Обучение в MIT: Четвёртая секция


➡ UNIT 4
Programming Challenges & Debugging

Делюсь впечатлениями от четвёртой секции курса 6.01 Introduction to Computer Science and Programming in Python от MIT.

Прошёл четвёртую секцию курса MIT. На первый взгляд, она несложная, но именно здесь закладываются фундаментальные принципы мышления разработчика. Речь идёт о том, как искать баги, как размышлять над непонятными ситуациями и быстро находить решения - потому что иногда от одной строки твоего кода зависит не только успех проекта, но и бизнес в целом.

Один из ключевых блоков - Classes of Tests, включая концепции "чёрного ящика" (black-box) и "стеклянного ящика" (glass-box).

➖Black-box тестирование - это подход, при котором ты проверяешь систему, не зная, как она устроена внутри. Представь, что тебе дали API и ты просто должен понять, что оно делает, подавая различные входные данные и анализируя выход.

➖Glass-box (или white-box) тестирование - это противоположность. Ты видишь внутренности системы: циклы, условия, ветвления. Такой подход помогает проверить, покрыты ли все ветки кода, правильно ли работают крайние случаи и насколько всё логично устроено изнутри.

В повседневной разработке эти термины ,честно, используются редко, но понимание этих подходов формирует правильное инженерное мышление, когда ты не просто "фикюс этот баг", а как бы осознанно подходишь к проверке системы с разных сторон.

Отдельное внимание в секции уделяется Debugging. Казалось бы, что может быть проще - поставил точку останова (брейкпоинт), посмотрел стек вызовов и вперёд. Но всё гораздо глубже.

➡️ В Debugging хорошо раскрываются реальные сложности
Баг может быть неопределённым во времени (например, гонка потоков);
Он может проявляться только на проде (а у тебя нет логов);
Или воспроизводится только при определённой комбинации входов, которые ты даже не подумал проверить.

➡️ Подходы к поиску багов бывают разные
Метод бинарного поиска по истории коммитов или конфигураций, редко, но нужно;
Логирование это основа, чем лучше логируешь тем меньше вслепую ты работаешь;
Проверка гипотез по очереди, без хаоса в изменениях;
Но, главное, я считаю это умение остановиться и подумать, а не ковыряться бесконечно.

Я бы сказал, что эта секция учит не кликать по кнопкам IDE, а развивать в себе "Шерлока" внимательного, логичного, системного. Это тот самый навык, который отличает хорошего инженера от того, кто просто пишет код.

#mit
#обучение
#python

💡 Channel | ✏ Chat

Обучение в MIT: Первый экзамен


➡ Midterm exam

Делюсь впечатлениями от сдачи первого экзамена 6.01 Introduction to Computer Science and Programming in Python от MIT.

➡️ Экзамен, на который не нашлось времени
У курса есть midterm экзамен - на него выделяется 8 часов, но доступен он несколько дней. Ну и как это обычно бывает: времени не было, поэтому сел в последнюю ночь без особой подготовки 🙉
Кратко повторил, освежил в памяти пару тем и пошёл вывозить на своих знаниях 😅

➡️ Теория и логика: как по мне кайф
Всего попалось 22 вопроса из них где-то 5 практических задач.
Первая часть - теоретическая и мне она очень зашла. Вопросы были не на банальное угадай-слово, а на понимание Python и логики работы программ. Методом исключения пройти не выйдет это прям хорошо. Всё нужно осознанно продумать. Прямо удовольствие получил, пока проходил эту часть. Прошёл её довольно быстро.

➡️ Тесты с множественным выбором
А вот дальше началось веселье с множественным выбором, где если хотя бы один вариант неверен - весь вопрос = 0 баллов. Прямо с двух ног влетел: был вопрос на 3 балла с 6 вариантами ответа - выбрал, как думал правильно… и получил 0 🫣

Со следующим та же история.
Потом уже собрался с мыслями и начал внимательно читать каждый пункт, взвешивать и проверять.
Стал подходить как к код-ревью и результаты улучшились. P.S. Теперь понимаю, зачем дают 8 часов не потому что сложно, а потому что нужно вдумчиво 😉

➡️ Практикая часть
Потом пошли практические задачи. Как я понял выпадают полный рандом
У меня было:
➖Рекурсия, разобрался быстро.
➖Доработка чужого кода, вот тут потерял время.
➖Пытался понять "а зачем они это так сделали и как это работает? 😅" короче профдеформация. Минус 15 минут.
➖Хорошо, что не учитывалис попытки и можно было прогонять да и плюс тесты показывались, чтобы пофиксить код
➖Задача с удалением данных из списка по условиям, мини-алгоритмическая, справился легко.

