Как работают акции (стоки) 🤑
Красивый пример от NVIDIA, где инженера брали на $230К, а за счет роста акций годовой доход стал $851К.
Экономией на чашке кофе каждый день такой результат не получить 😀
Может, конечно, качнуться и в другую сторону, но в среднем бигтех растет.
@faangiscalling
Красивый пример от NVIDIA, где инженера брали на $230К, а за счет роста акций годовой доход стал $851К.
Экономией на чашке кофе каждый день такой результат не получить 😀
Может, конечно, качнуться и в другую сторону, но в среднем бигтех растет.
@faangiscalling
👍1
😎 Полезный ресурс для подготовки к behavioral от ex-Meta, открывший путь к офферу на $875К в OpenAI
Лето 🌞 в разгаре и это лучший сезон для саморефлексии и саморазвития. 🧘
Но как это делать лучше всего? 🤔
Учиться у лучших 👑 – мне попалась отличная подборка ресурсов по подготовке к behavioral интервью в FAANG от бывшего главы Hiring Committee в Мете.
А посоветовал его создатель моего любимого ресурса по System Design для фронтенда (GreatFrontEnd), который благодаря этим материалам получил оффер на Стаффа в OpenAI с компенсацией в $875К в год ($325К базовая + $2.2М акциями на 4 года).
Мне именно такой подборки и не хватило, чтобы попасть в Мету 😢
Что мне там понравилось:
1️⃣ Гайд с обзором сигналов, которые ищут рекрутеры
2️⃣ Видео-примеры ответов на популярные, но сложные вопросы ´Tell me about a time you failed', 'Tell me a time you handled difficult situation'
3️⃣ CARL (Context, Action, Result, Learnings) и STARR (STAR+Reflections) методы как развитие классического STAR
🔗 Забирайте подборку по подготовке к behavioral в FAANG тут
👉@faangiscalling
--------------------------------
Было интересно? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
Лето 🌞 в разгаре и это лучший сезон для саморефлексии и саморазвития. 🧘
Но как это делать лучше всего? 🤔
Учиться у лучших 👑 – мне попалась отличная подборка ресурсов по подготовке к behavioral интервью в FAANG от бывшего главы Hiring Committee в Мете.
А посоветовал его создатель моего любимого ресурса по System Design для фронтенда (GreatFrontEnd), который благодаря этим материалам получил оффер на Стаффа в OpenAI с компенсацией в $875К в год ($325К базовая + $2.2М акциями на 4 года).
Мне именно такой подборки и не хватило, чтобы попасть в Мету 😢
Что мне там понравилось:
1️⃣ Гайд с обзором сигналов, которые ищут рекрутеры
2️⃣ Видео-примеры ответов на популярные, но сложные вопросы ´Tell me about a time you failed', 'Tell me a time you handled difficult situation'
3️⃣ CARL (Context, Action, Result, Learnings) и STARR (STAR+Reflections) методы как развитие классического STAR
🔗 Забирайте подборку по подготовке к behavioral в FAANG тут
👉@faangiscalling
--------------------------------
Было интересно? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
Google Docs
thebehavioral.tech - Behavioral Interview Prep Resources
Behavioral Interview Prep Resources from thebehavioral.tech Welcome behaviorists. Here’s a collection of resources to help you prep for your upcoming tech interviews. Got more tips to add? Email me at austenmc@thebehavioral.tech. Disclaimer: some of these…
🔥4
Мечта удаленщика 👨🏼💻– Юг Франции 🇫🇷
Исследовал Юг Франции🇫🇷, мечту удаленщика с 300+ днями солнца ☀️ в год и морем неподалеку 🌊. Пока не очень понимаю, как в такой атмосфере работать 😀
Кто живет в таком окружении и работает, поделитесь в комментариях секретами, как вам это удается 😊👨🏼💻👇
Исследовал Юг Франции🇫🇷, мечту удаленщика с 300+ днями солнца ☀️ в год и морем неподалеку 🌊. Пока не очень понимаю, как в такой атмосфере работать 😀
Кто живет в таком окружении и работает, поделитесь в комментариях секретами, как вам это удается 😊👨🏼💻👇
❤3
👨🏼💻Хотите в AI - пишите ключевые слова в резюме 📝
Привет! Я провел консультацию (можете записаться тут) и делюсь с вами опытом, который может быть вам полезен.
