Всем привет! 🤘🏻

Наверное, у вас возникли некоторые вопросы по DevFest Bishkek 2022?

Ну а чего вы как не родные? А мы как будто не со-организаторы. 😄 Давайте мы на них ответим!

Для этого мы создали форму, которую вы можете заполнить прямо сейчас: https://forms.gle/ccGc3dQbTvzeMpxPA

Если вопросов будет достаточно, то мы проведем прямой эфир с организатором Марией. Если вопросов будет немного, то ждите пост.

Как вам идея? Оставляйте реакции и, конечно, вопросы.

Никогда такого не было, и вот опять…

Все мы наслышаны о массовых увольнениях в Кремниевой долине последние месяцы 🥺

Процент увольнений действительно пугающий, Stripe 14%, Meta 13%, Lyft 13%, а Twitter планирует дойти до 75% судя по интервью Маска с The Verge.

Даже Amazon, одна из самых устойчивых компаний на рынке сократила 1% сотрудников (если звучит не страшно, то учитывайте, что в случае с Amazon 1% это около 10 000 человек, в то время как у Twitter 75% это около 3 800 человек).

А акции Google упали на 35%, Amazon — на 43%, Meta* — на 68%, Netflix — на 57% и только Apple не упала в стоимости, но и не показала традиционный для нее рост, что в ее случае можно тоже считать падением.

Причин для такого положения вещей достаточно много, и чтобы освещать каждую из них необходимо неплохо погрузиться в мировую политику и экономику.

Однако мы не будем делать вид будто мы эксперты в этом, поскольку мы эксперты в технологиях и технологическом рынке прежде всего. И кое-что это нам напоминает, а именно крах доткомов.

Как и с крахом доткомов, одной из ключевых проблем была завышенность ожиданий касательно рынка. В то время рынок был бычий, деньги делались быстро и легко, а инвесторы активно вкладывались в тысячи молодых многообещающих стартапов.

И вдруг произошел экономический кризис, топливо для бесконечного раздувания индустрии в виде дешевых денег закончилось, инвесторы начали более реалистично оценивать потенциал стартапов, и многие из них просто не пережили этого.

Вот и теперь, когда мир начал отходить от пандемии и устал от жизни онлайн, когда социальные выплаты разбудили инфляцию и заставили повысить процентную ставку, а криптовалюты обвалились - настроения резко изменились.

Люди стали проводить онлайн намного меньше, чем ожидалось, тратить свое время и деньги на большее количество физических, чем цифровых продуктов, а светлое Web3 будущее снова откладывается и еще вчерашний дефицит разработчиков сегодня оказывается переизбытком.

Например, Семил Шах, генеральный партнер венчурной компании Haystack, утверждает, что ближайшее время Сан-Франциско пополнится от 25 000 до 50 000 безработными IT специалистами и, скорее всего, это только начало.

Но не нужно паники, все циклично. Рано или поздно подобное обязано было случиться, чтобы рынок очистился от переоцененных компаний и проектов. Уникальные специалисты останутся там, где были, хорошие специалисты перейдут на чек по меньше, а начинающие специалисты вынуждены будут напрячься и прокачаться.

То же самое касается и компаний, которые будут вынуждены не полагаться на собственный рост за счет роста рынка, и перестроиться в сторону роста за счет разработки продвинутых технологий и предоставления наивысшего уровня качества.

Кстати, у нас есть превосходная статья на тему того, как компаниям выжить в условиях современного кризиса, не теряя своих сотрудников и даже сохранив бюджет на исследование и разработку. Правда, обязаны предупредить, что она на английском. Очень рекомендуем ❤️

Подводные камни в Data Science, о которых не принято говорить! Часть 1

Data Science сейчас на пике популярности и очень многие специалисты и целые компании хотят быть к этому причастны.

Конечно, такое желание справедливо, ведь все мы видим какие удивительные вещи можно делать с AI и ML.

Однако, необходимо отдавать себе отчет, что чем ярче свет - тем больше тень.

И о том, что скрывается в тени - мы поговорим в двух частях этого поста 😎

🏗 Глубокое обучение не очень популярное и очень сложное решение.

Хотя Data Science глубокое обучение является важной частью и вывело ее на новый уровень, после обучения вы можете быть немного разочарованы тем, насколько часто оно используется в рабочей среде. Глубокое обучение является крайне затратной технологией, многие компании обходятся всего лишь линейной и логистической регрессией. Ведь качественное глубокое обучение требует разметки данных или покупки размеченных данных для обучения, большую работу по правильной обработке живых данных из реального мира, учитывать гниение данных и переобучение модели и еще очень много качественного классического software engineering вокруг всего этого.

🗂 SQL никто не отменял.

Кто-то упорно поддерживает то, что NoSql и Apache Spark вышли на рынок как замена SQL и игнорируют то, что по итогу они добавили SQL интерфейсы. Кто-то упорно использует Python/Pandas в задачах, где с SQL это можно сделать в разы проще и быстрее. Правда же в том, что старый добрый SQL просто работает и хорошо им владеть - сделать себе огромное одолжение.

