Из стажера-программиста на iOS в ведущую разработчицу на Java🪜
Сегодня в рубрике «День с участницей» Фаина Шистерова со своей историей входа в профессию.
Фаина расскажет:
✔️ Как искала первую работу;
✔️ Как совмещала заочную учебу и работу разработчицей;
✔️ Как переходила из IOS-разработки в backend-разработку.
Вот ее представление:
🙋♀️ «Привет! Я Фаина – ведущая разработчица в «МТС Диджитал». На работе я пишу бекенд на java, изучаю новые библиотеки и ищу то, что закроет текущие потребности проекта. Поступила на программиста еще до того, как это стало мейнстримом, хотя в тот момент особо не задумывалась, кем хочу быть. Про учебу и работу подробнее рассказала в комментариях, буду ждать ваших вопросов!»
Если вы хотите прочитать другие истории участниц, вступайте в наш чат и ищите посты по тегу #день_с_участницей.
Как вступить:
— Написать @ErgoProxyDi «Привет, хочу в чат»
— Ждать ответа =)
#карьера_в_IT #день_с_участницей
Сегодня в рубрике «День с участницей» Фаина Шистерова со своей историей входа в профессию.
Фаина расскажет:
✔️ Как искала первую работу;
✔️ Как совмещала заочную учебу и работу разработчицей;
✔️ Как переходила из IOS-разработки в backend-разработку.
Вот ее представление:
🙋♀️ «Привет! Я Фаина – ведущая разработчица в «МТС Диджитал». На работе я пишу бекенд на java, изучаю новые библиотеки и ищу то, что закроет текущие потребности проекта. Поступила на программиста еще до того, как это стало мейнстримом, хотя в тот момент особо не задумывалась, кем хочу быть. Про учебу и работу подробнее рассказала в комментариях, буду ждать ваших вопросов!»
Если вы хотите прочитать другие истории участниц, вступайте в наш чат и ищите посты по тегу #день_с_участницей.
Как вступить:
— Написать @ErgoProxyDi «Привет, хочу в чат»
— Ждать ответа =)
#карьера_в_IT #день_с_участницей
5 страхов начинающих разработчиков и что с ними делать 😱
Страх №1: Потратить много времени, сил и денег на обучение, а потом не найти работу
👉 Что делать?
Изучить вопрос. Не прочитать статью о том, что IT-специалисты сейчас востребованы и будут востребованы в ближайшее время, а увидеть это своими глазами. Зайти на Hh, посмотреть сколько предложений будет там по вашей будущей профессии. Зайти на сайты известных компаний и посмотреть сколько туда нужно айтишников. Так вы увидите реальную картину.
Если страх не пропадет, то значит, вы думаете, что не сможете найти работу из-за собственных навыков. В себе сомневаться не нужно, нужно в себя верить. Эта вера поможет вам сделать первый шаг. А потом учитесь, учитесь ответственно и качественно, тогда этот страх отпадет сам собой.
Страх №2: Быть замененной ИИ
Вы боитесь, что искусственный интеллект в скором будущем сможет сделать вашу работу лучше, быстрее и дешевле, чем вы.
👉 Что делать?
Понять, что ИИ не может заменить вас, а может только дополнить ваш функционал. ИИ – это не враг, а друг, который может помочь вам в вашей работе, упростить вам жизнь, улучшить ваши результаты. ИИ – это не чудо, а инструмент, который требует вашего управления, контроля, анализа, оценки, корректировки, обучения.
Страх №3: Испортить реальный проект на новой работе
Вы боитесь, что не готовы к реальной работе, что обязательно сделаете что-то неправильно: уроните прод, вызовите сбой, случайно удалите базу данных.
👉 Что делать?
Успокоиться и вспомнить, что не ошибается только тот, кто ничего не делает. Да и более опытные коллеги вряд ли допустят, чтобы вы создали какую-то серьезную проблему. Если в чем-то сомневаетесь, идите за помощью к команде. Не стесняйтесь задавать неприличное количество вопросов, если вы впервые выполняете ответственную работу.
Страх №4: Быть рассекреченной: на самом деле я еще не разработчица, а работу вообще получила случайно
Страх новичка, который ничего не знает, а все вокруг кажутся квалифицированными и умными — самый распространённый страх при выходе на первую работу. Есть ощущение, что все сразу как будто заметят, что вы ничего не знаете, не умеете и гуглите каждый шаг.
👉 Что делать?