Потом были задачи без тест-кейсов. Пиши код и гадай, почему не проходит 😄
Зато они оценивались в 10 баллов. Даже если не всё работает, но часть проходит можно получить 2–5 баллов. Это круто.

Последнюю задачу пришлось полностью переписать, но в итоге она тоже сдалась.
На всё ушло 1 час и 16 минут. Можно было медленнее и это было бы правильнее, но мне нужно было просто сдать 😅 иначе я не успевал

➡️ Итого
➖Не всегда надо отвечать и бежать на 100%. Цель тут это просто пройти и закрепить знания.
➖Python, это не зубрёжка как в универе или в школе, а понимание логики, структуры и подходов.
➖MIT делает хорошие задания: не банальные, а те, которые развивают.
➖В любом случае, я многое повторил, кое-что усвоил, кое-что нет и это нормально, что то уже забыл 🥲
➖Главное это не останавливаться и стараться понимать, а не просто запоминать.
➖Решай задачи на рекурсию, генераторы, работу со строками и списками они встречаются часто.
➖Не бойся делать ошибки. Главное разобраться, почему НЕ РАБОТАЕТ 🥹
Ну и на последок, не оставляй экзамен на последнюю ночь, как я 😅

#mit
#обучение
#python

💡 Channel | ✏ Chat

100+ дней на leetcode

Я продолжаю свой LeetCode-челлендж, который начал ещё в марте 😉. До этого у меня был опыт с Daily Challenge и 50 дней подряд - те были сложнее, гораздо сложнее, это связано с задачей и с привычкой, но об этом ниже

Говорят, что привычка формируется за 21 день..Ага конечно, ну, у меня не сформировалась 😅
Иногда всплывает мысль "надо было что-то решить", "что-то я забыл сегодня сделать", и так по кругу 🙉

Пробовал фиксировать задачи в календаре - не зашло. Когда каждый день пингует одно и то же напоминание, это перестаёт работать. Как напоминание «почистить зубы» - вроде важно, но фиксировать смысла нет

➡️ Где-то на 70-м дне пришло осознание
прикольно, когда ты просто садишься, решаешь задачу и сразу получаешь результат.
+1 к навыку
+1 к вайбу
+1 к дофамину

Пропустил впервые где-то на 89-м дне. Сначала расстроился, потом понял: это не спринт, а марафон и если я иногда пропускаю - это нормально. Главное - продолжать и не грызть себя за перерывы.

➡️ А зачем вообще 100+ дней LeetCode?
Чтобы перестать бояться алгоритмов - реально) через 30-40 задач уже проще воспринимать условия, меньше ступора, понимаешь что чего то не знаешь и это ок. Кто-то это знает кто-то и этого не знает, вообщем это про обучение и про развитие в IT.

Вывел правила:
➖Чтобы выработать уверенность в базовых структурах данных: повторять их снова и снова.
➖Чтобы отточить скорость решения задач: на собеседованиях это пригодится
➖Чтобы развивать дисциплину - да, иногда LeetCode > Netflix и всякие сериалы(привет игре кальмара последний сезон), я хз уже не помню что смотрел из последних, хотя это тоже не есть ок 😅
➖Чтобы не выпадать из практики, особенно если сейчас не ищешь работу, но хочешь быть в форме
➖Чтобы в кайф все решать, если поймал ритм, мозг начинает хотеть эту нагрузку

Если хочешь похожие челледжи по DSA(алгоритмам) погнали врываться вместе

#leetcode

💡 Channel | ✏ Chat

Алгоритмы, которые стоит выучить первым делом

#1 — Алгоритм Евклида (НОД)

➡️ Предыстория
Снова столкнулся с задачей на 🔗 leetcode

Даны две строки. Нужно найти наибольшую строку x, которая может быть повторена несколько раз, чтобы получить и первую, и вторую строки.
Input: str1 = "ABABAB", str2 = "ABAB"
Output: "AB"

Задача то простая, если знаешь этот самый наибольший общий делитель. Как правильно его не знают, и в итоге пишут громоздкое решение, особенно я когда первый раз решал😅, я же не Евклид и не с мог вывести эту формулу 😅.

Алгоритм можно вывести я запомнил GCD(b, a%b)

➡️Где может понадобиться?
На собесах: любят спрашивать эту классику
Упрощение дробей: 120/80 → сократить можно, только если знаешь НОД
Задачи на LeetCode: работа с массивами, проверка кратности
Криптография: RSA использует расширенный Евклид

➡️ Что делает алгоритм?
Находит наибольший общий делитель (НОД) двух чисел a и b

➡️ Исторический факт
Этот алгоритм был описан ещё в "Началах" Евклида в III веке до н.э. — работает до сих пор 😎

➡️ Как работает Евклид?
НОД(a, b) = НОД(b, a % b)
Повторяем, пока b ≠ 0
Каждый шаг заменяет пару (a, b) на (b, a % b) - и так до нуля
ВСЁ КОНЕЦ!