Ситуация
Джун с PhD в экспериментальной физике во Франции, почти год не может найти работу в AI в Париже и удаленно. Конверсии с 200-300 подач почти ноль. При том, что рынок AI тут развивается, мне каждый день пишут HRы в личку про новые позиции в проектах, поднявших очереднлй раунд инвестиций.
Разбор
Я посмотрел резюме и вот что сразу бросилось в глаза:
– summary, которое подойдет любому человеку (очень общие слова)
– ни одного ключевого слова из горячих слов в AI, вообще ни одного. Ни AI agents, ни MCP, LLM, ollama, Langchain, Hugging Face, gpt-4, llama-3
⁉️Пройдитесь по своему резюме, если оно плохо конвертит в интервью – вдруг вы тоже забыли главные слова.
#резюме #ai #поискработы #консультации
👉@faangiscalling
--------------------------------
Было интересно? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
Привет! Я провел консультацию (можете записаться тут) и делюсь с вами опытом, который может быть вам полезен.
Ситуация
Джун с PhD в экспериментальной физике во Франции, почти год не может найти работу в AI в Париже и удаленно. Конверсии с 200-300 подач почти ноль. При том, что рынок AI тут развивается, мне каждый день пишут HRы в личку про новые позиции в проектах, поднявших очереднлй раунд инвестиций.
Разбор
Я посмотрел резюме и вот что сразу бросилось в глаза:
– summary, которое подойдет любому человеку (очень общие слова)
– ни одного ключевого слова из горячих слов в AI, вообще ни одного. Ни AI agents, ни MCP, LLM, ollama, Langchain, Hugging Face, gpt-4, llama-3
⁉️Пройдитесь по своему резюме, если оно плохо конвертит в интервью – вдруг вы тоже забыли главные слова.
#резюме #ai #поискработы #консультации
👉@faangiscalling
--------------------------------
Было интересно? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
Mentorcruise
Get mentored by Sergei Panarin on MentorCruise
Sergei Panarin is a Engineering & Data mentor who provides personalized mentorship in
Software Engineering, Career, Job Search, Cv Review, Faang, Python and more.
Software Engineering, Career, Job Search, Cv Review, Faang, Python and more.
👍3
Front-loaded Vesting: больше стоков в первые 2 года 🚀
📈 Вместо классической схемы на 4 года равными долями или «смещённой к концу» модели (как у Amazon), всё больше компаний переходят на Front-loaded Vesting — когда значительная часть стоков вестится уже в первые 2 года.
🔥 Примеры компаний (распределение и итог за первые 2 года):
- Pinterest → YR1: 50% + YR2: 33% = 83%
- Nvidia → YR1: 40% + YR2: 30% = 70%
- Google → YR1: 38% + YR2: 32% = 70%
- Airbnb → YR1: 35% + YR2: 30% = 65%
- Uber → YR1: 35% + YR2: 30% = 65%
Зачем так делают?
👉 Чтобы быстрее привлекать талантливых специалистов
👉 Чтобы мотивировать на 💪 результат
👉 Чтобы оставлять пространство для новых refresh grant’ов
💬 А как у вас устроен вестинг? Делитесь опытом и наблюдениями в комментариях!
👉@faangiscalling
-------------------------------
Было интересно? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
📈 Вместо классической схемы на 4 года равными долями или «смещённой к концу» модели (как у Amazon), всё больше компаний переходят на Front-loaded Vesting — когда значительная часть стоков вестится уже в первые 2 года.
🔥 Примеры компаний (распределение и итог за первые 2 года):
- Pinterest → YR1: 50% + YR2: 33% = 83%
- Nvidia → YR1: 40% + YR2: 30% = 70%
- Google → YR1: 38% + YR2: 32% = 70%
- Airbnb → YR1: 35% + YR2: 30% = 65%
- Uber → YR1: 35% + YR2: 30% = 65%
Зачем так делают?
👉 Чтобы быстрее привлекать талантливых специалистов
👉 Чтобы мотивировать на 💪 результат
👉 Чтобы оставлять пространство для новых refresh grant’ов
💬 А как у вас устроен вестинг? Делитесь опытом и наблюдениями в комментариях!