Повторять себе, что на самом деле это не так: про вас никто не думает плохо и не начнёт сразу топить, когда вы предложите не самое лучшее решение. Все понимают, что на новом месте нужно освоиться и разобраться. Если вы прошли отбор, то занимаете место по праву. Рассекречивать вас никто не будет, у ваших коллег полно других задач:)
Страх №5: Понять, что IT — это не ваше
Вы боитесь, что инвестируете свои деньги, время и силы в обучение, затем выйдете на первую работу и поймете, что это не ваша сфера.
👉 Что делать?
Можно посмотреть ролики на ютубе перед стартом обучения, как проходит типичный рабочий день фронтендера/бэкендера или другого разработчика перед началом обучения. Это вас немного отрезвит.
Но и при самом скурпулезном подходе к выбору профессии, можно ошибиться. Просто потому, что за время обучения меняется сам человек, его предпочтения, мотивация, жизненные обстоятельства. Уходить из той области, которая разонравилась и искать себя в новой — это нормально! Дело всей жизни вполне может быть и не одно.
Если у вас есть свои страхи или советы, то поделитесь ими в комментариях 👇🏻
#лонгрид #карьера_в_IT
Страх №1: Потратить много времени, сил и денег на обучение, а потом не найти работу
👉 Что делать?
Изучить вопрос. Не прочитать статью о том, что IT-специалисты сейчас востребованы и будут востребованы в ближайшее время, а увидеть это своими глазами. Зайти на Hh, посмотреть сколько предложений будет там по вашей будущей профессии. Зайти на сайты известных компаний и посмотреть сколько туда нужно айтишников. Так вы увидите реальную картину.
Если страх не пропадет, то значит, вы думаете, что не сможете найти работу из-за собственных навыков. В себе сомневаться не нужно, нужно в себя верить. Эта вера поможет вам сделать первый шаг. А потом учитесь, учитесь ответственно и качественно, тогда этот страх отпадет сам собой.
Страх №2: Быть замененной ИИ
Вы боитесь, что искусственный интеллект в скором будущем сможет сделать вашу работу лучше, быстрее и дешевле, чем вы.
👉 Что делать?
Понять, что ИИ не может заменить вас, а может только дополнить ваш функционал. ИИ – это не враг, а друг, который может помочь вам в вашей работе, упростить вам жизнь, улучшить ваши результаты. ИИ – это не чудо, а инструмент, который требует вашего управления, контроля, анализа, оценки, корректировки, обучения.
Страх №3: Испортить реальный проект на новой работе
Вы боитесь, что не готовы к реальной работе, что обязательно сделаете что-то неправильно: уроните прод, вызовите сбой, случайно удалите базу данных.
👉 Что делать?
Успокоиться и вспомнить, что не ошибается только тот, кто ничего не делает. Да и более опытные коллеги вряд ли допустят, чтобы вы создали какую-то серьезную проблему. Если в чем-то сомневаетесь, идите за помощью к команде. Не стесняйтесь задавать неприличное количество вопросов, если вы впервые выполняете ответственную работу.
Страх №4: Быть рассекреченной: на самом деле я еще не разработчица, а работу вообще получила случайно
Страх новичка, который ничего не знает, а все вокруг кажутся квалифицированными и умными — самый распространённый страх при выходе на первую работу. Есть ощущение, что все сразу как будто заметят, что вы ничего не знаете, не умеете и гуглите каждый шаг.
👉 Что делать?
Повторять себе, что на самом деле это не так: про вас никто не думает плохо и не начнёт сразу топить, когда вы предложите не самое лучшее решение. Все понимают, что на новом месте нужно освоиться и разобраться. Если вы прошли отбор, то занимаете место по праву. Рассекречивать вас никто не будет, у ваших коллег полно других задач:)
Страх №5: Понять, что IT — это не ваше
Вы боитесь, что инвестируете свои деньги, время и силы в обучение, затем выйдете на первую работу и поймете, что это не ваша сфера.
👉 Что делать?
Можно посмотреть ролики на ютубе перед стартом обучения, как проходит типичный рабочий день фронтендера/бэкендера или другого разработчика перед началом обучения. Это вас немного отрезвит.
Но и при самом скурпулезном подходе к выбору профессии, можно ошибиться. Просто потому, что за время обучения меняется сам человек, его предпочтения, мотивация, жизненные обстоятельства. Уходить из той области, которая разонравилась и искать себя в новой — это нормально! Дело всей жизни вполне может быть и не одно.