Пример: Найдём НОД(48, 18)
Шаг 1: 48 % 18 = 12  →  НОД(18, 12)  
Шаг 2: 18 % 12 = 6   →  НОД(12, 6)  
Шаг 3: 12 % 6 = 0    →  НОД(6, 0)  
Ответ: 6

int GCD(int a, int b)
{
    while (b != 0)
    {
        int temp = b;
        b = a % b;
        a = temp;
    }
    return a;
}

- Time complexity: O(log min(a, b))
- Space complexity: O(1)

➡️ Итого
Если ты только начинаешь разбираться в алгоритмах - алгоритм Евклида это must-have в арсенале. Он простой, эффективный и встречается чаще, чем ты думаешь

#алгоритмы
#leetcode
#подготовка

💡 Channel | ✏ Chat

Прошел SQL50 на LeetCode

Вообщем пока делал ежедневные задачи, решил и повспоминать MS SQL и порешать на нём задачи и за одно получить ачивку. По сути это решение 50 популярных задач на SQL

Когда-то начал просто с ежедневных задач - #dailychallenge, чтобы не терять и набрать форму. Одни задачи были лёгкими, другие заставляли поломать голову. Но постепенно я втянулся. По сути чаще стал использовать CTE

CTE (Common Table Expression) - это временное имя для набора данных, которое можно использовать внутри запроса, как будто это отдельная таблица. Пишется с помощью WITH и делает SQL-код понятнее и читаемее, особенно при сложных подзапросах или рекурсивных операциях.

Пример:

WITH SalesByPerson AS (
    SELECT SalesPersonID, SUM(TotalDue) AS TotalSales
    FROM Sales
    GROUP BY SalesPersonID
)
SELECT * FROM SalesByPerson WHERE TotalSales > 10000;

➡️ Писал всё на MS SQL, это мой основной инструмент потому что они с C# всегда рядом. С LeetCode пришлось адаптироваться к их синтаксису, иногда гуглить про оконные функции -_-

Были задачи, которые решал за 5 минут. А были такие, где сидел по полчаса и переписывал решение несколько раз. Но в итоге я вот что понял, что каждый такой момент переписывания учил меня чему-то новому: где лучше использовать подзапрос, а где то GROUP BY или как правильно соединять таблицы через JOIN 😅

➡️ Зачем вообще это делал?
Потому что даже с опытом важно держать навык в тонусе. SQL - это фундамент в любой системе, где есть данные, его лучше знать чем не знать. А ещё я планирую в будущем попробовать pandas в Python для работы с аналитикой - и хорошее знание SQL тут точно пригодится.

Pandas в Python - это популярная библиотека для работы с табличными данными. С ней можно быстро фильтровать, группировать, сортировать данные и делать аналитику - как в Excel или SQL, но прямо в коде.
Пример:

import pandas as pd

df = pd.read_csv("sales.csv")
high_sales = df[df["Total"] > 10000]
print(high_sales)

➡️ После SQL50 я стал чувствовать себя намного увереннее и это ощущение стоит всех затраченных часов.

Если ты думаешь: "А стоит ли начинать?" - однозначно стоит, просто повторить и пройтись по типовым задачам. Не нужно бежать марафон за день. Просто начни с одной задачи в день. А потом сам не заметишь, как прокачаешься.

#leetcode
#sql

💡 Channel | ✏ Chat

Microsoft увольняет ещё 9 000 человек. Что это значит для ИТ-рынка?

Компания объявила о втором раунде сокращений в 2025 году: под нож попали ещё 9 000 сотрудников, включая инженеров, менеджеров и разработчиков из геймдева.

Причины
• Microsoft инвестирует $80 млрд в ИИ-инфраструктуру, думаю это одна из основных причин
• Упрощение структуры: меньше менеджеров, меньше костов.
• Конец финансового года (30 июня). Режем касты в идеальное время

Пострадал геймдев
• Закрытие проектов и студий (включая часть King, Forza, Perfect Dark)
• Разработчиков из Xbox-подразделений увольняют сотнями.
• Игровые бюджеты урезают ради ИИ.