👉@faangiscalling
-------------------------------
Было интересно? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
🔥2
Самый популярный follow-up вопрос на интервью в Meta и Amazon
Всем привет! Прорабатываем сейчас с менти тему алгоритмов и структур данных (DSA), и я понял, что могут быть трудности с ответом на самый популярный follow-up вопрос на интервью в Meta и Amazon.
❓Итак, вы написали решение алгоритмической задачи, проверили решение. И интервьюер вас спрашивает: 'Какая у вас time & space complexity?'
Для ответа на вопрос про time complexity для любого алгоритма, можно использовать такой подход, который хорошо работает для меня:
1) определить переменную для размера входных данных, ту самую 'n' (размер массива, количество вершин графа и т.п.)
2) понять, сколько шагов в алгоритме
3) дать 'цену' для каждого шага (постоянная работа - константа, цикл - число повторений, известные операции типа сортировки - n log n, бинарный поиск log n)
4) просуммировать 'цены' всех шагов, беря в расчет только 'порядок' роста (константа + константа = константа, n + n = n, n + n^2 = n ^2)
5) Сказать это словами как O(n) ('Big O of n')
С этим подходом, зная 'цену' (сложность) стандартных операций вроде поиска в хеш-таблице (константа, ищется за постоянное время, оно же О(1)), можно без зубрежки уверенно отвечать на этот главный follow-up интервьюеров.
Для space complexity еще проще - нужно оценить объем памяти для дополнительных структур данных, которые вы используете. Выразить это в привязке к длине входных данных.
Например, на входе массив из n элементов и вы его копируете в другой массив такого же размера у вас в коде - space complexity будет O(n).
Тонкий момент касается рекурсий - вы вроде как в явном виде не создаете новых структур данных, но при рекурсии в памяти создается стек вызова и ваша space complexity будет равна размеру этого стека.
⚠️ Важное уточнение: говоря о такой сложности, нужно различать среднюю и worst-case сложности.
Для worst-case сложности вам надо сначала сформулировать, что это такое:
Например, искомый элемент в массиве находится в самом конце и при поиске сначала мы его найдем, только просмотрев все n -1 остальных элементов.
Или дерево, у которого у каждого узла всегда по 1-му потомку - тогда оно превращается в линейный список и поиск в глубину (DFS) для поиска числа в конечном листе этого дерева, должен будет пройти все n узлов.
Подготовка к ответу на этот вопрос поможет вам и в ежедневной работе,
вы начнете видеть ненужные линейные поиски, вложенные циклы, лишние вспомогательные структуры, которые занимают память.
👉@faangiscalling
--------------------------------
Было интересно? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
Всем привет! Прорабатываем сейчас с менти тему алгоритмов и структур данных (DSA), и я понял, что могут быть трудности с ответом на самый популярный follow-up вопрос на интервью в Meta и Amazon.
❓Итак, вы написали решение алгоритмической задачи, проверили решение. И интервьюер вас спрашивает: 'Какая у вас time & space complexity?'
Для ответа на вопрос про time complexity для любого алгоритма, можно использовать такой подход, который хорошо работает для меня:
1) определить переменную для размера входных данных, ту самую 'n' (размер массива, количество вершин графа и т.п.)
2) понять, сколько шагов в алгоритме
3) дать 'цену' для каждого шага (постоянная работа - константа, цикл - число повторений, известные операции типа сортировки - n log n, бинарный поиск log n)
4) просуммировать 'цены' всех шагов, беря в расчет только 'порядок' роста (константа + константа = константа, n + n = n, n + n^2 = n ^2)
5) Сказать это словами как O(n) ('Big O of n')
С этим подходом, зная 'цену' (сложность) стандартных операций вроде поиска в хеш-таблице (константа, ищется за постоянное время, оно же О(1)), можно без зубрежки уверенно отвечать на этот главный follow-up интервьюеров.
Для space complexity еще проще - нужно оценить объем памяти для дополнительных структур данных, которые вы используете. Выразить это в привязке к длине входных данных.
Например, на входе массив из n элементов и вы его копируете в другой массив такого же размера у вас в коде - space complexity будет O(n).