Если у вас есть свои страхи или советы, то поделитесь ими в комментариях 👇🏻
#лонгрид #карьера_в_IT
Как выбрать первый язык программирования?
В мире существует более 200 языков программирования, но только несколько десятков используются большинством разработчиков. Выбрать свой среди чужих вам поможет – востребованность языка, его сложность и область, в которой вы хотите работать.
1️⃣ Востребованность языка можно оценить с помощью специальных рейтингов:
TIOBE – рейтинг основан на проценте запросов в поисковиках конкретного языка от запросов по всем языкам и ежемесячно составляется на основе данных из Google, Baidu, Wikipedia, Amazon и Ebay (Яндекс не учитывается).
PYPL (Popularity of Programming Language index) — рейтинг GitHub оценивает по Google Trends, к каким языкам чаще всего ищут уроки;
Stack Overflow — сервис вопросов и ответов по теме программирования проводит масштабные исследования рынка и опросы разработчиков;
IEEE — Институт инженеров электротехники и электроники ежегодно публикует на своем сайте рейтинг языков программирования, основанный на 11 параметрах и восьми источниках, включающих соцсети и GitHub.
☝️ Если обобщить данные из всех рейтингов, то самым востребованным языком на январь 2024 года является Python. Также в топе находятся: Java, JavaScript, С, С++ и C#.
А если вы хотите оценить популярность языка среди работодателей в конкретном регионе, зайдите в любой сервис по поиску работы и вбейте в строку поиска название языка.
2️⃣ Теперь давайте разберемся со сложностью. Это довольно субъективный вопрос, но общие рекомендации такие:
> Для изучения с нуля лучше всего подходят Python и JavaScript.
> PHP, Swift и Kotlin — немного сложнее.
> Java и C# — еще сложнее.
> C++ – самый сложный.
3️⃣ И, наконец, самое главное – краткий список наиболее широко используемых языков в тех или иных областях разработки:
> Веб-разработка – JavaScript, Java, HTML5, Ruby, TypeScript;
> Мобильная разработка – Kotlin, Swift, Objective-C, C#, C++, Java, JavaScript;
> Data Science – Python, R, SQL, Scala, Julia, MATLAB;
> Искусственный интеллект и машинное обучение – Python, R, Java, Lisp, Prolog, JavaScript;
> Облачные вычисления – Java, Python, JavaScript, Golang, .Net Core;
> Кибербезопасность – Perl, C++, SQL, Ruby, Rust, Assembly.
> Разработка игр – Java, C++, Python
В будущем мир программирования будет сосредоточен вокруг искусственного интеллекта и машинного обучения. Пока все складывается так: Python (движущая сила ИИ), JavaScript (доминирует в веб-браузерах), Java (широко распространен в корпоративной среде), Kotlin (часто используется в приложениях), C++ (системное программирование и разработка игр) и вместе они будут играть ключевую роль в формировании цифрового мира. Но не за горами появление новых языков программирования, более удобных и универсальных.
А какой язык программирования изучаете вы? Почему выбрали его в качестве первого? Поделитесь своей историей в комментариях)
#лонгрид #карьера_в_IT
В мире существует более 200 языков программирования, но только несколько десятков используются большинством разработчиков. Выбрать свой среди чужих вам поможет – востребованность языка, его сложность и область, в которой вы хотите работать.
1️⃣ Востребованность языка можно оценить с помощью специальных рейтингов:
TIOBE – рейтинг основан на проценте запросов в поисковиках конкретного языка от запросов по всем языкам и ежемесячно составляется на основе данных из Google, Baidu, Wikipedia, Amazon и Ebay (Яндекс не учитывается).
PYPL (Popularity of Programming Language index) — рейтинг GitHub оценивает по Google Trends, к каким языкам чаще всего ищут уроки;
Stack Overflow — сервис вопросов и ответов по теме программирования проводит масштабные исследования рынка и опросы разработчиков;
IEEE — Институт инженеров электротехники и электроники ежегодно публикует на своем сайте рейтинг языков программирования, основанный на 11 параметрах и восьми источниках, включающих соцсети и GitHub.
☝️ Если обобщить данные из всех рейтингов, то самым востребованным языком на январь 2024 года является Python. Также в топе находятся: Java, JavaScript, С, С++ и C#.
А если вы хотите оценить популярность языка среди работодателей в конкретном регионе, зайдите в любой сервис по поиску работы и вбейте в строку поиска название языка.
2️⃣ Теперь давайте разберемся со сложностью. Это довольно субъективный вопрос, но общие рекомендации такие:
> Для изучения с нуля лучше всего подходят Python и JavaScript.