Что это значит для рынка ИТ в целом?
1. Сигнал всем Big Tech: увольнять это нормально. Ждём продолжения у других гигантов.
2. Рынок переполняется опытными специалистами. Конкуренция выше, найм медленнее. Рынок за HR
3. Геймдев замер. Инвестиций меньше, найм приостановлен.
4. Спрос на AI-инженеров растёт. Всё, что связано с ML, инфраструктурой и data становится топ-направлением.
5. Junior-специалистам будет особенно сложно. Компании предпочитают опытных кандидатов “подешевле»

Что делать
• Прокачивать скиллы в AI/ML-инфраструктуре, data, distributed systems. Учить Python 😅
• Искать, где можно создавать ценность, а не просто закрывать задачи.
• Учиться делать себя «видимым» через вклад, архитектуру, инициативы. LinkedIn
• И не паниковать: рынок жив, просто меняется.

#увольнения
#microsoft
#news


💡 Channel | ✏ Chat

Конец эпохи Stack Overflow

Легендарный сайт для программистов растерял почти всё. С 2017 года прирост новых вопросов практически остановился, а после 2022 года, с приходом AI (таких как ChatGPT), спад стал еще резче.

➡️ Почему Stack Overflow угасает?
1⃣ С 2017 года многие типичные вопросы, которые разработчики задавали неоднократно, уже были заданы и подробно разобраны. Модераторы активно маркируют новые дубликаты, что ограничивает приток свежих тем. Анализ статистики показывает, что около 60% новых постов в последние годы закрываются как повторяющиеся в течение первых 24 часов.
2⃣ Сложные и нишевые вопросы больше почти всегда были без ответа. Разработчики, в то время, все чаще обращаются к Telegram чатам и X, где обсуждения происходят в реальном времени, а ответы дают эксперты. Например, группы в Telegram насчитывают тысячи активных участников, готовых помочь быстрее, чем на этом сайте.
3⃣ Языковые модели, ChatGPT, стали конкурентами. Они и генерируют ответы на сложные запросы. Контент Stack Overflow стал кормом для обучения этих моделей, где я думаю это снижает ценность оригинального сайта. Исследование 2023 года показало, что до 40% разработчиков теперь предпочитают AI-инструменты для быстрого решения задач.
5⃣ Согласно статистики, уровень активности вернулся к показателям 2009 года, когда сайт только начинал набирать популярность.

Stack Overflow был пионером в программирования, по сути в тоже время когда .NET рост

➡️ Статистика
- Количество вопросов в месяц упало с 10000 в 2017г до 3500 в 2024г
- Участие в комьюнити сократилось
- Время ответа на вопросы увеличилось с 2 часов в 2015г до 6 часов в 2024г

➡️ Что происходит сейчас?
Stack Overflow пытается адаптироваться, внедряя новые функции, такие как улучшенный поиск и интеграции с AI, но это не останавливает отток.

🔗 Ссылки
[Stack Overflow Trends]
[Stack Overflow Blog]

#StackOverflow
#AI

💡 Channel | ✏ Chat

В период спада найма работа всё равно есть!

Не теряй мотивацию!

Делюсь подборкой свежих вакансий и прямыми контактами

Junior Game Designer
Company - Playrix
Contact - Valeria Mazyakova

Senior Data Analyst
Remote from everywhere (Except for Russia, Belarus)
Company - Zencoder
Contact - @lilavu

Unity Developer
Company - The Virtual Wild
Contact - Jay Rutherford or careers@thevirtualwild.com

.NET Backend Developer
Remote worldwide or office Limassol
Company - Artstorm
Contact - @aaannaparakhevich

QA Engineer
Remote worldwide or office Limassol
Company - Artstorm
Contact - @aaannaparakhevich

Game Product Analyst (MW)
Remote worldwide or office Limassol
Company - Artstorm
Contact - @eve_kite

Business Analyst
Employment remote or hybrid in Serbia, Armenia, Poland, Romania or Bulgaria
Company - DataArt
Contact - @miz_brightside

Frontend with Vue.js (Ru language team)
Official employment remote or hybrid in Serbia, Armenia, Poland, Romania or Bulgaria
Company - DataArt
Contact - @miz_brightside

#вакансии

💡 Channel | ✏ Chat

Обучение в MIT: Пятая секция

Уже скоро получим сертфикаты ребята

➡ UNIT 5
Object Oriented Programming

Делюсь впечатлениями от пятой секции курса 6.01 Introduction to Computer Science and Programming in Python от MIT.

В этой части началось знакомство с ООП (объектно-ориентированным программированием). С одной стороны - ура и ужас с другой это множественное наследование в Python 🙉 может вызывать диссонанс, особенно если ты до этого писал на C# или на С++(а я писал и знаю к чему приводит множественное наследование)

🧱 Что такое ООП и зачем оно нужно?
ООП (объектно-ориентированное программирование) - это такой подход, при котором мы моделируем программу через объекты - экземпляры классов. Эти объекты хранят данные (поля) и поведение (методы). Повышается структурность и это классика: инкапсуляция, наследование, полиморфизм


➡️ Множественное наследование

class Animal:
    def speak(self):
        return "Some sound"

class Flyer:
    def fly(self):
        return "Flying high"

class Bird(Animal, Flyer):  # множественное наследование
    def speak(self):
        return "Chirp"

b = Bird()
print(b.speak())  # Chirp
print(b.fly())    # Flying high

При совпадении методов работает MRO (Method Resolution Order) - сначала ищется в классе, затем по порядку наследования.