💊 Машинное обучение не панацея.

Часто машинное обучение пытаются прикрутить к чему надо и не надо. Однако простые рабочие методы, которые решают задачу намного проще, быстрее и дешевле просто не вызывают такого шума. Сначала изучите регулярные выражения, эвристику, алгоритмы поиска, системы на правилах, линейное программирование, оптимизацию и другие концепции старой школы.

⚗️ Многие ожидают, что рабочие задачи Data Science и Computer Science существует строго параллельно.

Однако вы можете сильно разочароваться, когда вам с высокой вероятностью придется работать с облачными технологиями, веб разработкой, и прочими областями и кодом намного чаще, чем изначально хотелось. Не нужно видеть в этом проблему, лучше найдите в этом возможность для улучшения AI/ML решений.

Поделитесь своими опасениями, предостережениями или рекомендациями касательно данной индустрии, нам очень интересно!

Кажется, что открыть свое дело – неимоверно просто, как начать бегать с понедельника. Однако насколько вы уверены в своей идее? Пройдет ли она проверку? 🤔

Конечно, вам могут попасться добряки-инвесторы, которые после первой встречи дадут вам деньги, и вы радостно побежите… Прогорать. Почему так получается? Как этого избежать? Довериться дотошному, вредному инвестору, который попытается расшатать ваш концепт и сделает все, чтобы ваша идея развалилась.

Зачем?

Делая бизнес, вы не просто зарабатываете деньги, а служите обществу и несете ответственность. И ответственность не только за свое дело, но и за людей, которые вам доверились, за контракты с партнерами, которые имеют юридическую силу, за клиентов, которые хотят, чтобы их потребность грамотно и эффективно обслужили.

Вы несете ответственность за все и за всех 💪

И все ваши мечтания можно описать как "стартаперская галлюцинация". То есть у фаундеров нет полного контекста реальности, но они так сильно верят в свою идею, что пытаются натянуть реальность на свое видение. Это пагубно сказывается как на них самих, так и на всех вовлеченных.

Идея, как и паразит, очень живучая и заразная. В итоге – плохо проработанная идея, как в Бинго собирает в себе кредит в банке для реализации MVP, недовольство собрания директоров, разрушенные судьбы и отношения, разбитый вдребезги авторитет, впустую потраченное время.

Больше про стартаперские галлюцинации и как с ними бороться, вы можете узнать в статье "Startup’ерские галлюцинации"

Разыгрываем билеты на GDG DevFest 2022 😱

По поводу такого мероприятия, никак не можем мы оставить вас без розыгрыша. Поэтому есть 3 билета, которые могут достаться кому-то из вас.

Итак, условия:
1️⃣ Быть подписанным на тг канал Mad Devs https://t.me/maddevsio
2️⃣ Нажать кнопочку «Участвовать»

Победителей определит бот, который рандомно отберет 3-х счастливчиков. Далее мы вышлем наши фирменные и красивые билеты на почту.

📍Розыгрыш продлится до 2 декабря 15:00. Ставим напоминалки.

Всем удачи!
Жмем кнопку? 😈

Победитель(-и): @aksaamainazhimidinova, @mirbekov0909, @GeorgGremlin

Подготовили для вас книги, которые помогут обновить знания или узнать что-то новое об архитектуре ЭВМ и понять, как работает все железное 👨‍💻

С. С. Львович "Архитектуры вычислительных систем"
Это учебник, в котором рассмотрена архитектура компьютера на уровне системы команд и адресов. Материал книги ориентирован на читателей, которые знают четыре действия арифметики.

Э. Таненбаум "Архитектура компьютера"
Наиболее полная книга об архитектуре ЭВМ. Подробно описываются цифровой логический уровень, уровень архитектуры команд, уровень операционной системы и уровень языка ассемблера. Информации в книге обновляется, чтобы следовать нововведениям в компьютерной отрасли.

Чарльз Петцольд "Код: тайный язык информатики"
Рекомендуем начать с данной книги, если хотите разобраться в том, как ПК работают на аппаратном и программном уровне. Автор книги заглянул настолько далеко в прошлое, что добрался до XIX века и на примере первых телеграфных машин объяснил устройство компьютера.

Дэвид М. Харрис и Сара Л. Харрис "Цифровая схемотехника и архитектура компьютера"
Книга начинается с цифровых логических элементов, переходят к разработке комбинационных и последовательных схем. По всему тексту приводятся примеры схемы.

А откуда вы почерпнули свои знания? Напишите в комментариях.