> PHP, Swift и Kotlin — немного сложнее.
> Java и C# — еще сложнее.
> C++ – самый сложный.
3️⃣ И, наконец, самое главное – краткий список наиболее широко используемых языков в тех или иных областях разработки:
> Веб-разработка – JavaScript, Java, HTML5, Ruby, TypeScript;
> Мобильная разработка – Kotlin, Swift, Objective-C, C#, C++, Java, JavaScript;
> Data Science – Python, R, SQL, Scala, Julia, MATLAB;
> Искусственный интеллект и машинное обучение – Python, R, Java, Lisp, Prolog, JavaScript;
> Облачные вычисления – Java, Python, JavaScript, Golang, .Net Core;
> Кибербезопасность – Perl, C++, SQL, Ruby, Rust, Assembly.
> Разработка игр – Java, C++, Python
В будущем мир программирования будет сосредоточен вокруг искусственного интеллекта и машинного обучения. Пока все складывается так: Python (движущая сила ИИ), JavaScript (доминирует в веб-браузерах), Java (широко распространен в корпоративной среде), Kotlin (часто используется в приложениях), C++ (системное программирование и разработка игр) и вместе они будут играть ключевую роль в формировании цифрового мира. Но не за горами появление новых языков программирования, более удобных и универсальных.
А какой язык программирования изучаете вы? Почему выбрали его в качестве первого? Поделитесь своей историей в комментариях)
#лонгрид #карьера_в_IT
Топ-5 технических профессий в области искусственного интеллекта 🤖
Если вы сейчас в поиске новой профессии, советуем вам присмотреться к этим вариантам 👇
🔵 Cпециалист по машинному обучению / Machine Learning Engineer
Искусственный интеллект уже стал частью нашей повседневной жизни. Специалист, который постоянно дорабатывает эту технологию, чтобы она приносила максимальную пользу, называется ML-инженер.
Однако путь в профессию довольно сложный.
Cпециалисту необходимы математические знания (теория вероятностей, статистика, линейная алгебра) и умение моделировать данные. Важно знать Python и R, SQL или NoSQL, фреймворки PyTorch, Apache Spark, TensorFlow. Может потребоваться умение работать с библиотеками Keras, scikit-learn, Pandas, NumPy.
🔵 Специалист по глубокому обучению / Deep Learning Engineer
Глубокое обучение (Deep Learning, или DL) – раздел машинного обучения, занимающийся созданием сложных многослойных нейросетей. Deep Learning Engineer – специалист, который создает и развивает алгоритмы глубокого обучения. Он уделяет внимание архитектуре системы, работает на более высоком уровне, чем инженер по машинному обучению. Также он преобразует прототипы в рабочий код, настраивает облачную инфраструктуру и развертывает производственные модели.
Необходимо знание распространенных архитектур нейросетей: генеративно-состязательные сети (GAN), автокодеры, глубокие сети доверия (DBN), рекуррентные нейросети, сверточные нейронные сети (CNN), сети долгой краткосрочной памяти (LSTM). В остальном требования похожи на те, которые предъявляются к ML-инженерам.
🔵 Специалист по анализу данных / Data Scientist
Это специалист, работающий на стыке программирования, статистики и машинного обучения. Главная его задача – создание прикладных решений для бизнеса. Например, это могут быть умные ленты социальных сетей и стриминговых сервисов, инструменты для комплексного маркетингового анализа и стратегического планирования. Специалист по анализу данных работает с огромным объемом информации и разрабатывает пути ее применения.
Подробнее о профессии в нашем материале – Data Scientist. Кто такой и как им стать?
🔵 Инженер по обработке естественного языка / NLP Engineer
NLP (Natural Language Processing) – обработка естественного языка любого народа земли. Это направление IT – новая ветвь Data Science и машинного обучения. NLP Engineer работает с огромным массивом данных, обучая нейросеть понимать человеческий язык. Он проводит семантический анализ, находит закономерности, занимается тематическим моделированием с целью решить задачи бизнеса. Это очень узкая ниша с дефицитом квалифицированных специалистов.
Для работы необходимы глубокие знания в статистике, математике, теории вероятностей, владение навыками языкового анализа на уровне графем, морфологии, синтаксиса. Из языков программирования понадобятся языки SQL или NoSQL, Python, библиотеки pandas, nltk, numpy, fasttext, scipy, scikit-learn, фреймворки Tensorflow, Keras, PyTorch. Важно иметь опыт в области обучения моделей по типам Visual Question Answering, Sentiment Analysis, Chatbots & Virtual Assistants, Machine Translation.