Наследование нормального человека

class Animal
{
    public virtual string Speak() => "Some sound";
}

class Bird : Animal
{
    public override string Speak() => "Chirp";
}

var bird = new Bird();
Console.WriteLine(bird.Speak());  // Chirp

В C# нет множественного наследования классов (только интерфейсы). Всё строго, понятно и предсказуемо.

➡️ Конструктор
и в Python он только один 😱

class Dog:
    def __init__(self, name):
        self.name = name

    def bark(self):
        return f"{self.name} says woof!"

d = Dog("Rex")
print(d.bark())  # Rex says woof!

__init__ - это конструктор, вызывается при создании объекта.
self - ссылка на текущий экземпляр.

➡️ Методы vs функции: в чём разница?
Функция - самостоятельный блок кода и не привязан к объекту.
Метод - функция, которая внутри класса и работает с данными объекта.


➡️ Генераторы
тут также как C# всё довольно понятно, но тут как то скучно и примитивно, у нас (C#) это сделано гораздо прикольнее и есть всякие async foreach и трюки


➡️ Итого
Unit 5 - это первая настоящая архитектурная тема в MIT-курсе. Всё становится ближе к тому, как пишется код в реальных проектах. Немного больно от Python (множественное наследование, self, отсутствие типов), но мозг включается и перестраивается. Надо ли оно мне, узнаем позже)

Если ты хочешь расти вместе, проходи курс, пиши, как ты справляешься с ООП - особенно если ты из C# мира, как и я.


#mit
#обучение
#python

💡 Channel | ✏ Chat

Критический хак SharePoint

Microsoft подтвердила, что с 18 июля 2025 года хакеры активно эксплуатируют инфраструктуру SharePoint Server (on‑premises) по уязвимости CVE‑2025‑53770

➡️ Что такое SharePoint?
Это корпоративная платформа Microsoft для:
- хранения и обмена документами,
- настройки внутренних порталов и совместной работы,
- управления процессами и интеграции с Office, Teams, OneDrive

➡️ Имеется две версии SharePoint
On‑premises (локально устанавливаемая) - сервера внутри компании;
Online (в облаке Microsoft 365) не затронута атаками.


➡️ Что произошло
- Более 100 пострадали, включая правительственные структуры, университеты, медицинские и финансовые учреждения в США, Германии, Европе и Азии
- Потенциально уязвимы более 8 000 - 9000 серверов SharePoint, подключённых к интернету
- Успешная атака позволяет хакерам загрузить веб‑шелл, украсть криптографические ключи MachineKey и сохранять доступ даже после патча

➡️ Кто стоит за атакой
- Среди атакующих выявлены China‑linked

➡️ Что делает Microsoft и CISA
- Экстренные патчи уже выпущены для SharePoint 2019 и Subscription Edition (патчи для 2016 - в работе)
- Американское CISA поручило отключать уязвимые серверы от интернета до применения всех мер патч
- Эксперты рекомендуют полную проверку систем

➡️ Итоги
Патчи обязательны, но далеко не гарантия если атака уже произошла, нужно восстанавливать ключи, искать следы взлома и усиливать защиту. SharePoint Online остаётся в безопасности.

📎 Ссылки
cnbc.com, cisa.gov

#news
#microsoft

💡 Channel | ✏ Chat

Backend Engineer (C#, .Net)
Company - Finom
Contact - nevena
b2b contract: 4500-5500 €


Стоит посетить эти ссылки
➖Доски объявлений 900 компаний
➖300 компаний

Таблицы от Kira Kuzmenko

#вакансии

💡 Channel | ✏ Chat

Алгоритмы, которые стоит выучить первым делом

#2 — Жадные Алгоритмы

➡ Предыстория

У вас есть рюкзак вместимостью W. Есть предметы, каждый с весом и ценностью. Надо набрать в рюкзак как можно больше ценности)). Можно брать части предметов.

В таких задачах я сразу въезжаю в тупик. Мне честно сложно определить жадный это алгоритм или что-то другое, вероятно потому что я раньше в ВУЗе или где-то ещё не обращал на пласт таких алгоритмов. Вообще не теряемся, нужно запомнить (если что то нужно найти оптимальное, вероятно тут надо использовать "жадный" алгоритм, а может и динамическое программирование 🫣)

➡️ Решение задачи про рюкзак
Стратегия такая:
Сортируем предметы по убыванию ценности на единицу веса (value / weight) и набираем самые выгодные, пока есть место.

