Всем привет!

📚 Продолжение поста о курсах, в котором разберем тему домашних заданий.

😑 Проблематика здесь уходит корнями еще во времена школьной программы, где постулируется принцип, что домашние задание - это способо закрепления материала и перевод информации из знания в навык. Все верно, но большинство задания не делают, а списывают.

🤦‍♀️ Причина в том, что единственный способо «заставить» кого-то выполнить «домашку» - это сделать ее интересной для ученика, тогда проблема списывания решится сама собой и уйдет соблазн воспользоваться 🤖 ChatGTP.

🪚 Домашние задания на курсах оторваны от жизни на столько, что кроме забористых формулировок и неясных требований ничего не остается в памяти. Все ради того, чтобы проверить усвоил ли ученик несчастную оконную 🪟 функцию или она выветрилась вместе с другой информацией из головы.

🎭 Подобно персонажу произведения, которому зритель может сопереживать, только проведя параллели со своей жизнью и найдя в них себя, задание должно быть отражением реальности, которое ловко упаковано и интегрировано в учебный процесс.

🤷 Как сделать это в рамках больших курсов-конвейерах сказать сложно, наверное поэтому они со временем и уйдут (нет).

💰Но с такими бюджетами, можно конечно развить успех потрясающе интересных вводных частей курса, которые после оплаты резко превращаются в академические лекции, где вываливают знания, уже без интересной истории про аналитика Гришу.

🧑‍🎤 В менторской практике я всегда строю обучение вокруг зоны интересов ученика, тогда вместо выполненных домашних заданий получаешь полноценные исследования, которые выходят далеко за рамки первоначальных требований.

🏁 Поэтому думаю, что занятие 1 на 1 с ментором не только эффективнее с точки зрения знаний, но и финансов.

🏊 Первоначальная задача ментора стать ненужным своему ученику как можно быстрее и пустить его в свободное плаванье.

💵 У курса задача, чтобы ты еще потом «усиленную математику плюс» докупил и тогда уж точно найдешь работу своей мечты.

✒️ Уверен, что у многих опыт схожий, если готовы, то поделитесь своим мнением в комментариях.
#курсы #часть2

📽 Посмотрел видео с Анна Штенгауэр, HRD в ubic.tech, в рамках проекта «Как найти свою первую работу в IT» от Хабра.Карьеры и VK. Особенно понравилось, когда Анна рассказывала про нативную интеграцию CRM с HH, а не Хабра.Карьерой. 😕

✒️ Пока смотрел видео конспектировал, и подготовил для Вас небольшую выжимку.

🧙‍♀️Прописные истины в составлении резюме:

1️⃣ Необходимо делить текст на абзацы.

2️⃣ Отображать количественные результаты работы и добавлять много фактуры: команда, задачи и так далее.

3️⃣ Писать резюме под конкретную вакансию.

4️⃣ Если есть предыдущий опыт, то его необходимо инкрустировать в резюме, чтобы подсветить доменную область, задачи, которые вы считаете «крутыми» вне зависимости от области, и задачи, связанные с аналитикой.

5️⃣ Необходимо транслировать свою мотивацию в резюме.

6️⃣ Стараться «закинуть» резюме через людей, которые Вас знают и будут вашими рефералами. Можно даже искать переговорщика в сети 😉

7️⃣ Ментор может не только научить, но и порекомендовать.

8️⃣ Пользуйтесь карьерными сайтами интересующих компаний, чтобы сопроводительное письмо (СП) было более релевантным.

🌙 Новинки:

🔝 В разделе «обо мне» можно оставить свой ТГ и тогда не нужно HR тратить денюжку компании на ваш отклик и конверсия звонков увеличится. Уже вижу, как разработчикам 🧑‍💻, вне спринта, прилетает задача на устранение фичи бага.

🙋‍♀️ Ответы на вопросы, которые задавали в чате:

❓Можно ли считать учебный опыт рабочим?
Ответ: да, это MVP, которое демонстрирует вашу работу

❓Читаешь ли ты СП?
Ответ: Да, но нужен удобный формат. Большое - ок, если в нем есть ценность. Можно добавить ссылки на работы, не только гитхаб, но и визуал.
От меня: Для аналитиков можно сделать небольшое исследование компании и добавь его в СП.