🔵 Инженер по компьютерному зрению / Computer Vision Engineer
Cпециалист, который обучает машину извлекать информацию из визуальных данных. Написанные им алгоритмы могут распознавать объекты и явления на изображениях и видеозаписях. Такие технологии используются в системах безопасности и идентификации, в логистике, в беспилотном транспорте и т. д. Это узкая ниша, поэтому на рынке дефицит специалистов по компьютерному зрению.
Инженер должен знать Python, владеть объектно-ориентированным программированием, библиотеками TensorFlow, OpenCV, SciPy, PyTorch, Keras и алгоритммом для компьютерного зрения YOLO. Пригодятся знания линейной алгебры, статистики, теории вероятностей, преобразования Фурье, дифференциального и интегрального исчисления.
Если вы хотите увидеть топ гуманитарных профессий в сфере ИИ, ставьте 🔥
#подборка #карьера_в_IT
Если вы сейчас в поиске новой профессии, советуем вам присмотреться к этим вариантам 👇
🔵 Cпециалист по машинному обучению / Machine Learning Engineer
Искусственный интеллект уже стал частью нашей повседневной жизни. Специалист, который постоянно дорабатывает эту технологию, чтобы она приносила максимальную пользу, называется ML-инженер.
Однако путь в профессию довольно сложный.
Cпециалисту необходимы математические знания (теория вероятностей, статистика, линейная алгебра) и умение моделировать данные. Важно знать Python и R, SQL или NoSQL, фреймворки PyTorch, Apache Spark, TensorFlow. Может потребоваться умение работать с библиотеками Keras, scikit-learn, Pandas, NumPy.
🔵 Специалист по глубокому обучению / Deep Learning Engineer
Глубокое обучение (Deep Learning, или DL) – раздел машинного обучения, занимающийся созданием сложных многослойных нейросетей. Deep Learning Engineer – специалист, который создает и развивает алгоритмы глубокого обучения. Он уделяет внимание архитектуре системы, работает на более высоком уровне, чем инженер по машинному обучению. Также он преобразует прототипы в рабочий код, настраивает облачную инфраструктуру и развертывает производственные модели.
Необходимо знание распространенных архитектур нейросетей: генеративно-состязательные сети (GAN), автокодеры, глубокие сети доверия (DBN), рекуррентные нейросети, сверточные нейронные сети (CNN), сети долгой краткосрочной памяти (LSTM). В остальном требования похожи на те, которые предъявляются к ML-инженерам.
🔵 Специалист по анализу данных / Data Scientist
Это специалист, работающий на стыке программирования, статистики и машинного обучения. Главная его задача – создание прикладных решений для бизнеса. Например, это могут быть умные ленты социальных сетей и стриминговых сервисов, инструменты для комплексного маркетингового анализа и стратегического планирования. Специалист по анализу данных работает с огромным объемом информации и разрабатывает пути ее применения.
Подробнее о профессии в нашем материале – Data Scientist. Кто такой и как им стать?
🔵 Инженер по обработке естественного языка / NLP Engineer
NLP (Natural Language Processing) – обработка естественного языка любого народа земли. Это направление IT – новая ветвь Data Science и машинного обучения. NLP Engineer работает с огромным массивом данных, обучая нейросеть понимать человеческий язык. Он проводит семантический анализ, находит закономерности, занимается тематическим моделированием с целью решить задачи бизнеса. Это очень узкая ниша с дефицитом квалифицированных специалистов.
Для работы необходимы глубокие знания в статистике, математике, теории вероятностей, владение навыками языкового анализа на уровне графем, морфологии, синтаксиса. Из языков программирования понадобятся языки SQL или NoSQL, Python, библиотеки pandas, nltk, numpy, fasttext, scipy, scikit-learn, фреймворки Tensorflow, Keras, PyTorch. Важно иметь опыт в области обучения моделей по типам Visual Question Answering, Sentiment Analysis, Chatbots & Virtual Assistants, Machine Translation.
🔵 Инженер по компьютерному зрению / Computer Vision Engineer
Cпециалист, который обучает машину извлекать информацию из визуальных данных. Написанные им алгоритмы могут распознавать объекты и явления на изображениях и видеозаписях. Такие технологии используются в системах безопасности и идентификации, в логистике, в беспилотном транспорте и т. д. Это узкая ниша, поэтому на рынке дефицит специалистов по компьютерному зрению.