Решение задачи про рюкзак

def greedy_knapsack(items, capacity):
    # items - список кортежей (ценность, вес)
    items = sorted(items, key=lambda x: x[0]/x[1], reverse=True)

    total_value = 0.0
    for value, weight in items:
        if capacity >= weight:
            capacity -= weight
            total_value += value
        else:
            # Берём долю от предмета
            total_value += value * (capacity / weight)
            break
    return total_value

Решение задачи про сдачу монетами

def greedy_change(coins, amount):
    coins.sort(reverse=True)  # Сортируем от больших к маленьким
    result = []
    for coin in coins:
        while amount >= coin:
            amount -= coin
            result.append(coin)
    return result

⚠️ Важно
Жадные алгоритмы не всегда даёт оптимум 🫠. Я несколько раз попадался на это, находил решение, но оно было не совсем оптимальным, но балы на собесе вы точно получите.

➡️ Похожие задачи
Сдать сдачу стандартными монетами (1, 5, 10, 25)
Бери самые выгодные вещи по value/weight
Дойти до конца, прыгая как можно дальше
Минимизировать время / простоев

➡️ Как понять, что надо юзать этот жадные алгоритмы
- Если можно делать лучший выбор на каждом шаге, и он ведёт к оптимальному решению как правило жадность сработает.
- Если после сортировки (по прибыли, плотности, времени) решение легко строится это жирный намёк на жадный подход.
- Если один раз сделав выбор, ты уже не жалеешь об этом жадный алгоритм подходит.
Вообщем всё как жизни 😅

#алгоритмы
#leetcode
#подготовка

💡 Channel | ✏ Chat

#humour

💡 Channel | ✏ Chat

Коворкинг Monteco приглашает на лекцию: “Как оставаться в тренде IT: опыт, обучение и поиск работы”

🔹 Хочешь войти в IT или остаться на волне перемен?
🔹 Не знаешь, какие курсы сейчас действительно работают?
🔹 Или просто интересно, что творится на рынке и как находят работу разработчики?

Приходи на встречу с Александром Лапердиным — C# Software Engineer с 12+ годами опыта в индустрии.

Он расскажет:
✔️ Как сейчас выглядит поиск работы в IT изнутри
✔️ Какие технологии и навыки востребованы
✔️ Какие курсы реально работают — а какие нет
✔️ Как поддерживать свою экспертизу и быть нужным рынку

📍 Когда: 1 августа, 18:30
📍 Где: коворкинг Monteco — https://maps.app.goo.gl/QF28h4T8Xks5umVp7
🎟 Вход: 10 евро
📌 Регистрация: @montecoworking

Полезно как для новичков, так и для опытных специалистов, кто хочет расти и адаптироваться в быстро меняющемся мире IT.

#конференции

💡 Channel | ✏ Chat

Обучение в MIT: Шестая секция

➡ UNIT 6
Algorithmic Complexity and Sorting

Делюсь впечатлениями от шестой секции курса 6.01 Introduction to Computer Science and Programming in Python от MIT.

Ну вот, наконец-то ну. После первых пяти секций начинается то, что у меня ассоциируется с настоящим Computer Science. В этой секции Algorithmic Complexity, и это как раз про то, как быстро или медленно работают наши алгоритмы.

➡️ Что такое Algorithmic Complexity?
Это способ оценить эффективность алгоритма, чаще всего в зависимости от размера входных данных (n) Основной инструмент - Big-O нотация. Она показывает, как сильно увеличится время работы алгоритма или используемая память при росте данных.

➡️ Основные виды сложности (Big-O)
1. O(1) — константная

   def get_first_element(arr):
       return arr[0]
   

Сколько бы элементов ни было - всегда одно действие изи вообщем

2. O(log n) - логарифмическая

   def binary_search(arr, target):
       low, high = 0, len(arr) - 1
       while low <= high:
           mid = (low + high) // 2
           if arr[mid] == target:
               return mid
           elif arr[mid] < target:
               low = mid + 1
           else:
               high = mid - 1
       return -1
   

Пример - бинарный поиск. Отсортируйте данные

3. O(n) - линейная

   def find_max(arr):
       max_el = arr[0]
       for el in arr:
           if el > max_el:
               max_el = el
       return max_el
   

Нужно пройтись по всем элементам.