⚡️Команда CryptoMarry в коллаборации с Mad Devs сегодня выпускает свой продукт на ProductHunt⚡️

CryptoMarry — это продукт расширяющий идею как семейные (и не семейные) пары могут владеть совместными крипто-активами. Через CryptoMarry можно:

✅ Создать семейную DAO используя нативные LOVE токены.
✅ В совместном кошельке, управлять разными видами крипто-активов (ETH/MATIC, ERC20, NFT токены).
✅Приглашать других членов семьи в процесс принятия решений.
✅Подключить любимые DeFi протоколы в совместный кошелек.

Мы будем рады вашим отзывам и поддержке! https://www.producthunt.com/posts/cryptomarry-2-0

А мы к вам с крутыми новостями!
Если вы готовы прокачать свои скиллы и получить множество полезной информации, то открывайте календарь и помечайте мероприятие.

Mad Devs и группы компаний ololo приглашают на вторую масштабную конференцию Digital Nomad Talks 📣

Ведущие специалисты и руководители проектов готовы поделиться своими знаниями и опытом. Мероприятие будет интересно программистам уровня middle и senior.

Какие темы ожидать:
📌 JVM
📌 IPv6
📌 Unity
📌 HR-кейсы
📌 VMware
📌 UX и многие другие!

Ловите дату и место:
🗓 3 декабря в 10:00,
📍 Compass College (пр. Манаса, 41/1),
✅ Вход свободный по предварительной регистрации.

Подводные камни в Data Science, о которых не принято говорить! Часть 2

Если вы думали, что все закончилось, то вы ошибаетесь - продолжаем наш рассказ о подводных камнях в Data Science 😎

📊 Машинное обучение не находит смещения данных.

Многие забывают, что сами данные это не истина в последней инстанции, а только путь к ней, и многое нужно, чтобы пройти по нему. Нужно слушать не только то, что непосредственно говорят данные, но и учитывать откуда были получены данные, возможно ли смещение и по какой причине, а также используем ли мы эвристику и предубеждения для интерпретации данных?

🧿 Компьютер не видит разницы между причинно-следственной связью и корреляцией.

Когда есть корреляция между А и В, то самостоятельно компьютер не может определить влияет А на В или наоборот, а может есть некая С, которая влияет на них обоих. Все это важно не только для простых регрессий, но и для машинного обучения и глубокого обучения в целом. Поэтому еще очень много фундаментальных аспектов лежит на кожаных мешках.

♻️ Наука наоборот.

В научном мире сначала выдвигается гипотеза, потом собираются и анализируются данные, за счет чего гипотеза подтверждается или опровергается. В случае с Data Science часто делают наоборот, и выводят гипотезы из собранных данных. Вроде бы ничего страшного, часто это действительно отлично работает. Однако необходимо понимать, что так можно найти кучу случайных закономерностей, требующих дополнительного тестирования, сбора свежих данных после анализа и проверки на сохранение закономерности.

⚖️ Риски и ответственность.

Необходимо понимать, что AI/ML являются тем, на что хочется переложить ответственность за принятые или даже не принятые нами решения. Именно поэтому существует дисциплина AI Ethics, истинная суть которой не в том, когда выдавать роботам паспорта, а ответить почему и зачем мы должны или не должны внедрять ту или иную технологию до того, как сделаем это. В прошлом веке человечество вовсе не разработало Atom Energy Ethics, а значит необходимо учиться и разрабатывать AI Ethics прежде всего.

Может показаться, что все очень сложно и тяжело, но в любой другой индустрии не меньше своих подводных камней.

Однако знать о них заранее, правильно к ним относиться и делать возможность из проблемы - вот золотой рецепт для любого специалиста и любой компании.

Как читать чужой код?🤯

Часто можно услышать от программистов, что они не любят читать чужой код, потому что иногда этот процесс бывает скучным, а еще "Как это понять!? Что за криворукий....🤬" код бывает написан непонятно и его сложно разобрать. Собрали для вас подсказки, которые помогут при чтении чужого кода.

▫️Проводите «раскопки» в коде, чтобы узнать, как изменялся код. Изучите команды для Git.

▫️Переключайтесь между коммитами, чтобы выявить сложно отслеживаемую проблему.

▫️Изучайте историю кода, если проект хранится на каком-нибудь хостинговом сервисе.

▫️Не забывайте читать unit specs, что поможет выяснить предназначение функций, модулей и возможные пограничные случаи, которые они обрабатывают.

▫️Воспринимайте комментарии или функции как подсказки.

▫️Обращайте внимание на стиль, стандарты оформление написанного кода.

▫️Избавляйтесь от «мусора» в коде через удаление артефактов, комментариев, кусков кода, от которых давно не обновлялись, остались без внимания.

▫️Рассматривайте на каждом этапе только нужные вам файлы, в порядке необходимости.

▫️Разберитесь, что делают функции, проведите юнит тесты или проведите тесты методом чёрного ящика.

▫️Не забывайте оставлять комментарии, если логика какого-то фрагмента кода не ясна.

▫️Кроме всего вы можете написать дополнительную функцию, чтобы проверить свои догадки.

А какие лайфхаки есть у вас?