Тонкий момент касается рекурсий - вы вроде как в явном виде не создаете новых структур данных, но при рекурсии в памяти создается стек вызова и ваша space complexity будет равна размеру этого стека.
⚠️ Важное уточнение: говоря о такой сложности, нужно различать среднюю и worst-case сложности.
Для worst-case сложности вам надо сначала сформулировать, что это такое:
Например, искомый элемент в массиве находится в самом конце и при поиске сначала мы его найдем, только просмотрев все n -1 остальных элементов.
Или дерево, у которого у каждого узла всегда по 1-му потомку - тогда оно превращается в линейный список и поиск в глубину (DFS) для поиска числа в конечном листе этого дерева, должен будет пройти все n узлов.
Подготовка к ответу на этот вопрос поможет вам и в ежедневной работе,
вы начнете видеть ненужные линейные поиски, вложенные циклы, лишние вспомогательные структуры, которые занимают память.
👉@faangiscalling
--------------------------------
Было интересно? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
🔥2❤1
Пример one-pager CV инженера из React Core Team (Meta, Google)
Я сейчас работаю над новой фичей в React DevTools и увидел там много кода, написанного Брайаном Воном (Brian Vaughn).
Я решил узнать о нем больше и нашел его персональный сайт, где есть его резюме.
📝 Это резюме - хороший пример one-pager, который вы можете использовать как образец.
Ссылка на CV: https://www.bvaughn.me/resume.pdf
👉@faangiscalling
--------------------------------
Было интересно? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
Я сейчас работаю над новой фичей в React DevTools и увидел там много кода, написанного Брайаном Воном (Brian Vaughn).
Я решил узнать о нем больше и нашел его персональный сайт, где есть его резюме.
📝 Это резюме - хороший пример one-pager, который вы можете использовать как образец.
Ссылка на CV: https://www.bvaughn.me/resume.pdf
👉@faangiscalling
--------------------------------
Было интересно? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
🔥6
Отвечайте себе на этот вопрос для подготовки к behavioral-интервью
Behavioral-интервью сделаны не только для того, чтобы сбить с толку и завалить хороших инженеров 🙂
Это оценка уровня зрелости и уровня самоанализа человека.
❓Популярные follow-up вопросы интервьюера после вашего описания ситуации/истории:
"Какие выводы/уроки вы из этого сделали? Что бы вы сделали по-другому?"
Задавайте себе эти вопросы еженедельно к происходящим на работе (да и в жизни) ситуациям. Это развивает навык самоанализа и позволяет выйти на уровень зрелости, который ожидается на behavioral-интервью в Big tech.
⚠️ Мой менеджер на работе тоже любит задавать такой вопрос всем инженерам – чтобы это не выглядело, как критика с его стороны и навязывание каких-то решений, а чтобы ты сам подумал и сам себе сказал, что можно сделать лучше в следующий раз. Это правильный подход.
Вы можете так же задавать такой вопрос коллегам, если хотите, чтобы что-то улучшилось в их восприятии ситуаций (дедлайнов, качества кода, приоритетов).
👉@faangiscalling
--------------------------------
Было интересно? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
Behavioral-интервью сделаны не только для того, чтобы сбить с толку и завалить хороших инженеров 🙂
Это оценка уровня зрелости и уровня самоанализа человека.
❓Популярные follow-up вопросы интервьюера после вашего описания ситуации/истории:
Задавайте себе эти вопросы еженедельно к происходящим на работе (да и в жизни) ситуациям. Это развивает навык самоанализа и позволяет выйти на уровень зрелости, который ожидается на behavioral-интервью в Big tech.
⚠️ Мой менеджер на работе тоже любит задавать такой вопрос всем инженерам – чтобы это не выглядело, как критика с его стороны и навязывание каких-то решений, а чтобы ты сам подумал и сам себе сказал, что можно сделать лучше в следующий раз. Это правильный подход.
Вы можете так же задавать такой вопрос коллегам, если хотите, чтобы что-то улучшилось в их восприятии ситуаций (дедлайнов, качества кода, приоритетов).