4. O(n log n) - почти "линейная"
Пример - быстрая сортировка, сортировка слиянием.

   arr.sort()  # Python Timsort (O(n log n))
   

5. O(n²) - квадратичная и дальше это уже полиномиальная

   def bubble_sort(arr):
       n = len(arr)
       for i in range(n):
           for j in range(0, n-i-1):
               if arr[j] > arr[j+1]:
                   arr[j], arr[j+1] = arr[j+1], arr[j]
       return arr
   

Вложенные циклы по всем элементам - медленно.

5. O(2ⁿ) - Экспоненциальная сложность
Ханойская башня и флэшбэки 🙉

def hanoi(n, src, aux, dst):
    if n == 1:
        print(f"Move {src} → {dst}")
        return
    hanoi(n-1, src, dst, aux)
    hanoi(n-1, aux, src, dst)

➡️ Сортировки - какими пользуемся?
Та которая есть по дефолту в коробке 😅

В реальной жизни все почти всегда используем встроенные методы (sorted() или list.sort() в Python) и работают в среднем за O(n log n).

Классические алгоритмы (QuickSort, MergeSort, BubbleSort) чаще изучаются для понимания

Алгоритм    | Time        | Space
------------|-------------|----------
Bubble sort | O(n^2)      | O(1)
Insertion   | O(n^2)      | O(1)
Selection   | O(n^2)      | O(1)
Merge sort  | O(n log n)  | O(n)
Quick sort  | O(n^2)      | O(log n)

➡️ Что такое Space Complexity?
Это оценка того, сколько дополнительной памяти требует алгоритм помимо входных данных.
O(1) - константная: используется фиксированное количество памяти (сортировка выбором).
O(n) - линейная: нужно место, пропорциональное размеру входных данных (merge sort).

#mit
#обучение
#python

💡 Channel | ✏ Chat

Обучение в MIT: Седьмая секция

Заключительная 🦾

➡ UNIT 7
Plotting рисуем графики быстро не отходя от кассы

Делюсь впечатлениями от последней седьмой секции курса 6.01 Introduction to Computer Science and Programming in Python от MIT.

Ну вот и финиш, остался только экзамен.

➡️ Почему и как использовать import pylab as plt?
import pylab as plt - удобный способ работать с графиками и визуализацией данных в Python.

➡️ Что такое pylab?
pylab - модуль, объединяющий возможности matplotlib (для построения графиков) и numpy (для работы с массивами и математикой). Импортирую pylab других и не знаю пока 😅,

➡️ Зачем это нужно?
* Быстро создавать красивые графики - линии, точки, гистограммы, диаграммы.
* Делать математические вычисления перед визуализацией.

➡️ Основные функции `plt`:
* plot() — рисует линии и графики
* scatter() — точечный график (диаграмма рассеяния)
* bar() — столбчатая диаграмма
* hist() — гистограмма распределения
* xlabel() и ylabel() — подписи осей X и Y
* title() — заголовок графика
* legend() — легенда для нескольких линий
* grid() — отображение сетки
* clf() — очищает текущее окно графика (для перерисовки новых данных)
* show() — выводит график на экран

Всё довольно просто, честно я в восторге что так просто
в C# в WPF нужно было много выпить разного и плюс этом танцевать с бубном

➡️ Пример

import pylab as plt

plt.figure(figsize=(10,6))

# Буква M
x_m = [0, 0, 1, 2, 2]
y_m = [0, 5, 2, 5, 0]
plt.plot(x_m, y_m, linewidth=10, color='red')

# Буква I
x_i = [5, 5]
y_i = [0, 5]
plt.plot(x_i, y_i, linewidth=10, color='blue')

# Буква T
plt.plot([7,10], [5,5], linewidth=10, color='green')  
plt.plot([8.5,8.5], [0,5], linewidth=10, color='green')

plt.title('MIT', fontsize=24, weight='bold')
plt.show()

#mit
#обучение
#python

💡 Channel | ✏ Chat

Обучение в MIT: Финальный экзамен

➡ Final Exam
Ну всё пристёгиваюсь и сдаю, пока сдавал забыл как работать с tuple в Python 😅😅

Делюсь впечатлениями от экзамена в 6.01 Introduction to Computer Science and Programming in Python от MIT.

Экзамен, как обычно, сдавал в самый последний день и снова ночью😅. Задачи были классные - я не набрал 100%, но это не главное. Пару вопросов завалил, а задачи решал порой интуитивно, порой писал так называемый "быдло код"

➡️ Что такое "быдло код"?
Это код, который написан быстро и грубо, без особого внимания к структуре, стилю и чистоте. Главное, чтобы работал и проходил тесты))) а что ещё надо. Такой код почти всегда не оптимален или страшен с виду), но помогает быстро решить задачу и двигаться дальше. Иногда именно так приходится работать, особенно под дедлайны или когда нужно быстро проверить идею ну или проходить экзамен 🙉

По сути, теперь остаётся только ждать сертификат) Условия выполнил

Самое главное, со мной впрыгнули ребята которые уже прошли экзамен и все секции и да быстрее меня 🦾🦾

#mit
#обучение
#python

💡 Channel | ✏ Chat

Видите, ИИ пока не заменил всех

#humour

💡 Channel | ✏ Chat

Обучение в MIT: Cертификат и отзыв

Делюсь впечатлениями от пройденного курса 6.01 Introduction to Computer Science and Programming in Python от MIT.