Инженер должен знать Python, владеть объектно-ориентированным программированием, библиотеками TensorFlow, OpenCV, SciPy, PyTorch, Keras и алгоритммом для компьютерного зрения YOLO. Пригодятся знания линейной алгебры, статистики, теории вероятностей, преобразования Фурье, дифференциального и интегрального исчисления.
Если вы хотите увидеть топ гуманитарных профессий в сфере ИИ, ставьте 🔥
#подборка #карьера_в_IT
Telegraph
Data Scientist
Что такое Data Science? Data Science — это применение научных методов при работе с большими данными, чтобы найти нужное решение. Большие данные — это огромные объёмы неструктурированной информации: например, метеоданные за какой-то период, статистика запросов…
Кто такой промт-инженер и как им стать?
Промт-инженер — это специалист, занимающийся разработкой и оптимизацией запросов (промтов) для языковых моделей, чтобы максимально точно и корректно извлекать нужную информацию.
Роль промт-инженера – тонкая настройка взаимодействия с ИИ. Другими словами, необходимо максимально быстро получить от нейросети именно то, что хочет бизнес.
1️⃣ Требования к промт-инженеру (взяты из реальной вакансии):
– Большой интерес к инновациям в области медиа и технологий;
– Знание рынка существующих нейронных сетей и вариантов их применения;
– Проактивная позиция в вопросе применения нейронных сетей для задач производственной компании;
– Желание исследовать и креативить;
– Системное мышление, внимательность, нацеленность на результат, умение работать в команде, ответственность;
– Высшее образование;
– Аналитический склад.
Профессия еще совсем свежая, поэтому требования к специалистам не устаканились. Где-то от кандидатов просят технических навыков, а где-то – нет.
2️⃣ К примеру, вот требования из другой вакансии:
– Опыт работы с большими языковыми моделями (ChatGPT, GPT-4, GigaChat, YandexGPT, midjorney и др.);
– Понимание принципов работы с плагинами GPT;
– Опыт работы с API;
– Понимание архитектуры LLM;
– Понимание принципов работы с промптами (zero shot, few shot, step-by-step);
– Опыт тестирования написанных промптов на работоспособность и устойчивость к повторной генерации и входным данным;
– Навыками программирования.
Как стать промт-инженером?
Сравнить свои навыки и требования вакансии, прокачаться в работе с нейросетями. Упаковать кейсы успешного применения ИИ в работе и идти пробовать устраиваться!
Может не получиться, но российский рынок пока сам не до конца понимает, кто такой этот промт-инженер. Поэтому любой уверенный специалист, который покрывает потребность бизнеса в использовании ИИ и ускорении работы, имеет шанс заполучить желаемое место.
👩🎓 Курсы для промпт-инженеров уже предлагают даже такие трастовые площадки, как Udemy и Codecademy. Если пройдете их до того, как это станет мейнстримом, получите конкурентное преимущество.
Профессия очень перспективная, сейчас каждая компания хочет внедрить у себя инструменты ИИ, но далеко не все знают, как с ними работать.
#карьера_в_IT #лонгрид
Промт-инженер — это специалист, занимающийся разработкой и оптимизацией запросов (промтов) для языковых моделей, чтобы максимально точно и корректно извлекать нужную информацию.
Роль промт-инженера – тонкая настройка взаимодействия с ИИ. Другими словами, необходимо максимально быстро получить от нейросети именно то, что хочет бизнес.
1️⃣ Требования к промт-инженеру (взяты из реальной вакансии):
– Большой интерес к инновациям в области медиа и технологий;
– Знание рынка существующих нейронных сетей и вариантов их применения;
– Проактивная позиция в вопросе применения нейронных сетей для задач производственной компании;
– Желание исследовать и креативить;
– Системное мышление, внимательность, нацеленность на результат, умение работать в команде, ответственность;
– Высшее образование;
– Аналитический склад.
Профессия еще совсем свежая, поэтому требования к специалистам не устаканились. Где-то от кандидатов просят технических навыков, а где-то – нет.
2️⃣ К примеру, вот требования из другой вакансии:
– Опыт работы с большими языковыми моделями (ChatGPT, GPT-4, GigaChat, YandexGPT, midjorney и др.);
– Понимание принципов работы с плагинами GPT;
– Опыт работы с API;
– Понимание архитектуры LLM;
– Понимание принципов работы с промптами (zero shot, few shot, step-by-step);
– Опыт тестирования написанных промптов на работоспособность и устойчивость к повторной генерации и входным данным;
– Навыками программирования.