👉@faangiscalling
--------------------------------
Было интересно? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
👍4
PostHog (опен-сорс аналитика) набирает 55 человек на full-remote 🕺🕺🕺
Привет! PostHog, полностью remote команда, разрабатывающая опен-сорс решение для продуктовой аналитики. Оценка компании – $1.4 млрд. Зарплаты инженеров - $100K+ в год.
Помимо чисто аналитики там уже и FeatureFlags и AI и еще много всего.
Они подняли раунд на $75 млн неделю назад и начали активно искать 55 (!) человек себе в команду в последнем квартале этого года.
Много product engineer (они продвигают эту роль активно как компания), backend полей.
✌️Full remote, при этом.
🔗 Полный список и подача на вакансии: https://posthog.com/teams/talent
Команда крутая, достаточно посмотреть на их сайт в стиле операционной системы внутри браузера, с папочками, окнами и вот этим вот всем. Там даже screensaver есть, если долго нет активности во вкладке браузера 🤩
👉@faangiscalling
--------------------------------
Было интересно? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
Привет! PostHog, полностью remote команда, разрабатывающая опен-сорс решение для продуктовой аналитики. Оценка компании – $1.4 млрд. Зарплаты инженеров - $100K+ в год.
Помимо чисто аналитики там уже и FeatureFlags и AI и еще много всего.
Они подняли раунд на $75 млн неделю назад и начали активно искать 55 (!) человек себе в команду в последнем квартале этого года.
Много product engineer (они продвигают эту роль активно как компания), backend полей.
✌️Full remote, при этом.
🔗 Полный список и подача на вакансии: https://posthog.com/teams/talent
Команда крутая, достаточно посмотреть на их сайт в стиле операционной системы внутри браузера, с папочками, окнами и вот этим вот всем. Там даже screensaver есть, если долго нет активности во вкладке браузера 🤩
👉@faangiscalling
--------------------------------
Было интересно? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
⚡1
Разбираемся с Git раз и навсегда 👨💻
На пути к '10х инженеру' разобрался с тем, как работает Git, чтобы вам не нужно было.
После этого 10-минутного видео у вас будет много 'a-ha' моментов - и вы начнете 'чувствовать' Git как ваш собственный код.
100 строк на Python с основными командами, которые мы используем каждый день:
- git init
- git add
- git commit
- git log
- git checkout
Разобравшись с Git за 10 минут, вы будете ближе к работе вашей мечты.
Видео:
https://youtu.be/p5CTL2s2Xno
Репозиторий: https://github.com/spanarin/nano-git
👉@faangiscalling
--------------------------------
Понравилось? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
На пути к '10х инженеру' разобрался с тем, как работает Git, чтобы вам не нужно было.
После этого 10-минутного видео у вас будет много 'a-ha' моментов - и вы начнете 'чувствовать' Git как ваш собственный код.
100 строк на Python с основными командами, которые мы используем каждый день:
- git init
- git add
- git commit
- git log
- git checkout
Разобравшись с Git за 10 минут, вы будете ближе к работе вашей мечты.
Видео:
https://youtu.be/p5CTL2s2Xno
Репозиторий: https://github.com/spanarin/nano-git
👉@faangiscalling
--------------------------------
Понравилось? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
YouTube
How Git ACTUALLY Works (in 10 Minutes)
I'm software engineer and I used Git for years… and didn’t really understand it. So I built a tiny version of Git — and everything clicked. 100 lines of code, 10 mins of explanations.
👍1
🔗 Полезное: бесплатный курс Английского для Айтишников 🧑💻👩💻
Мне попалась полезная ссылка от ребят из freeCodeCamp - можно довести Английский до уровня А2 и получить сертификат бесплатно.
Уровень А2 - довольно базовый, хорошо подойдет для тех, кто только начинает.
Курс ориентирован именно на айтишников, поэтому вы сможете представить себя на собеседовании, рассказать о своих проектах, обсудить тренды в кодинге.
🔗Узнать подробнее и начать учиться: https://www.freecodecamp.org/news/freecodecamps-a2-english-for-developers-certification-is-now-live/
👉@faangiscalling
--------------------------------
Понравилось? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
Мне попалась полезная ссылка от ребят из freeCodeCamp - можно довести Английский до уровня А2 и получить сертификат бесплатно.