➡️ Мои впечатления о курсе
Понравился ли мне курс? - Да!
Это была отличная вводная часть в Python и Computer Science. Было ли легко? В целом да, но местами встречались интересные и сложные моменты. Задачи были прикольными - иногда они напомнили мне время учёбы в университете.

Мы прошли много тем из области Computer Science некоторые давали базу довольно быстро. С этой базой уже можно работать, искать дополнительную информацию и дополнять знания с ChatGPT

Мы - это значит что нас было 5 человек +/- 2
Нас была команда)

У меня не было стремления просто пройти курс ради сертификата я хотел именно получить знания по Python. И Python действительно оказался несложным, но это пока 🫠. Мы изучили простые подходы, по сути кирпичики для дальнейшего построения знаний.

Сейчас я понимаю, как работает код в Python, что куда и как вызывается примерно знания думаю на уровне школьника 🫣, но это отличная база. И да, конечно, я планирую двигаться дальше

Продолжение курса начнётся уже в ноябре версия 6.00.2x Там будет продолжение и более глубокое погружение в CS. Кстати, классно, что дают паузу между курсами время отдохнуть, осмыслить пройденное и решить оно вообще надо или стоит ли идти дальше. Но я уже принял решение и записался на следующий курс 🦾

Если интересно погнали вместе!

P.S.: Уже добавил его в LinkedIn 😋

📎 Пруф: MITx | edx

#mit
#обучение
#python

💡 Channel | ✏ Chat

Совместный коллаб OpenAI и AWS

Amazon впервые в истории официально разместила open‑weight модели от OpenAI у себя в облаке теперь gpt-oss-20b и gpt-oss-120b доступны через Amazon Bedrock и SageMaker JumpStart. Это огромный шаг в сторону open-source и кастомизации ИИ‑разработки.

⚒️ Подожди, разве Amazon уже не использовала ChatGPT?
Использовала как и все 😅, но это было через API закрытых моделей вроде GPT‑4, размещённых в Azure или на серверах OpenAI 🤓

Если раньше Amazon использовала ChatGPT как внешний сервис, то теперь размещает собственные модели от OpenAI у себя. Разница такая же, как между “арендовать” и “владеть”.

⚒️ Теперь это другое дело:
Amazon разместила у себя open-weight модели, то есть модели, у которых открыт доступ к весам. Их можно запускать локально, дообучать, кастомизировать и использовать как угодно без подписки на SaaS от OpenAI но надо тестить ☺️

⚒️ Что за модели?
• gpt-oss-20b и gpt-oss-120b первые open-weight foundation models от OpenAI.
• Развиваются как альтернатива GPT‑4, с поддержкой:
• контекста в 128K токенов,
• Chain-of-Thought reasoning,
• настройки уровней рассуждений (low / medium / high).
• Доступны по лицензии Apache 2.0 можно свободно использовать в продуктах и бизнесе как хочешь вообщем то что мы любим

⚒️ Почему это круто:
• Свобода и гибкость: хочешь запускай локально, хочешь кастомизируй под свои задачи.
• Дешевле конкурентов: Amazon утверждает, что gpt-oss‑120b в 3–5 раз дешевле, чем OpenAI o4, Google Gemini и DeepSeek‑R1.
• Не только для Azure: несмотря на партнёрство OpenAI и Microsoft, эти модели доступны и вне Azure. Теперь - официально на AWS.

⚒️ Как использовать?
• В Amazon Bedrock: подключение через API или SDK, поддержка Guardrails и AgentCore.
• В SageMaker JumpStart: развертывание в пару кликов, дообучение, вывод в прод.
• Уже доступны в регионах: US West (Oregon), US East, Tokyo, Mumbai и др.

⚒️ Для кого это?
• Для тех, кто строит AI-агентов, кастомные чат-боты, системы анализа или RAG‑решения.
• Кто не хочет зависеть от проприетарного API и платить за каждый токен.
• Кто ищет открытую, продакшн‑готовую альтернативу GPT‑4.

Это поворотный момент для всей AI-индустрии. Open‑source врывается на уровень облаков так можно сказать.

#news
#aws
#openai
#ai

💡 Channel | ✏ Chat