❓Надо ли писать в названии резюме «стажер»?
Ответ: Нет, но правильное название важно.
От меня: Будете писать, когда будет плашка Senior 😀

❓Откликаться на вакансии или связываться напрямую? (Обсуждали с Дианой, видео в закрепе)
Ответ: да, если по делу, но не переходите личные границы, чтобы не спугнуть и не казаться назойливым.
От меня: да, испечь торт будет слишком ☺️

❓Как понять по количеству откликов: переоцинил себя или нет?
Ответ: переоценили, если откликов нет, недооценили, если по зарплате предлагают меньше.

❓Можно ли опыт онлайн курсов выдать в качестве работы в компании?
Ответ: Не надо, очень легко, лучше быть честным 😇

❓Как избежать падения вакансии в выдаче?
Ответ: никак, у всех внутренняя кухня. Эйджизм 👨‍🦳и сексизм 🤵‍♂️есть в компаниях, от него не убежать, но не в нашей 😇

❓Надо ли указывать возраст?
Ответ: Да, но на эйджизм, не обижайтесь.

❓ Есть школы онлайн курсов, которые ценят больше? Является ли ЯП жирным плюсом?
Ответ: Ориентируйтесь на экспертов в онлайн школе, а не на вендора.
От меня: Нет

❓Увеличатся ли шансы, если скажу, что готов работать бесплатно?
Ответ: Нет, надо себя ценить 💰

🏋️ Кто-нибудь уже присоединился к «движухе»? Как Вам?

🔥 Кто хочет на «Прожарку» резюме, присылайте их в комментарии к посту или мне в личные сообщения, мы разберем с Дианой, head of HR DataGo. Если хотите, то личные данные можете убрать.

#собеседования

😀 Всем привет!

📹 Вчера в видео мы затронули такую сущность как массивы numpy. Разберем в чем их отличия от списка в Python.

📊 Списки - это встроенная структура данных в Python, которая может содержать разнородные элементы любого типа. Давайте рассмотрим пример создания списка:

my_list = [1, 2, 3, 'a', 'b', 'c']

🔢 Массивы numpy являются фундаментальной структурой данных в научных вычислениях и специально разработаны для числовых операций. Они однородны по своей природе, что означает, они могут содержать только элементы одного и того же типа данных. Вот пример создания массива numpy:

import numpy as np

my_array = np.array([1, 2.5, 3])

array([1., 2.5, 3.])

my_array.dtype

dtype('float64')

🧮 Как мы видим, numpy автоматически переводит из формата int64 в float64 целиком весь массив, даже если хотя бы один элемент является float64 - однородность это цена, которую приходится заплатить за скорость.

🎯 Еще одно ключевое отличие заключается в том, что массивы допускают поэлементные операции:

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

result = arr1 * arr2

print(result)

# Output: [4, 10, 18]

🤔 Напротив, выполнение поэлементных операций со списками потребовало бы перебора каждого элемента, что медленнее и не так лаконично.

🔭 Еще одной полезной функцией массивов numpy является broadcasting, которая позволяет выполнять операции между массивами различной формы:

import numpy as np

arr = np.array([1, 2, 3])

result = arr * 2

print(result)

# Output: [2, 4, 6]

📝 Таким образом, в то время как списки являются структурой данных общего назначения в Python, массивы numpy специально разработаны для вычислений и обеспечивают лучшую производительность и функциональность. Однако, если вам нужно хранить элементы разных типов, то придется использовать списки.

🏠 Попробуйте повторить поэлементные операции и broadcasting с помощью списка Python и присылайте резудьтаты в комментарии.

🏎️ В следующих постах отдельно разберем индексацию и сравним скорость работы разных методов.

💬 Есть хотите обсудить аналитику данных, попросить совета по резюме, поделиться тестовыми или просто задать интересующие вопросы, то присоединяйтесь к нашему чату.

#numpy #python

😀 Всем привет!