Уровень А2 - довольно базовый, хорошо подойдет для тех, кто только начинает.
Курс ориентирован именно на айтишников, поэтому вы сможете представить себя на собеседовании, рассказать о своих проектах, обсудить тренды в кодинге.
🔗Узнать подробнее и начать учиться: https://www.freecodecamp.org/news/freecodecamps-a2-english-for-developers-certification-is-now-live/
👉@faangiscalling
--------------------------------
Понравилось? Подпишитесь и поделитесь с друзьями!👋
Telegram — YouTube
🔥3
Мой первый off site в Париже 🇫🇷
А рядом оказалось кафе Monocle, в которое я давно хотел сходить – ведь кофе это моя страсть 🥳 Monocle – это такой красивый лайфстайл журнал из Лондона.
Последние несколько лет я работал удаленно из Франции – сначала на AI-стартап в Лондоне 🇬🇧 , потом на B2B SaaS скейлап из Цюриха🇨🇭, который автоматизирует документооборот по ипотеке для швейцарских банков с активами в $30 млрд.
Я соскучился по людям и нашел работу с офисными днями в Париже – в AI акселераторе крупнейшей французской фармкомпании Sanofi (выручка $50 млрд, 70 тысяч сотрудников в 70 странах).
На прошлой неделе у меня был первый off site с командой в самом центре Парижа – было классно! Ты сворачиваешь с одной из самых туристических улиц и среди красивых османовских домов находится бизнес-центр, где мы работали. Продуктивно поработали, много обсуждали AI. Получилось очень по-парижски – работаешь и наслаждаешься красотой.
В перерыве заглянул в Monocle, но понял, что я 'перерос' это место ☕️
👉@faangiscalling
А рядом оказалось кафе Monocle, в которое я давно хотел сходить – ведь кофе это моя страсть 🥳 Monocle – это такой красивый лайфстайл журнал из Лондона.
Последние несколько лет я работал удаленно из Франции – сначала на AI-стартап в Лондоне 🇬🇧 , потом на B2B SaaS скейлап из Цюриха🇨🇭, который автоматизирует документооборот по ипотеке для швейцарских банков с активами в $30 млрд.
Я соскучился по людям и нашел работу с офисными днями в Париже – в AI акселераторе крупнейшей французской фармкомпании Sanofi (выручка $50 млрд, 70 тысяч сотрудников в 70 странах).
На прошлой неделе у меня был первый off site с командой в самом центре Парижа – было классно! Ты сворачиваешь с одной из самых туристических улиц и среди красивых османовских домов находится бизнес-центр, где мы работали. Продуктивно поработали, много обсуждали AI. Получилось очень по-парижски – работаешь и наслаждаешься красотой.
В перерыве заглянул в Monocle, но понял, что я 'перерос' это место ☕️
👉@faangiscalling
👍3
Митап NVIDIA в Париже 🇫🇷
В Париже сейчас очень много митапов по AI, недавно был от Claude Code у нас в офисе, а тут сама NVIDIA организовывала - захотел сходить.
Темы были очень технические, без маркетинга:
- HuggingFacе рассказывали про новую библиотеку для kernels
- Mistral рассказывал про особенности оптимизации перформанса с учетом их архитектуры с mixture of experts
- NVIDIA про Dynamo (их опен-сорс аналог vLLM)
Из инсайтов:
- сама NVIDIA активно работает с ключевыми клиентами, помогая им оптимизировать под их железо
- более кастомные архитектуры дают дополнительный уровень сложности примерно везде
👉@faangiscalling
В Париже сейчас очень много митапов по AI, недавно был от Claude Code у нас в офисе, а тут сама NVIDIA организовывала - захотел сходить.
Темы были очень технические, без маркетинга:
- HuggingFacе рассказывали про новую библиотеку для kernels
- Mistral рассказывал про особенности оптимизации перформанса с учетом их архитектуры с mixture of experts
- NVIDIA про Dynamo (их опен-сорс аналог vLLM)
Из инсайтов:
- сама NVIDIA активно работает с ключевыми клиентами, помогая им оптимизировать под их железо
- более кастомные архитектуры дают дополнительный уровень сложности примерно везде
👉@faangiscalling
🔥1