - просто файлик в корне проекте, со структурой БД и документацией, которую подготовлю заранее на GPT. Костыльный аналог памяти по проекту.

3. Сам агент - какой-нибудь Claude/Cursor(тот же Claude)/Grok.

4. Ревью кода - возможно GPT-4o.

5. Дальше автоматизированный деплой на тестовый стенд и проверка результата. (Может даже написание автотестов и их прогон)

6. Конечно, под это все какой-то оркестратор, так как на более крупном проекте без него не получится.


(кстати, на Kaggle конкурс на миллион долларов за что-то подобное)

Новый способ мошенничества так понимаю?)