🎥 В сегодняшнем выпуске разберем заграничный IT рынок без привязки к конкретной локации (на сколько это возможно)

🧐 Видео проводит параллели между разными IT рынками, чтобы зритель смог самостоятельно сделать выводы.

✒️ Поделитесь своим опытом или задавайте интересующие вопросы в комментариях.

#видео #интервью #поискработы

😀 Всем привет!

📕Сегодня продолжим тему курсов, обсудив такое явление как проект, который по уверению создателей курсов, станет жемчужиной Вашего резюме и дополнит портфолио.

🦄 Изначальный смысл портфолио - это отражение навыков, а также «уникального» почерка владельца, путем демонстрации своих лучших работ.

🎭 Портфолио сыграет свою роль, только в первый раз, когда HR или кто-либо другой его увидит, но в реальности подборку работ уже знают все наизусть, а удивить они могут только лишь своим отсутствием.

🏅 В плане навыков тут еще сложнее, так как зачастую проекты и правда довольно сложные в реализации, но заботливое руководство курсов осмотрительно снабдит ученика несколькими готовыми функциями, которые по своему размеру больше напоминают полноценный модуль. И вместо подробного разбора работы, заставит бездумно применить функции в нужных местах.

🧪 Задания на АБ тесты сконцентрированы всегда на финальной части, а именно расчете, где необходимо понять: прокрасились метрики или нет? Совершенно упуская из вида важнейшую часть - дизайн эксперимента, которая остается за кулисами в качестве сухой теории.

🧑‍🏫 Код-ревьюеры заслуживают отдельного внимания. От тренажера, который мы обсудили в прошлых частях, их отличает не столько человеческий подход, сколько большая склонность к ошибкам. Однобокость оценки сродни их автоматизированного коллеги.

🎨 В итоге имеем безликий набор работ, который не помогает ни выделиться среди равных, ни подкрепить изученные знания практикой.

🖼 Намного ценнее, если бы ученики на протяжении всего обучения создавали свой один уникальный проект, пусть не на столько отполированный, как готовые, но зато самобытный, живой и отражающей уникальные подходы владельца к анализу данных.

✒️ Было бы интересно послушать мнение студентов, нанимающих и ревьюеров, всех приглашаю в комментарии.

#курсы #часть_3

🧑‍💻 Аналитики, привет!

🚯 Можете смело бросать изучение Python, SQL и статистики, потому что вышел временно бесплатный курс по ChatGTP от DeepLearning.AI в партнерстве с OpenAI.

🧑‍🏫 Небольшой ликбез:

👅 Большая языковая модель (LLM) - это тип искусственного интеллекта (AI), которая может понимать и генерировать человеческий язык. Она создается путем обучения нейронной сети на огромном наборе данных текста, что позволяет ей изучать закономерности и взаимосвязи языка.

🧑‍🏫 После обучения LLM может выполнять различные задачи по обработке естественного языка (NLP), такие как перевод, обобщение и генерация текста. Одним из примеров LLM является модель GPT-3 (Generative Pre-trained Transformer 3).

🤖 ChatGPT - это компьютерная программа, предназначенная для общения с людьми. Она использует искусственный интеллект, чтобы понимать, что пишут люди, и генерировать соответствующие ответы.

📕 Promt - это набор команд для ChatGTP.

📚 У меня прохождение курса заняло один вечер, хотя в описании написано, что он рассчитан на 1 час.

🏆 Вы научитесь лучшим практикам по написанию «промтов», создадите чат бота и узнаете как использовать OpenAI API.

⚒ Уверен, что умение использовать ChatGTP или любой другой LLM будет отличным дополнением любого резюме, особенно аналитика, так как ChatGTP не просто заменяет junior специалиста, а еще и на работу не опаздывает.

🐡 DeepLearning.AI, во главе с Andrew Ng, на протяжении 6 лет создают потрясающие курсы на тему AI. Их профессиональный сертификат по TensorFlow стал одним из первых, который я полностью прошел.

🍾 OpenAI в рекламе не нуждаются, собственно они эту LLM и разработали.

✒️ А вы уже используете ChatGTP или другие ИИ в своей работе?

#chatgtp #курсы