Как стать промт-инженером?
Сравнить свои навыки и требования вакансии, прокачаться в работе с нейросетями. Упаковать кейсы успешного применения ИИ в работе и идти пробовать устраиваться!
Может не получиться, но российский рынок пока сам не до конца понимает, кто такой этот промт-инженер. Поэтому любой уверенный специалист, который покрывает потребность бизнеса в использовании ИИ и ускорении работы, имеет шанс заполучить желаемое место.
👩🎓 Курсы для промпт-инженеров уже предлагают даже такие трастовые площадки, как Udemy и Codecademy. Если пройдете их до того, как это станет мейнстримом, получите конкурентное преимущество.
Профессия очень перспективная, сейчас каждая компания хочет внедрить у себя инструменты ИИ, но далеко не все знают, как с ними работать.
#карьера_в_IT #лонгрид
Кто такой специалист по внедрению AI и как им стать?
Специалист по внедрению AI — это профессионал, который отлично разбирается в нейросетях (с точки зрения пользователя), создает качественные промты, при этом имеет опыт работы с бизнес-процессами и умеет считать выгоду от автоматизации.
Роль специалиста по внедрению AI – быстро и безболезненно внедрить AI-инструменты в работу компании, обучить сотрудников и оптимизировать часть рутинных задач
1️⃣ Требования (взяты из реальной вакансии):
– Аналитический склад ума;
– Понимание принципов и основ работы AI, базовые знания теории вероятности;
– Умение вычленять и формулировать ключевые мысли из большого объема информации;
– Умение грамотно составлять запросы и добиваться нужного от нейросети;
– Активная генерация идей и предложений для развития;
– Работа не только с текстами и изображениями, но и реализация с помощью ИИ внутренних и внешних задач компании.
Приветствуются знания:
– Английского языка;
– Python (Fast API, HttpX, Asyncio, Pydantic, Motor), Mongo DB;
– Умение планировать свое время, правильно расставлять приоритеты и ответственно подходить к соблюдению сроков решения задач и качеству исполнения;
Профессия новая, поэтому в каждой вакансии требования будут отличаться, но суть одна: уметь работать с нейросетями и закрывать с помощью них запросы бизнеса.
Как стать специалистом по внедрению-AI?
Тут все схоже с профессией промт-инженер: сравнить свои навыки и требования вакансии, прокачаться в работе с нейросетями. Упаковать кейсы успешного применения ИИ в работе, посчитать, какую выгоду принесет та или иная автоматизация в компании (или уже принесла на вашем предыдущем месте) и идти устраиваться!
Есть два основных пути развития у этой профессии:
1) Специалист по внедрению AI (в найме) – вас нанимают в штат и вы помогаете внедрить ИИ в работу одной компании (такие вакансии уже есть, но их пока мало)
2) Коуч по нейросетям – вы тот же специалист по внедрению AI, но в свободном плавании. Предлагаете свои услуги (консультации, полное внедрение, анализ процессов с чек-листом для автоматизации) разным компаниям и находите клиентов сами.
🎓 Курсов по профессии пока нет, но очень полезны будут обучающие программы по работе с нейросетями. Глубокое понимание работы ИИ, чтение официальной документации, умение создавать надстройки над нейросетями (GPTs, к примеру) – станут вашими конкурентными преимуществами.
Если вы увлечены нейросетями и уже поняли, насколько они могут помочь в работе и жизни и даже посчитали выгоду, то эта работа для вас.
#карьера_в_IT #лонгрид
Специалист по внедрению AI — это профессионал, который отлично разбирается в нейросетях (с точки зрения пользователя), создает качественные промты, при этом имеет опыт работы с бизнес-процессами и умеет считать выгоду от автоматизации.
Роль специалиста по внедрению AI – быстро и безболезненно внедрить AI-инструменты в работу компании, обучить сотрудников и оптимизировать часть рутинных задач
1️⃣ Требования (взяты из реальной вакансии):
– Аналитический склад ума;
– Понимание принципов и основ работы AI, базовые знания теории вероятности;
– Умение вычленять и формулировать ключевые мысли из большого объема информации;
– Умение грамотно составлять запросы и добиваться нужного от нейросети;
– Активная генерация идей и предложений для развития;
– Работа не только с текстами и изображениями, но и реализация с помощью ИИ внутренних и внешних задач компании.
Приветствуются знания:
– Английского языка;
– Python (Fast API, HttpX, Asyncio, Pydantic, Motor), Mongo DB;
– Умение планировать свое время, правильно расставлять приоритеты и ответственно подходить к соблюдению сроков решения задач и качеству исполнения;
Профессия новая, поэтому в каждой вакансии требования будут отличаться, но суть одна: уметь работать с нейросетями и закрывать с помощью них запросы бизнеса.
Как стать специалистом по внедрению-AI?
Тут все схоже с профессией промт-инженер: сравнить свои навыки и требования вакансии, прокачаться в работе с нейросетями. Упаковать кейсы успешного применения ИИ в работе, посчитать, какую выгоду принесет та или иная автоматизация в компании (или уже принесла на вашем предыдущем месте) и идти устраиваться!
Есть два основных пути развития у этой профессии:
1) Специалист по внедрению AI (в найме) – вас нанимают в штат и вы помогаете внедрить ИИ в работу одной компании (такие вакансии уже есть, но их пока мало)
2) Коуч по нейросетям – вы тот же специалист по внедрению AI, но в свободном плавании. Предлагаете свои услуги (консультации, полное внедрение, анализ процессов с чек-листом для автоматизации) разным компаниям и находите клиентов сами.
🎓 Курсов по профессии пока нет, но очень полезны будут обучающие программы по работе с нейросетями. Глубокое понимание работы ИИ, чтение официальной документации, умение создавать надстройки над нейросетями (GPTs, к примеру) – станут вашими конкурентными преимуществами.
Если вы увлечены нейросетями и уже поняли, насколько они могут помочь в работе и жизни и даже посчитали выгоду, то эта работа для вас.
#карьера_в_IT #лонгрид
Из Fashion Retail в BI-аналитика 💃
Сегодня в рубрике «День с участницей» Татьяна Старцева со своей историей входа в профессию.
Татьяна расскажет:
✔️ Как и зачем она перешла в IT;
✔️ Почему переехала в Южную Африку;
✔️ Как войти в IT через стажировку.
Вот ее представление:
🙋♀️ «Всем привет! Меня зовут Татьяна, я живу в Южной Африке и работаю BI-аналитиком в стартапе. Сначала я занималась административным управлением магазина, но потом влюбилась в данные и через обучение и стажировку пришла в IT. Сейчас совмещаю работу, изучение английского языка и путешествия. Подробнее рассказала о своём пути в комментариях, буду ждать ваших вопросов!»
Напомним правила рубрики:
1. Мы выкладываем небольшое текстовое превью, где участница коротко рассказывает о себе (этот пост). Под ним вы найдете описание карьерного пути героини (в комментариях).
2. После выставляем видеообращение в кружочке от участницы.
3. В комментариях под этим постом, вы можете оставлять свои вопросы, а наша участница будет на них отвечать до 21:00 того дня, когда был выложен пост.
Если вы хотите прочитать другие истории участниц, вступайте в наш чат и ищите посты по тегу #день_с_участницей.
Как вступить:
— Написать @ErgoProxyDi «Привет, хочу в чат»
— Ждать ответа =)
#карьера_в_IT #день_с_участницей
Сегодня в рубрике «День с участницей» Татьяна Старцева со своей историей входа в профессию.
Татьяна расскажет:
✔️ Как и зачем она перешла в IT;
✔️ Почему переехала в Южную Африку;
✔️ Как войти в IT через стажировку.
Вот ее представление:
🙋♀️ «Всем привет! Меня зовут Татьяна, я живу в Южной Африке и работаю BI-аналитиком в стартапе. Сначала я занималась административным управлением магазина, но потом влюбилась в данные и через обучение и стажировку пришла в IT. Сейчас совмещаю работу, изучение английского языка и путешествия. Подробнее рассказала о своём пути в комментариях, буду ждать ваших вопросов!»
Напомним правила рубрики:
1. Мы выкладываем небольшое текстовое превью, где участница коротко рассказывает о себе (этот пост). Под ним вы найдете описание карьерного пути героини (в комментариях).
2. После выставляем видеообращение в кружочке от участницы.
3. В комментариях под этим постом, вы можете оставлять свои вопросы, а наша участница будет на них отвечать до 21:00 того дня, когда был выложен пост.
Если вы хотите прочитать другие истории участниц, вступайте в наш чат и ищите посты по тегу #день_с_участницей.
Как вступить:
— Написать @ErgoProxyDi «Привет, хочу в чат»
— Ждать ответа =)
#карьера_в_IT #день_с_участницей